📢 转载信息
原文链接：https://openai.com/index/equip-responses-api-computer-environment
原文作者：Bo Xu、Danny Zhang 和 Rohit Arunachalam
我们目前正经历一场变革：从使用擅长特定任务的模型 (Model)，转向使用能够处理复杂工作流的智能体 (Agent)。通过提示模型，你只能调用它已经学到的能力；但如果为模型提供一个计算机环境，就能实现更广泛的应用场景，例如运行服务、调用 API 请求数据，或生成电子表格和报告等更具实用价值的产物。
与其让开发者自行构建执行环境，我们直接打造了必要的组件，为 Responses API 配备了计算机环境，从而可靠地执行现实世界中的任务。
Shell 工具
一个优秀的智能体工作流始于一个紧密的执行循环：模型提出操作建议，平台执行该操作，结果再反馈给下一步。Shell 工具极大增强了模型的能力：它通过命令行与计算机交互，预装了 grep、curl 和 awk 等成熟工具。与仅能运行 Python 代码的解释器不同，Shell 工具支持运行 Go、Java 或启动 NodeJS 服务器，灵活性更高。
Responses API 通过编排器 (Orchestrator) 将模型输出、工具调用与结果反馈进行循环连接。当模型决定执行 Shell 命令时，API 服务会将命令转发给容器运行时，并实时流式传输输出结果，使模型能够进行持续推理。
容器上下文与安全性
容器不仅是运行命令的场所，更是模型的运行上下文。我们提供了三层核心支持：
- 文件系统：通过容器和文件 API，模型可以结构化地上传、组织和管理资源，避免了将庞大的数据直接塞入提示词导致的上下文溢出。
- 数据库：建议将结构化数据存入 SQLite 等数据库，模型按需查询，效率更高。
- 受控网络访问：为防止信息泄露，我们构建了边车出口代理 (Sidecar Egress Proxy)。所有出站请求均经过白名单校验，并使用域名作用域的机密注入，确保模型在不直接接触真实凭据的情况下完成身份验证。
智能体技能与自动压缩
为了解决任务重叠带来的资源浪费，智能体技能 (Agent Skills) 将多步工作流封装为可重用的构建模块。开发者可上传版本化的技能包，模型在运行时会自动加载这些逻辑。
针对长耗时任务可能占满上下文窗口的问题，我们引入了原生压缩 (Native Compaction) 功能。模型能够分析对话状态并生成高价值的压缩项，确保在超长会话中依然保持逻辑连贯性。
我们期待看到开发者利用这一组基础原语构建出更多精彩内容。未来，语言模型不应仅仅是生成内容的工具，而应成为处理复杂现实任务的得力助手。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区