Η OpenAI μεταφέρει τον μηχανισμό εκτέλεσης agent στο Responses API

Ο μηχανισμός εκτέλεσης δεν «ζει» πλέον στον client

Η ουσιαστική δομική αλλαγή εδώ αφορά το πού εκτελείται ο βρόχος εκτέλεσης. Η OpenAI σημειώνει ότι όταν το Responses API χρησιμοποιείται με προσαρμοσμένα εργαλεία, «επιστρέφει τον έλεγχο στον client, και ο client χρειάζεται τον δικό του μηχανισμό για να τρέξει τα εργαλεία». Με το εργαλείο shell και το φιλοξενούμενο container, αυτός ο μηχανισμός μεταφέρεται στην πλευρά του server.

Ο βρόχος που περιγράφεται είναι συγκεκριμένος: το μοντέλο προτείνει μία ή περισσότερες εντολές shell, το API τις προωθεί σε ένα container runtime, μεταδίδει πίσω την έξοδο και την επανεισάγει στο context του επόμενου request. Αυτό επαναλαμβάνεται μέχρι το μοντέλο να επιστρέψει μια απάντηση χωρίς άλλες εντολές. Τίποτα σε αυτόν τον βρόχο δεν απαιτεί από τον developer να τρέξει container, να κάνει polling για την έξοδο ή να στήσει retries.

Για τις ομάδες frontend και client, αυτό αναδιαμορφώνει το τι σημαίνει ένα request. Ένα και μόνο prompt μπορεί, σύμφωνα με την ανάρτηση, να «εξελιχθεί σε μια ολοκληρωμένη ροή εργασίας»—εντοπίζοντας ένα skill, ανακτώντας δεδομένα, μετατρέποντάς τα σε SQLite, κάνοντας ερωτήματα σε αυτά και παράγοντας ένα αποτέλεσμα—χωρίς ο client να διατηρεί καμία ενδιάμεση κατάσταση.

Πώς ο βρόχος παραμένει γρήγορος και ελεγχόμενος

Δύο λεπτομέρειες αποτρέπουν τον βρόχο από το να «κολλήσει» ή να κατακλύσει το context. Πρώτον, το μοντέλο μπορεί να προτείνει πολλαπλές εντολές shell σε ένα βήμα, και το API τις εκτελεί ταυτόχρονα σε ξεχωριστές συνεδρίες container, πολυπλέκοντας τις ανεξάρτητες ροές εξόδου πίσω ως δομημένες εξόδους εργαλείων. Το παράδειγμα που δίνεται: αναζήτηση αρχείων, ανάκτηση δεδομένων και επικύρωση ενδιάμεσων αποτελεσμάτων παράλληλα.

Δεύτερον, το μοντέλο ορίζει ένα ανώτατο όριο εξόδου ανά εντολή. Το API το επιβάλλει και επιστρέφει ένα περιορισμένο αποτέλεσμα που διατηρεί την αρχή και το τέλος, σημειώνοντας το περιεχόμενο που παραλείπεται—η ανάρτηση δείχνει ένα όριο 1.000 χαρακτήρων με σήμανση «1000 chars truncated» στη μέση. Πρόκειται για μια σκόπιμη απάντηση στο πρόβλημα των μεγάλων πινάκων και terminal logs που καταναλώνουν τον προϋπολογισμό context.

Το ίδιο το εργαλείο shell είναι ευρύτερο από τον υπάρχοντα code interpreter που περιοριζόταν σε Python. Έρχεται εξ ορισμού με grep, curl και awk, και η ανάρτηση αναφέρει ότι μπορεί να τρέξει προγράμματα σε Go ή Java ή να ξεκινήσει έναν server NodeJS—έτσι η επιφάνεια εκτέλεσης είναι μια γραμμή εντολών Unix, όχι ένα μοναδικό runtime γλώσσας.

Η συμπίεση, και ο βρόχος ανατροφοδότησης του Codex που τη δημιούργησε

Οι εργασίες μεγάλης διάρκειας γεμίζουν το παράθυρο context, γι' αυτό η OpenAI προσέθεσε εγγενή συμπίεση. Εκπαιδευμένα μοντέλα παράγουν ένα «στοιχείο συμπίεσης» που διατηρεί την προηγούμενη κατάσταση σε κρυπτογραφημένη, αποδοτική ως προς τα tokens αναπαράσταση· το επόμενο παράθυρο μεταφέρει αυτό το στοιχείο μαζί με τα πιο σημαντικά τμήματα του προηγούμενου. Είναι διαθέσιμη ως αυτόματη συμπίεση στην πλευρά του server με ρυθμιζόμενο κατώφλι ή μέσω ενός αυτόνομου endpoint /compact, και η έκδοση από την πλευρά του server ανέχεται μικρές υπερβάσεις αντί να απορρίπτει requests κοντά στο όριο.

Ο πιο συγκεκριμένος ισχυρισμός στην ανάρτηση αφορά το πώς χτίστηκε το σύστημα. Το Codex τόσο έχτισε τον μηχανισμό συμπίεσης όσο και λειτούργησε ως ο πρώτος χρήστης του:

Όταν μια περίπτωση χρήσης του Codex συνάντησε σφάλμα συμπίεσης, ξεκινούσαμε μια δεύτερη περίπτωση για να το διερευνήσει. Το αποτέλεσμα ήταν ότι το Codex απέκτησε ένα εγγενές, αποτελεσματικό σύστημα συμπίεσης απλά δουλεύοντας πάνω στο πρόβλημα.Montana Labs

Η OpenAI παρουσιάζει αυτό ως μια διαδικασία όπου το Codex μαθαίνει παράλληλα με τους μηχανικούς της. Είναι επίσης μια ένδειξη για το πώς αυτά τα βασικά δομικά στοιχεία επικυρώνονται εσωτερικά πριν κυκλοφορήσουν—η διαδρομή συμπίεσης είναι η ίδια από την οποία εξαρτάται το Codex για να διατηρεί μακροχρόνιες συνεδρίες κωδικοποίησης.

Το μοντέλο ασφάλειας που κληρονομούν οι developers αντί να το επανεφεύρουν

Η πρόσβαση δικτύου του container διαχειρίζεται μέσω ενός sidecar proxy εξερχόμενης κίνησης: όλα τα εξερχόμενα requests περνούν μέσα από ένα κεντρικοποιημένο επίπεδο πολιτικής που επιβάλλει λίστες επιτρεπόμενων προορισμών, διατηρώντας παράλληλα την κίνηση παρατηρήσιμη. Τα διαπιστευτήρια χρησιμοποιούν έγχυση μυστικών με εμβέλεια ανά domain κατά την εξερχόμενη κίνηση—το μοντέλο και το container βλέπουν μόνο υποκατάστατα σύμβολα, και οι πραγματικές τιμές των μυστικών παραμένουν εκτός του context που είναι ορατό στο μοντέλο, εφαρμόζονται μόνο για εγκεκριμένους προορισμούς.

Αυτό είναι το σημείο στο οποίο οι ομάδες client συχνά κάνουν λάθος όταν χτίζουν το δικό τους sandbox για agents. Μεταφέροντας τη διαχείριση διαπιστευτηρίων και την πολιτική δικτύου στην πλατφόρμα, η OpenAI διεκδικεί την ευθύνη για την επιφάνεια διαρροής και υποκλοπής δεδομένων που διαφορετικά θα βρισκόταν στην υποδομή κάθε developer.

Τι διατηρεί—και τι δεν διατηρεί πλέον—ένας developer στην πλευρά του client

Η συγκεκριμένη συνέπεια αυτής της ανακοίνωσης είναι ο περιορισμός του ρόλου του client. Ο συντονισμός, η εκτέλεση σε sandbox, η περικοπή εξόδου, η συμπίεση context, η πολιτική δικτύου και η εμβέλεια των μυστικών είναι πλέον βασικά δομικά στοιχεία της πλατφόρμας. Τα Skills—πακέτα φακέλων με έλεγχο εκδόσεων και ένα αρχείο SKILL.md—επιτρέπουν στις ομάδες να συσκευάζουν επαναλαμβανόμενα πολυβηματικά πρότυπα ως επαναχρησιμοποιήσιμη λογική που το μοντέλο εντοπίζει με απλές εντολές shell όπως ls και cat.

Αυτό που παραμένει στην πλευρά του developer είναι δουλειά σχεδιασμού: η προετοιμασία δεδομένων εισόδου στο σύστημα αρχείων του container αντί στο prompt, η περιγραφή πινάκων SQLite έτσι ώστε το μοντέλο να κάνει ερωτήματα μόνο στις σχετικές γραμμές, και η συγγραφή skills που κωδικοποιούν συμβάσεις. Το trade-off είναι ξεκάθαρο—λιγότερη υποδομή για να διαχειρίζεστε, αλλά μεγαλύτερη εξάρτηση από το runtime της OpenAI και τα μοντέλα της από το GPT-5.2 και μετά, τα μόνα εκπαιδευμένα να προτείνουν εντολές shell. Οι ομάδες που έχουν ήδη χτίσει ισχυρούς μηχανισμούς εκτέλεσης θα πρέπει να σταθμίσουν τι χάνουν σε φορητότητα έναντι αυτού που σταματούν να συντηρούν.