مرکزی مواد پر جائیں
OpenAI

۱۵ اپریل، ۲۰۲۶

پروڈکٹ

Agents SDK کا اگلا ارتقاء

اپ ڈیٹ شدہ Agents SDK ڈیویلپرز کو ایسے ایجنٹس بنانے میں مدد دیتا ہے جو فائلوں کا جائزہ لے سکیں، کمانڈز چلا سکیں، کوڈ میں ترمیم کر سکیں اور کنٹرول شدہ سینڈ باکس ماحول میں طویل مدتی ٹاسک پر کام کر سکیں.

لوڈ ہو رہا ہے…

ہم Agents SDK میں نئی صلاحیتیں متعارف کرا رہے ہیں جو ڈویلپرز کو ایک ایسا معیاری انفراسٹرکچر فراہم کرتی ہیں جس کے ساتھ آغاز کرنا آسان ہو اور جو OpenAI ماڈلز کے لیے درست طور پر تیار کیا گیا ہے: ایک ماڈل-نیٹو ہارنس جو ایجنٹس کو کمپیوٹر پر فائلوں اور ٹولز کے درمیان کام کرنے دیتا ہے، نیز اس کام کو محفوظ طریقے سے چلانے کے لیے نیٹو سینڈ باکس عملدرآمد.

مثال کے طور پر، ڈویلپرز ایک ایجنٹ کو ایک کنٹرول شدہ ورک اسپیس، واضح ہدایات اور وہ ٹولز دے سکتے ہیں جن کی اسے شواہد کا جائزہ لینے کے لیے ضرورت ہوتی ہے:

Python

1
# pip install "openai-agents>=0.14.0"
2

3
import asyncio
4
import tempfile
5
from pathlib import Path
6

7
from agents import Runner
8
from agents.run import RunConfig
9
from agents.sandbox import Manifest, SandboxAgent, SandboxRunConfig
10
from agents.sandbox.entries import LocalDir
11
from agents.sandbox.sandboxes import UnixLocalSandboxClient
12

13

14
async def main() -> None:
15
with tempfile.TemporaryDirectory() as tmp:
16
dataroom = Path(tmp) / "dataroom"
17
dataroom.mkdir()
18
(dataroom / "metrics.md").write_text(
19
"""# Annual metrics
20

21
| Year | Revenue | Operating income | Operating cash flow |
22
| --- | ---: | ---: | ---: |
23
| FY2025 | $124.3M | $18.6M | $24.1M |
24
| FY2024 | $98.7M | $12.4M | $17.9M |
25
""",
26
encoding="utf-8",
27
)
28

29
agent = SandboxAgent(
30
name="Dataroom Analyst",
31
model="gpt-5.4",
32
instructions="Answer using only files in data/. Cite source filenames.",
33
default_manifest=Manifest(entries={"data": LocalDir(src=dataroom)}),
34
)
35

36
result = await Runner.run(
37
agent,
38
"Compare FY2025 revenue, operating income, and operating cash flow with FY2024.",
39
run_config=RunConfig(
40
sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
41
),
42
)
43
print(result.final_output)
44

45

46
if __name__ == "__main__":
47
asyncio.run(main())
48

ڈویلپرز کو مفید ایجنٹس بنانے کے لیے صرف بہترین ماڈل سے بڑھ کر چیزوں کی ضرورت ہوتی ہے—انہیں ایسے سسٹمز درکار ہوتے ہیں جو اس بات کی معاونت کریں کہ ایجنٹس فائلوں کا معائنہ کیسے کرتے ہیں، کمانڈز کیسے چلاتے ہیں، کوڈ کیسے لکھتے ہیں اور کئی مراحل میں مسلسل کام کرتے رہیں.

آج موجود سسٹمز اپنے ساتھ کچھ سمجھوتے لاتے ہیں کیونکہ ٹیمیں پروٹو ٹائپس سے پروڈکشن کی طرف بڑھتی ہیں. ماڈل سے غیر وابستہ فریم ورک لچکدار ہوتے ہیں لیکن فرنٹیئر ماڈلز کی صلاحیتوں سے مکمل طور پر فائدہ نہیں اٹھاتے؛ ماڈل فراہم کنندگان کے SDKs ماڈل کے زیادہ قریب ہو سکتے ہیں لیکن اکثر ہارنس میں کافی مرئیت فراہم نہیں کرتے؛ اور منظم ایجنٹ APIs تعیناتی کو آسان بنا سکتی ہیں لیکن یہ اس بات کو محدود کرتی ہیں کہ ایجنٹس کہاں چلیں اور وہ حساس ڈیٹا تک کیسے رسائی حاصل کریں.

یہ ہے کہ ہمارے ساتھ نئے SDK کا تجربہ کرنے والے کچھ صارفین کا کیا کہنا تھا:

"GPT-5.4 دستاویزات پر مبنی قانونی کام کے لیے ایک نیا معیار قائم کرتا ہے. ہمارے BigLaw Bench تشخیص پر، اس نے 91% اسکور کیا. دیگر ماڈلز کے مقابلے میں، GPT-5.4 فی الحال پیچیدہ لین دین کے تجزیے کو ساخت دینے، طویل معاہدوں میں درستگی برقرار رکھنے اور قانونی پیشہ ور افراد کو درکار اعلٰی سطح کی تفصیل فراہم کرنے میں بہتر ہے.
— نیکو گروپن، سربراہ برائے اطلاقی تحقیق، ہاروی (Harvey)

ایجنٹ لوپ کے لیے ایک زیادہ قابل ہارنس

آج کی ریلیز کے ساتھ، Agents SDK ہارنس ان ایجنٹس کے لیے مزید قابل ہو جاتا ہے جو دستاویزات، فائلوں اور سسٹمز کے ساتھ کام کرتے ہیں. اب یہ قابلِ ترتیب میموری، سینڈ باکس سے باخبر آرکیسٹریشن، Codex جیسے فائل سسٹم ٹولز اور بنیادی اجزاء کے ساتھ معیاری انضمامات شامل کرتا ہے، جو جدید ترین ایجنٹ سسٹمز میں عام ہوتے جا رہے ہیں.

ان بنیادی اجزاء میں MCP(نئی ونڈو میں کھلتا ہے) کے ذریعے ٹولز کا استعمال، سکلز(نئی ونڈو میں کھلتا ہے) کے ذریعے تدریجی انکشاف، AGENTS.md(نئی ونڈو میں کھلتا ہے) کے ذریعے حسب ضرورت ہدایات شامل ہیں، shell(نئی ونڈو میں کھلتا ہے) ٹول کا استعمال کرتے ہوئے کوڈ ایگزیکیوشن، اپلائی پیچش(نئی ونڈو میں کھلتا ہے) ٹول کا استعمال کرتے ہوئے فائلوں میں ترمیم اور مزید. ہارنیس وقت کے ساتھ ساتھ نئے ایجینٹک پیٹرنزش اور پریمیٹیوز کو شامل کرتا رہے گا، تاکہ ڈویلپرز بنیادی انفراسٹرکچر کی اپ ڈیٹس پر کم وقت صرف کریں اور اس ڈومین سے مخصوص منطق پر زیادہ وقت لگائیں جو ان کے ایجنٹس کو مفید بناتی ہے.

ڈایاگرام یہ ظاہر کرتا ہے کہ Agent SDK کس طرح صارف کی ان پٹ، ماڈلز اور ٹولز کو AI ایجنٹس بنانے کے لیے مربوط کرتا ہے.
ڈایاگرام جو یہ ظاہر کرتا ہے کہ ماڈلز، ٹولز اور آرکیسٹریشن کے ساتھ Agent SDK کا استعمال کرتے ہوئے AI ایجنٹس کیسے بنائے جا سکتے ہیں.

یہ ہارنیس بھی ڈیولپرز کو فرنٹیئر ماڈل کی مزید صلاحیت بروئے کار لانے میں مدد دیتا ہے، کیونکہ یہ عمل درآمد کو اس طریقے کے ساتھ ہم آہنگ کرتا ہے جس پر یہ ماڈلز بہترین کارکردگی دکھاتے ہیں. اس سے ایجنٹس ماڈل کے قدرتی آپریٹنگ پیٹرن کے زیادہ قریب رہتے ہیں، جس سے پیچیدہ ٹاسکس پر قابل اعتماد ہونے اور کارکردگی میں بہتری آتی ہے—خاص طور پر جب کام طویل مدتی ہو یا مختلف ٹولز اور سسٹمز کے ایک متنوع مجموعے میں مربوط کیا گیا ہو.

مزید یہ کہ، ہم یہ سمجھتے ہیں کہ ہر پروڈکٹ منفرد ہوتا ہے اور شاذ و نادر ہی کسی ایک سانچے میں پوری طرح ڈھلتا ہے. ہم نے اس تنوع کو سپورٹ کرنے کے لیے Agents SDK ڈیزائن کیا. ڈویلپرز کو ایک ایسا فریم ورک ملتا ہے جو استعمال کے لیے تیار لیکن لچکدار ہوتا ہے—جس سے اسے اپنے اسٹیک کے مطابق ڈھالنا آسان ہو جاتا ہے—بشمول ٹول کے استعمال، میموری اور سینڈ باکس ماحول.

مقامی سینڈ باکس کی عملداری

اپ ڈیٹ شدہ Agents SDK مقامی طور پر سینڈ باکس عملدرآمد کو سپورٹ کرتا ہے، لہٰذا ایجنٹس کنٹرول شدہ کمپیوٹر ماحول میں ان فائلوں، ٹولز اور ڈیپینڈینسیز کے ساتھ چل سکتے ہیں جن کی انہیں کسی کام کے لیے ضرورت ہو.

بہت سے مفید ایجنٹس کو ایک ایسی ورک اسپیس کی ضرورت ہوتی ہے جہاں وہ فائلیں پڑھ اور لکھ سکیں، انحصاریاں انسٹال کر سکیں، کوڈ چلا سکیں اور محفوظ طریقے سے ٹولز استعمال کر سکیں. مقامی سینڈ باکس سپورٹ ڈیولپرز کو وہ ایگزیکیوشن لیئر پہلے سے فراہم کرتی ہے، اس کے بجائے کہ انہیں خود اسے یکجا کرنا پڑے.

ڈویلپرز اپنا خود کا سینڈ باکس لا سکتے ہیں یا Blaxel، Cloudflare، Daytona، E2B، Modal، Runloop اور Vercel کے لیے بلٹ اِن سپورٹ استعمال کر سکتے ہیں.

ان ماحولیات کو مختلف فراہم کنندگان کے درمیان پورٹیبل بنانے کے لیے، SDK ایجنٹ کی ورک اسپیس کو بیان کرنے کے لیے ایک مینفیسٹ اینسٹریکشن بھی متعارف کراتا ہے. ڈیویلپرز مقامی فائلز کو ماؤنٹ کر سکتے ہیں، آؤٹ پٹ ڈائریکٹریز کی وضاحت کر سکتے ہیں اور AWS S3, Google Cloud Storage, Azure Blob Storage اور Cloudflare R2 سمیت اسٹوریج فراہم کنندگان سے ڈیٹا لا سکتے ہیں.

یہ ڈویلپرز کو مقامی پروٹو ٹائپ سے پروڈکشن ڈپلائمنٹ تک ایجنٹ کے ماحول کو تشکیل دینے کا ایک مستقل طریقہ فراہم کرتا ہے. یہ ماڈل کو ایک قابلِ پیش گوئی ورک اسپیس بھی فراہم کرتا ہے: ان پٹس کہاں ملیں گے، آؤٹ پٹس کہاں لکھنے ہیں اور طویل عرصے تک چلنے والے ٹاسک کے دوران کام کو منظم کیسے رکھنا ہے.

Daytona، E2B، Modal، Cloudflare، Vercel، Blaxel، Runloop کے لوگوز

سیکیورٹی، پائیداری اور وسیع پیمانے پر توسیع کے لیے ہارنس کو کمپیوٹ سے الگ کرنا

ایجنٹ سسٹمز کو پرومپٹ انجیکشن اور ڈیٹا کے اخراج کی کوششوں کو پیش نظر رکھتے ہوئے ڈیزائن کیا جانا چاہیے. ہارنس اور کمپیوٹ کو الگ رکھنے سے اسناد ان ماحولیات سے باہر رہتی ہیں جہاں ماڈل سے تیار کردہ کوڈ چلتا ہے.

یہ پائیدار عمل درآمد کو بھی قابل بناتا ہے. جب ایجنٹ کی اسٹیٹ کو بیرونی طور پر محفوظ کر دیا جائے، تو سینڈ باکس کنٹینر کے ضائع ہونے کا مطلب یہ نہیں ہوتا کہ رن بھی ضائع ہو جائے. در ساختہ اسنیپ شاٹنگ اور ری ہائیڈریشن کے ساتھ، Agents SDK ایجنٹ کی حالت کو ایک نئے کنٹینر میں بحال کر سکتا ہے اور اگر اصل ماحول ناکام ہو جائے یا اس کی مدت ختم ہو جائے تو آخری چیک پوائنٹ سے عمل جاری رکھ سکتا ہے.

آخرکار، یہ ایجنٹس کو مزید قابلِ توسیع بناتا ہے. ایجنٹ رنز ایک سینڈ باکس یا کئی سینڈ باکسز استعمال کر سکتے ہیں، سینڈ باکسز کو صرف ضرورت پڑنے پر استعمال کر سکتے ہیں، سب ایجنٹس کو الگ تھلگ ماحول کی طرف بھیج سکتے ہیں اور تیز تر عمل درآمد کے لیے کام کو کنٹینرز میں متوازی طور پر تقسیم کر سکتے ہیں.

فلو ڈایاگرام یہ واضح کرتا ہے کہ Agent SDK کس طرح AI ایجنٹس کو زیادہ پیچیدہ کاموں کے لیے اضافی کمپیوٹ وسائل استعمال کرنے کے قابل بناتا ہے.
خاکہ جس میں دکھایا گیا ہے کہ Agent SDK کے ساتھ بنائے گئے AI ایجنٹس کس طرح الگ الگ کمپیوٹ سسٹمز کو منظم کر سکتے ہیں، جس سے ورک لوڈز آزادانہ طور پر چل سکتے ہیں جبکہ زیادہ جدید ٹاسک کی سپورٹ بھی ہوتی ہے.

قیمتوں کا تعین کرنا اور دستیابی

Agents SDK کی یہ نئی صلاحیتیں API کے ذریعے عمومی طور پر تمام صارفین کے لیے دستیاب ہیں اور ان کی قیمتوں کا تعین معیاری API قیمتوں کے مطابق، ٹوکن اور ٹول کے استعمال کی بنیاد پر کیا جاتا ہے.

اگلا قدم کیا ہے

جیسے جیسے ہم Agents SDK کو ترقی دیتے رہیں گے، ہم اس کے ذریعے ڈویلپرز کے لیے مزید قابل ایجنٹس بنانے کے امکانات کو بڑھاتے رہیں گے، جس سے کم حسب ضرورت انفراسٹرکچر کے ساتھ زیادہ قابل ایجنٹس کو پروڈکشن میں لانا آسان ہو جائے گا، جبکہ ڈویلپرز کو اپنے ماحول میں ایجنٹس کو ڈھالنے کے لیے درکار لچک اور کنٹرول بھی برقرار رہے گا.

نئی ہارنیس اور سینڈباکس صلاحیتیں سب سے پہلے Python میں متعارف کرائی جا رہی ہیں، جبکہ TypeScript سپورٹ کو مستقبل کے کسی ریلیز کے لیے منصوبہ بند کیا گیا ہے. ہم Python اور TypeScript دونوں میں ایجنٹ کی اضافی صلاحیتیں فراہم کرنے پر بھی کام کر رہے ہیں، بشمول کوڈ موڈ اور سب-ایجنٹس.

مزید برآں، ہم وقت کے ساتھ وسیع تر ایجنٹ ایکو سسٹم کو ایک ساتھ لانے میں مدد کرنا چاہتے ہیں، جس کے لیے مزید سینڈ باکس فراہم کنندگان، مزید انضمامات اور ڈویلپرز کے لیے SDK کو ان ٹولز اور سسٹمز کے ساتھ جوڑنے کے مزید طریقوں کی معاونت شامل ہوگی جو وہ پہلے ہی استعمال کرتے ہیں.