OpenAI 升級 Agents SDK：加入原生沙箱，智慧體能安全查檔案跑程式碼

給 AI 裝上手腳之後，最大的麻煩往往不是它不夠聰明，而是你不敢讓它在真機上隨便跑。

OpenAI 升級了旗下的 Agents SDK。這次更新的重點不是底層模型又漲了多少分，而是給開發者補齊了把 Agent 跑進真實系統裡最頭疼的兩樣基礎設施：一個貼合前沿模型的原生執行線控，以及一套原生沙箱執行環境。

簡單說，就是把過去開發者得自己東拼西湊的沙箱隔離、程式碼執行和狀態恢復，直接做成了開箱即用的標準件。

把雜活打包成一套標準件

寫一個玩具級的 Agent 很簡單，但要讓它處理跨越幾十步的長任務，光有提示詞根本不夠。

在很多團隊的實際工程裡，跨模型的通用框架往往壓榨不出前沿模型真正的潛能，而完全託管的 Agent API 又把資料和環境管得太死，讓人不放心。OpenAI 這次更新的執行框架，就是為了解決這個卡在中間的尷尬境地。

新版 SDK 把這一年裡前沿 Agent 體系最常用的原語全收攏了進來。其中包括支援 Anthropic 主導的 MCP 協議來呼叫工具、用 AGENTS.md 規範注入自定義指令、通過 skills 做能力的漸進披露，還內建了類似 Codex 的檔案系統工具、shell 命令列執行，以及專門用來編輯程式碼檔案的 apply patch 工具。

OpenAI 產品團隊的 Karan Sharma 接受 TechCrunch 採訪時坦言，這次的核心目標，就是讓現有的 SDK 能跟各家沙箱服務商無縫連起來，讓開發者不管用什麼底層設施，都能直接借用 OpenAI 的線控去跑長流程複雜任務。

摔碎了也不怕丟進度的沙箱

另一個重頭戲是原生沙箱機制。

只要涉及跑程式碼和讀寫檔案，防提示詞注入和資料外洩就是不可逾越的紅線。新版 SDK 把排程線控和計算算力完全剝離，憑據等敏感資訊留在外層，生成的程式碼只在隔離容器裡跑。

環境管理上，SDK 引入了一層 Manifest 抽象，用來統一描述工作區。開發者既可以掛載本地檔案，也能直接把 AWS S3、Google Cloud Storage、Azure Blob 或者是 Cloudflare R2 裡的物件儲存拉進沙箱，甚至可以把任務拆給多個沙箱並行跑。

更有意思的是持久化執行設計。跑長任務最怕容器崩潰或超時，新版內建了快照和恢復機制。哪怕一個沙箱中途掛掉，系統也能在新容器里根據上次的檢查點把上下文滿血復活，接著往下跑。

目前支援開箱即用的沙箱服務商包括 E2B、Modal、Vercel、Cloudflare、Blaxel、Daytona 和 Runloop，當然也支援自己架設沙箱。

這套能力已經在 API 中向所有客戶全面開放，計費沿用標準的 Token 和工具呼叫費率。目前首發只支援 Python，官方承諾 TypeScript 支援以及程式碼模式、子代理等特性會在後續推出。

為什麼重要

我們認為，這是 OpenAI 從單純賣模型、賣提示詞介面，向企業級 Agent 作業系統底層邁出的一大步。

對開發者和中小團隊來說，最大的價值是試錯成本驟降。過去為了讓 Agent 幫自己改程式碼或跑自動化運維，光是搭一套安全的隔離容器、搞定狀態重試，就得耗費幾個星期的髒活。現在你甚至可以今天就拿 E2B 或 Modal 現成的環境，把 Python 指令碼套進去快速驗證長任務，省去了自己造輪子的精力。

對行業而言，OpenAI 的聰明之處在於沒有關起門來搞封閉壟斷。它不僅吃下了開源界廣泛認可的 MCP 協議，還主動把 E2B、Modal 等專業沙箱廠商拉進自己的生態圈。這意味著沙箱和算力提供商不用擔心被模型廠商瞬間吞併，反而成了 OpenAI 體系裡的首批標準配件。

不過隱患也同樣擺在眼前。雖然 OpenAI 強調這是一套靈活的系統，但它對自家模型運轉特性的深度繫結，本質上是在用優秀的開箱體驗把開發者牢牢拴在 OpenAI 的生態裡。如果你追求極致的多模型自由切換，這種貼合單一供應商脾氣的官方框架，未來很可能會變成遷移時的沉重包袱。