OpenAI 升级 Agents SDK:原生沙箱与跨语言支持

原标题:The next evolution of the Agents SDK
68AI 研判分

OpenAI 发布 Agents SDK 重大更新,引入模型原生执行框架(harness)和内置安全沙箱,旨在解决从原型到生产环境的部署痛点。该版本将代码模式、子代理等核心功能同步至 Python 和 TypeScript,并承诺扩展对更多第三方沙箱提供商的支持。

报道正文

本文目录5 个章节

我们正在为 Agents SDK⁠(在新窗口中打开) 引入新功能,为开发者提供标准化基础设施。该基础设施易于上手,并针对 OpenAI 模型进行了正确构建:一个模型原生 harness,使代理能够跨文件和工具在计算机上协同工作,以及用于安全执行这些任务的原生沙箱环境。

例如,开发者可以为代理提供一个受控的工作区、明确的指令,以及检查证据所需的工具:

开发者仅拥有最好的模型不足以构建实用的代理——他们还需要支持代理检查文件、运行命令、编写代码并在多步骤任务中持续工作的系统。

现有的系统在团队从原型转向生产时面临各种权衡取舍。模型无关框架虽然灵活,但未能充分利用前沿模型的能力;模型提供商 SDK 虽然更贴近模型,但往往缺乏对 harness 的足够可见性;而托管代理 API 虽然简化了部署,却限制了代理的运行位置及其访问敏感数据的方式。

以下是与我们一起测试新 SDK 的一些客户的评价:

面向代理循环的更强大 harness

随着本次发布,Agents SDK 的 harness 在处理文档、文件和系统的代理方面变得更加强大。它现在具备可配置内存、感知沙箱的编排能力、类似 Codex 的文件系统工具,以及与正在成为前沿代理系统标配的基础原语进行标准化集成。

这些原语包括通过 MCP⁠(在新窗口中打开) 实现工具使用、通过 skills⁠(在新窗口中打开) 实现渐进式披露、通过 AGENTS.md⁠(在新窗口中打开) 实现自定义指令、使用 shell⁠(在新窗口中打开) 工具执行代码、使用 apply patch⁠(在新窗口中打开) 工具编辑文件等。harness 将持续纳入新的代理模式和原语,从而让开发者减少花在核心基础设施更新上的时间,将更多精力投入到使代理更具实用价值的领域特定逻辑中。

Harness 还能通过使执行方式与前沿模型的最佳运行模式保持一致,帮助开发者进一步释放模型的能力。这使智能体更贴近模型的自然运行范式,从而提升在复杂任务中的可靠性和性能——尤其是在长时间运行或跨多种工具与系统协同工作的场景下。

此外,我们认识到每个产品都是独特的,很难完全套用固定模板。因此,我们在设计 Agents SDK 时充分考虑了这种多样性。开发者可以获得一个开箱即用且灵活可扩展的 harness,轻松适配自身技术栈——包括工具调用、记忆机制和沙箱环境。

原生沙箱执行

更新后的 Agents SDK 原生支持沙箱执行,使智能体能够在受控的计算环境中运行,并访问任务所需的文件、工具和依赖项。

许多实用的智能体需要一个工作区,以便安全地读写文件、安装依赖、运行代码和使用工具。原生沙箱支持为开发者提供了开箱即用的执行层,无需自行拼凑构建。

开发者可以自带沙箱,也可以使用内置支持的 Blaxel、Cloudflare、Daytona、E2B、Modal、Runloop 和 Vercel。

为了使这些环境在不同服务商之间具备可移植性,SDK 还引入了 Manifest 抽象层,用于描述智能体的工作区。开发者可以挂载本地文件、定义输出目录,并从 AWS S3、Google Cloud Storage、Azure Blob Storage 和 Cloudflare R2 等存储服务商引入数据。

这为开发者提供了一种一致的方式,从本地原型到生产部署全程塑造智能体的环境。同时也为模型提供了可预测的工作空间:明确输入来源、输出位置,以及在长时间运行任务中如何保持工作有序。

分离 Harness 与计算资源以保障安全性、持久性和扩展性

在设计智能体系统时,应假定存在提示注入和数据泄露攻击的风险。将 harness 与计算资源分离,有助于防止凭证暴露在模型生成代码的执行环境中。

这同时实现了持久化执行。当智能体状态被外部化后,即使丢失沙箱容器也不会导致整个运行失败。借助内置的快照(snapshotting)和重水合(rehydration)机制,Agents SDK 可以在新容器中恢复智能体状态,并在原环境失效或过期时从最后一个检查点继续执行。

最后,它让 Agent 更具可扩展性。Agent 运行可以使用单个沙箱或多个沙箱,仅在需要时调用沙箱,将子 Agent 路由到隔离环境中,并在容器间并行执行任务以加快运行速度。

定价与可用性

这些新的 Agents SDK 功能已通过 API 向所有客户全面开放,并采用标准的 API 定价模式,基于 Token 用量和工具调用计费。

未来规划

随着我们持续开发 Agents SDK,我们将不断拓展开发者能够构建的应用场景,使更多具备强大能力的 Agent 能够以更少的定制基础设施投入顺利进入生产环境,同时保留开发者所需的灵活性与控制权,以便将 Agent 无缝集成到其自有环境中。

新的 harness(执行框架)和 sandbox(沙箱)功能将率先在 Python 中推出,TypeScript 支持计划在未来版本中发布。我们也在努力将包括 code mode(代码模式)和 subagents(子 Agent)在内的更多 Agent 能力扩展到 Python 和 TypeScript 两个平台。

此外,我们希望逐步推动更广泛的 Agent 生态系统整合,通过支持更多沙箱提供商、更多集成方案,以及提供更多方式让开发者将 SDK 接入他们已在使用的工具和系统。