Sandbox و اجرای پایدار چه مسئله‌ای را حل می‌کنند؟
OpenAI در ۲۶ فروردین ۱۴۰۵ در اعلامیه رسمی خود قابلیت‌های model-native harness و sandbox execution را برای Agents SDK معرفی کرد. Agent می‌تواند در یک محیط کنترل‌شده فایل و ابزار را بررسی و برای Taskهای طولانی‌تر از snapshot استفاده کند.
این قابلیت‌ها مسئله اجرای قابل‌تکرار و قابل‌بازیابی Agent را از منطق اصلی برنامه جدا می‌کنند. بنابراین یک Task طولانی می‌تواند با State مشخص ادامه یابد، نه این‌که صرفاً در یک جلسه مبهم باقی بماند.
اجرای Agent با فایل و ابزار چگونه ایمن می‌شود؟
کار با فایل و ابزار سطح حمله و احتمال خطا را افزایش می‌دهد. جداکردن محیط اجرا می‌تواند دسترسی غیرضروری به Credential و سامانه اصلی را کم کند.
این جداسازی فقط یک کنترل است؛ مجوز ابزار، محدودیت شبکه، ثبت Trace و تأیید انسان همچنان لازم‌اند. سازمان باید بتواند مشخص کند Agent به کدام فایل، Connector و خروجی دسترسی داشته است.
الگوی پیشنهادی برای استقرار سازمانی
سازمان‌ها باید Agent را با حداقل دسترسی، محیط موقت، سقف زمان و امکان توقف طراحی کنند. بازیابی اجرای طولانی نیز باید با State قابل‌بررسی و بدون نگه‌داری ناخواسته داده حساس همراه باشد.
برای شروع، یک وظیفه محدود انتخاب کنید، معیار توقف و نقش تأییدکننده را روشن سازید، سپس Traceهای اجرا را با نمونه‌های خطا بازبینی کنید. این مسیر، قابلیت تازه را به یک کنترل عملیاتی قابل‌اعتماد تبدیل می‌کند.