Evolusi Generasi Berikutnya dari Agents SDK

• OpenAI memperbarui Agents SDK secara besar-besaran, menghadirkan infrastruktur terstandarisasi agar agen dapat melakukan inspeksi file, menjalankan perintah, mengedit kode, dan menangani tugas jangka panjang di lingkungan sandbox yang terkontrol
• Harness baru ini mengintegrasikan memori yang dapat dikonfigurasi, orkestrasi yang sadar sandbox, alat filesystem bergaya Codex, serta primitif utama sistem agen frontier seperti MCP, skills, AGENTS.md, shell, dan apply patch
• Dengan dukungan eksekusi sandbox native, tersedia dukungan bawaan untuk berbagai penyedia sandbox seperti Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop, dan Vercel, atau dapat pula menghubungkan sandbox milik sendiri
• Arsitektur pemisahan antara harness dan komputasi menghadirkan pertahanan terhadap prompt injection, eksekusi tahan lama berbasis snapshot, dan paralelisasi multi-container untuk keamanan serta skalabilitas
• Fitur ini tersedia umum (GA) untuk semua pelanggan dengan penagihan standar berbasis token API dan penggunaan alat, dan dukungan TypeScript serta fitur code mode dan subagents akan ditambahkan ke depannya

---

Keterbatasan sistem agen yang ada saat ini

• Untuk membangun agen yang berguna, pengembang memerlukan bukan hanya model terbaik, tetapi juga sistem yang mendukung inspeksi file, eksekusi perintah, penulisan kode, dan pemeliharaan tugas multilangkah
• Trade-off dari pendekatan yang ada saat ini
  • Framework yang independen dari model bersifat fleksibel, tetapi tidak selalu dapat memanfaatkan sepenuhnya kemampuan model frontier
  • SDK dari penyedia model lebih dekat ke model, tetapi sering kali kurang memiliki visibilitas terhadap harness
  • Managed agent API menyederhanakan deployment, tetapi membatasi tempat eksekusi agen dan cara agen mengakses data sensitif

Harness yang lebih kuat untuk loop agen

• Melalui rilis ini, harness Agents SDK menghadirkan kemampuan yang lebih kuat untuk agen yang menangani dokumen, file, dan sistem
• Primitif utama yang baru diintegrasikan
  • Penggunaan alat melalui MCP
  • Progressive disclosure melalui skills
  • Instruksi kustom melalui AGENTS.md
  • Eksekusi kode melalui alat shell
  • Pengeditan file melalui alat apply patch
• Karena harness ini akan terus mengintegrasikan pola agentic dan primitif baru seiring waktu, pengembang dapat berfokus pada logika spesifik domain alih-alih pembaruan infrastruktur inti
• Harness ini meningkatkan stabilitas dan performa, terutama pada tugas kompleks yang berjalan lama atau membutuhkan koordinasi antarbanyak alat dan sistem, dengan menyelaraskan eksekusi dengan cara model frontier bekerja paling optimal
• Dirancang untuk mendukung kebutuhan unik tiap produk, sehingga penggunaan alat, memori, lingkungan sandbox, dan lainnya dapat disesuaikan secara fleksibel dengan stack yang sudah dimiliki pengembang

Eksekusi sandbox native

• Agents SDK yang diperbarui kini mendukung eksekusi sandbox secara native, sehingga agen dapat berjalan di lingkungan komputasi yang terkontrol dengan file, alat, dan dependensi yang dibutuhkan untuk tugasnya
• Banyak agen yang bermanfaat memerlukan workspace yang memungkinkan baca/tulis file, pemasangan dependensi, eksekusi kode, dan penggunaan alat secara aman, dan dukungan sandbox native menyediakan ini secara bawaan tanpa perlu konfigurasi terpisah
• Dapat membawa sandbox sendiri atau memanfaatkan dukungan bawaan untuk Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop, Vercel dan lainnya
• Untuk membuat lingkungan dapat dipindahkan antarberbagai penyedia, diperkenalkan abstraksi Manifest
  • Dapat melakukan mount file lokal dan mendefinisikan direktori output
  • Mendukung pengambilan data dari penyedia storage seperti AWS S3, Google Cloud Storage, Azure Blob Storage, Cloudflare R2
• Memberikan kepada pengembang cara konfigurasi lingkungan yang konsisten dari prototipe lokal hingga deployment produksi
• Memberikan kepada model workspace yang dapat diprediksi mengenai lokasi input, lokasi output, dan cara menata pekerjaan selama tugas yang berjalan lama

Pemisahan harness-komputasi untuk keamanan, ketahanan, dan skalabilitas

• Sistem agen harus dirancang dengan asumsi adanya upaya prompt injection dan kebocoran data, dan pemisahan antara harness dan komputasi membantu mengisolasi kredensial dari lingkungan tempat kode hasil generasi model dijalankan
• Dukungan untuk eksekusi tahan lama (durable execution)
  • Jika status agen dieksternalkan, hilangnya container sandbox tidak berarti eksekusi ikut hilang
  • Dengan snapshotting dan rehydration bawaan, ketika lingkungan asli gagal atau kedaluwarsa, status dapat dipulihkan dari checkpoint terakhir di container baru dan eksekusi dapat dilanjutkan
• Peningkatan skalabilitas
  • Eksekusi agen dapat menggunakan satu atau banyak sandbox
  • Sandbox dipanggil hanya saat diperlukan, dan subagen dapat diarahkan ke lingkungan yang terisolasi
  • Paralelisasi multi-container mendukung eksekusi yang lebih cepat

Studi kasus pelanggan Oscar Health

• Menurut Rachael Burns, Staff Engineer & AI Tech Lead di Oscar Health, Agents SDK yang diperbarui memungkinkan otomatisasi workflow catatan klinis pada tingkat produksi yang sebelumnya tidak cukup andal ditangani dengan pendekatan lama
• Pembeda utamanya bukan sekadar ekstraksi metadata sederhana, melainkan kemampuan untuk memahami secara akurat tiap encounter boundary dalam catatan yang panjang dan kompleks
• Hasilnya, kondisi tiap kunjungan pasien dapat dipahami lebih cepat, sehingga berkontribusi pada peningkatan layanan dan pengalaman pasien

Harga dan ketersediaan

• Fitur baru Agents SDK tersedia melalui API dan tersedia umum (GA) untuk semua pelanggan
• Berlaku kebijakan harga API standar (penagihan berbasis token dan penggunaan alat)

Rencana ke depan

• Agents SDK akan terus dikembangkan untuk membantu menghadirkan agen yang lebih kuat ke produksi dengan infrastruktur kustom yang lebih sedikit, sambil tetap mempertahankan fleksibilitas dan kontrol bagi pengembang
• Harness baru dan fitur sandbox lebih dulu dirilis di Python, sementara dukungan TypeScript dijadwalkan pada rilis mendatang
• Fitur code mode dan subagents sedang dikerjakan untuk ditambahkan baik ke Python maupun TypeScript
• Dukungan akan diperluas ke lebih banyak penyedia sandbox, integrasi, serta cara menghubungkan alat dan sistem yang sudah digunakan pengembang, untuk memperkuat integrasi ekosistem agen