OpenAI przedstawiło nową wersję swojego Agents SDK, która umożliwia deweloperom tworzenie agentów zdolnych do inspekcji plików, uruchamiania poleceń, edytowania kodu i wykonywania długotrwałych zadań w kontrolowanych środowiskach sandbox. Aktualizacja została ogłoszona przez firmę 15 kwietnia 2026 roku.
Nowe możliwości SDK mają zapewnić deweloperom ustandaryzowaną infrastrukturę, która jest łatwa w użyciu i została zaprojektowana specjalnie pod modele OpenAI. System oferuje natywne środowisko wykonawcze, które pozwala agentom pracować z plikami i narzędziami na komputerze, oraz natywne wykonywanie w sandbox dla bezpiecznego uruchamiania zadań.
Firma przedstawiła przykład kodu pokazujący, jak deweloperzy mogą nadać agentowi kontrolowane środowisko pracy, konkretne instrukcje i narzędzia potrzebne do analizy danych. W kodzie wykorzystano model "gpt-5.4" do analizy danych finansowych, porównując przychody, dochód operacyjny i przepływy pieniężne między latami 2024 i 2025.
Jedną z firm, które testowały nowe SDK, była Oscar Health. Rachael Burns, Staff Engineer i AI Tech Lead w firmie, powiedziała: "Zaktualizowane Agents SDK umożliwiło nam wdrożenie do produkcji automatyzacji krytycznego przepływu pracy w dokumentacji klinicznej, z którym poprzednie podejścia nie radziły sobie wystarczająco niezawodnie. Dla nas różnica polegała nie tylko na wyodrębnieniu odpowiednich metadanych, ale na prawidłowym zrozumieniu granic każdego spotkania w długich, złożonych dokumentach."
Według OpenAI, istniejące obecnie systemy wiążą się z kompromisami, gdy zespoły przechodzą od prototypów do wdrożeń produkcyjnych. Frameworki niezależne od modeli są elastyczne, ale nie wykorzystują w pełni możliwości najnowocześniejszych modeli. SDK dostawców modeli mogą być bliższe modelowi, ale często brakuje im wystarczającej widoczności w systemie wykonawczym. Z kolei zarządzane API agentów mogą upraszczać wdrażanie, ale ograniczają miejsca uruchamiania agentów i sposób dostępu do poufnych danych.
Nowa wersja Agents SDK oferuje bardziej zaawansowane możliwości dla agentów pracujących z dokumentami, plikami i systemami. Harness posiada teraz konfigurowalne pamięć, orkiestrację świadomą sandbox, narzędzia systemu plików podobne do Codex oraz ustandaryzowane integracje z prymitywami, które stają się powszechne w zaawansowanych systemach agentów.
Te prymitywy obejmują użycie narzędzi poprzez MCP, progresywne ujawnianie za pośrednictwem umiejętności, niestandardowe instrukcje za pomocą AGENTS.md, wykonywanie kodu przy użyciu narzędzia shell oraz edycję plików za pomocą narzędzia apply patch.

AI Mode w Chrome pozwala otwierać strony obok wyników wyszukiwania i włączać treści z kart do zapytań. Dostępne już w USA, wkrótce globalnie.

Google udostępnił nową funkcję AI Mode, która pozwala otwierać strony internetowe obok konwersacyjnego wyszukiwania AI w przeglądarce Chrome.
System został zaprojektowany tak, aby dostosować wykonywanie do sposobu, w jaki najlepiej działają najnowocześniejsze modele. Utrzymuje to agentów bliżej naturalnego wzorca działania modelu, poprawiając niezawodność i wydajność w złożonych zadaniach, szczególnie gdy praca jest długotrwała lub skoordynowana w różnorodnym zestawie narzędzi i systemów.
Zaktualizowane Agents SDK natywnie wspiera wykonywanie w sandbox, dzięki czemu agenci mogą działać w kontrolowanych środowiskach komputerowych z plikami, narzędziami i zależnościami potrzebnymi do zadania. Wiele przydatnych agentów potrzebuje przestrzeni roboczej, w której mogą czytać i pisać pliki, instalować zależności, uruchamiać kod i bezpiecznie używać narzędzi.
Deweloperzy mogą korzystać z własnego sandbox lub wykorzystać wbudowane wsparcie dla platform takich jak Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop i Vercel. Aby uczynić te środowiska przenośnymi między dostawcami, SDK wprowadza również abstrakcję Manifest do opisywania przestrzeni roboczej agenta.
Deweloperzy mogą montować lokalne pliki, definiować katalogi wyjściowe i pobierać dane od dostawców przechowywania, w tym AWS S3, Google Cloud Storage, Azure Blob Storage i Cloudflare R2. Zapewnia to spójny sposób kształtowania środowiska agenta od lokalnego prototypu do wdrożenia produkcyjnego, a także daje modelowi przewidywalną przestrzeń roboczą.