OpenAI mở rộng Agents SDK với harness gốc mô hình và sandbox native
Điểm nổi bật
- Harness mới: OpenAI đưa vào Agents SDK một lớp harness gốc mô hình, hỗ trợ agent làm việc với file, lệnh shell và công cụ trong môi trường chuẩn hóa.
- Sandbox native: SDK hỗ trợ chạy agent trong sandbox có snapshot và rehydration, giúp khôi phục run khi container hết hạn hoặc lỗi.
- Tính di động: Hỗ trợ nhiều nhà cung cấp sandbox như Cloudflare, Modal, E2B, Daytona, Runloop và Vercel.
- Chuẩn hóa agent stack: SDK tích hợp MCP, skills, AGENTS.md, apply patch và shell tool để giảm công dựng hạ tầng riêng.
Biểu đồ
Tóm tắt
OpenAI đang đẩy Agents SDK từ một bộ công cụ lập trình agent sang một lớp hạ tầng chuẩn cho agent chạy dài hơi. Điểm quan trọng không chỉ là thêm vài API, mà là đóng gói cách agent thao tác với file, công cụ, shell và bộ nhớ theo đúng kiểu mô hình frontier hoạt động hiệu quả nhất.
Với sandbox native, manifest workspace và khả năng phục hồi trạng thái, OpenAI đang nhắm trực diện vào bài toán mà nhiều nhóm sản phẩm gặp phải, đó là agent chạy được trong demo nhưng khó đưa vào production khi workload dài, nhiều tool và có dữ liệu nhạy cảm.
Chi tiết
Bài công bố mới của OpenAI cho thấy hãng đang dịch chuyển cạnh tranh trong thị trường agent từ tầng mô hình sang tầng “runtime hạ tầng”. Theo mô tả, Agents SDK giờ có một harness gốc mô hình, nghĩa là cách điều phối agent, truy cập file, gọi công cụ và thực thi lệnh được thiết kế sát hơn với cách mô hình OpenAI vận hành tốt nhất. Đây là khác biệt đáng kể so với các framework trung tính trước đây, vốn cho phép linh hoạt cao nhưng thường buộc đội phát triển tự vá nhiều lớp thực thi để agent làm được việc thật.
Từ góc nhìn sản phẩm, điểm đáng chú ý nhất là hỗ trợ sandbox native. OpenAI thừa nhận nhiều agent hữu ích cần một workspace thật sự, nơi chúng có thể đọc và ghi file, cài dependency, chạy code và thao tác công cụ trong vùng cô lập. Khi SDK hỗ trợ sẵn lớp này, doanh nghiệp bớt phải tự ráp hệ thống container, cơ chế mount file, checkpoint và phục hồi tiến trình. Điều đó rút ngắn thời gian từ proof of concept sang môi trường vận hành, nhất là với những tác vụ như kiểm tra chứng cứ, chỉnh sửa mã nguồn, xử lý tài liệu hay quy trình điều phối nhiều bước.
Manifest abstraction cũng là chi tiết mang tính chiến lược. Thay vì mỗi nhà cung cấp sandbox có một cách mô tả workspace khác nhau, OpenAI đưa ra lớp mô tả thống nhất để mount file cục bộ, định nghĩa output directory và kéo dữ liệu từ S3, Google Cloud Storage, Azure Blob Storage hay Cloudflare R2. Với doanh nghiệp, điều này quan trọng vì nó giảm lock-in ở tầng thực thi, đồng thời giúp agent có “bối cảnh vật lý” nhất quán giữa local, staging và production.
OpenAI cũng nhấn mạnh yếu tố an toàn. Hãng xem prompt injection và exfiltration là giả định mặc định, nên tách harness khỏi compute để tránh đặt credential trong nơi model-generated code chạy trực tiếp. Đây là cách tiếp cận thực dụng hơn là chỉ quảng bá agent mạnh hơn. Ngoài ra, snapshotting và rehydration giải quyết một đau điểm quen thuộc của agent chạy dài, đó là container chết thì cả quá trình cũng mất theo. Nếu trạng thái được externalize, agent có thể tiếp tục từ checkpoint thay vì chạy lại từ đầu.
Tác động cạnh tranh của lần cập nhật này khá rõ. OpenAI đang cố khiến nhà phát triển ở lại trong hệ sinh thái của mình không chỉ vì model mạnh, mà vì toàn bộ stack agent trở nên hoàn chỉnh hơn. Khi SDK đã có sẵn MCP, skills, AGENTS.md, shell và apply patch, chi phí chuyển đổi sang nền tảng khác tăng lên. Đổi lại, các đội kỹ thuật có thể tập trung vào logic nghiệp vụ thay vì tự dựng core runtime. Trong ngắn hạn, đây là một nâng cấp hạ tầng dành cho builder. Trong dài hạn, nó là bước đi để OpenAI chiếm vai trò “default operating layer” cho agent production.