Новый подход к развертыванию ИИ-агентов
Переход от прототипа к полноценному рабочему процессу в крупных компаниях часто осложнялся архитектурными проблемами. Разработчики сталкивались с выбором: использовать гибкие, но ограниченные возможности моделей фреймворки или использовать инструменты от провайдеров моделей, которые не обеспечивали нужного контроля над процессами. Использование готовых API для агентов упрощало работу, но ограничивало возможности управления доступом к корпоративным данным.
Чтобы решить эти проблемы, OpenAI обновляет свой Agents SDK. Теперь разработчикам доступна стандартизированная инфраструктура с нативной поддержкой среды выполнения (sandbox execution). Это позволяет ИИ-агентам работать в условиях, максимально приближенных к естественным моделям, что повышает надежность при выполнении сложных задач, требующих взаимодействия с различными системами.
Практическое применение: кейс Oscar Health
Эффективность новой инфраструктуры подтверждается опытом компании Oscar Health. Медицинский провайдер использовал обновленный SDK для автоматизации работы с медицинскими записями — задачу, с которой предыдущие подходы не справлялись стабильно. Система должна была извлекать метаданные и правильно определять границы отдельных визитов в сложных и объемных медицинских файлах.
Благодаря автоматизации этот процесс стал происходить быстрее. Это позволило компании оперативнее координировать медицинскую помощь и улучшить взаимодействие с пациентами, обеспечивая более точное понимание истории болезни каждого клиента.
Безопасность и контроль данных
Интеграция автономных программ в существующие ИТ-системы требует точного управления доступом. Для этого в SDK введено понятие Manifest — абстракции, которая стандартизирует описание рабочего пространства. Это позволяет разработчикам подключать локальные файлы и определять директории для вывода данных, связывая среду с облачными хранилищами, такими как AWS S3, Azure Blob Storage или Google Cloud Storage.
Такой подход создает предсказуемую рабочую среду. Модель работает только с валидированным контекстом, а не со всем массивом данных компании. Это позволяет командам по управлению данными точно отслеживать происхождение каждого решения, принятого автоматизированной системой, на всех этапах — от прототипа до промышленной эксплуатации.
Изоляция и защита от атак
Одной из главных проблем при запуске ИИ-кода является риск кибератак, таких как инъекции промптов или попытки кражи данных. OpenAI решает эту задачу путем разделения управляющего механизма и вычислительного слоя. Учетные данные (credentials) хранятся отдельно от среды, где выполняется сгенерированный моделью код.
Такая изоляция защищает корпоративную сеть: даже если вредоносная команда будет успешно выполнена внутри песочницы, она не сможет получить доступ к основным API-ключам или центральной системе управления. Это предотвращает возможность «горизонтального перемещения» атаки внутри инфраструктуры компании.
Экономия ресурсов и масштабируемость
Разделение архитектуры также помогает снизить расходы на облачные вычисления. При выполнении длительных задач (например, составление финансового отчета) сбои из-за сетевых задержек или ограничений API часто приводили к необходимости перезапуска всего процесса с самого начала. Новая архитектура использует механизмы создания снимков состояния (snapshotting) и восстановления (rehydration).
Если среда выполнения дает сбой, система может восстановить состояние и продолжить работу ровно с того места, где произошла ошибка. Это исключает повторные траты ресурсов на уже выполненные шаги. Кроме того, разделенная архитектура позволяет динамически масштабировать задачи, запуская несколько песочниц параллельно для ускорения работы.
Что это значит
Обновленный Agents SDK становится доступен всем пользователям через API на стандартных условиях. На данный момент новые возможности доступны разработчикам на языке Python, а поддержка TypeScript ожидается в будущем. OpenAI планирует расширять экосистему, добавляя новые функции и поддерживая больше поставщиков изолированных сред выполнения.