OpenAI
·
从模型到代理：为Responses API配备计算环境
💡
原文英文，约2200词，阅读约需8分钟。
📝
内容提要
我们正在从特定任务模型转向能够处理复杂工作流的代理。通过提供计算环境，模型可以执行更广泛的任务，如运行服务和请求数据。OpenAI的Responses API结合shell工具和托管容器，解决了执行环境的问题，支持高效、安全的工作流。代理循环通过提议命令并执行，允许并行处理和输出限制，确保模型在长时间任务中保持上下文。
🎯
关键要点
- 我们正在从特定任务模型转向能够处理复杂工作流的代理。
- 通过提供计算环境，模型可以执行更广泛的任务，如运行服务和请求数据。
- OpenAI的Responses API结合shell工具和托管容器，解决了执行环境的问题。
- 代理循环通过提议命令并执行，允许并行处理和输出限制。
- shell工具使模型能够通过命令行与计算机交互，执行多种任务。
- Responses API负责协调模型输出、调用工具并将工具响应传回模型。
- 模型可以在一个步骤中提议多个shell命令，Responses API可以并行执行它们。
- 为了控制输出大小，模型可以指定每个命令的输出上限。
- 长时间运行的任务可能会填满上下文窗口，因此需要进行上下文压缩。
- 容器不仅是运行命令的地方，也是模型的工作上下文。
- 容器上下文包括文件系统、数据库和网络访问。
- 代理技能将重复的多步骤模式打包成可重用的构建块。
- Responses API提供协调，shell工具提供可执行操作，托管容器提供持久运行时上下文。
- 开发者可以利用这些原语构建自己的代理，处理复杂的现实任务。
❓
延伸问答
Responses API如何支持复杂工作流的执行？
Responses API结合shell工具和托管容器，提供计算环境以支持复杂工作流的执行。
代理循环是如何工作的？
代理循环通过提议命令并执行，允许并行处理，确保模型在长时间任务中保持上下文。
如何控制模型输出的大小？
模型可以指定每个命令的输出上限，Responses API会强制执行该上限并返回截断的结果。
容器在代理工作流中有什么作用？
容器不仅用于运行命令，还提供模型的工作上下文，包括文件系统、数据库和网络访问。
什么是代理技能，它们如何提高工作效率？
代理技能将重复的多步骤模式打包成可重用的构建块，从而提高工作效率。
长时间运行的任务如何处理上下文窗口的填满问题？
通过上下文压缩机制，保留关键细节并移除多余内容，以避免上下文窗口填满。
➡️
