沙盒為智慧體提供隔離的類 Unix 執行環境,內含檔案系統、Shell、已安裝的套件、掛載的資料及對外開放的連接埠,並支援快照。智慧體也能在權限管控下存取外部系統。
如果模型需要這類工作區,卻只能取得提示詞中的上下文,智慧體工作流程就容易出問題。無論是處理大量文件、產生成果、執行指令、提供預覽,還是稍後接續工作,智慧體都需要一個可以檢查和修改的環境。
TypeScript 和 Python 版 Agents SDK 均支援沙盒智慧體。
本指南說明如何在 Agents SDK 中使用沙盒,由你的應用程式執行任務執行框架。如需使用 OpenAI 代管的任務執行框架,請參閱 Agents API:連接沙盒。
當智慧體需要操作檔案、執行指令、掛載資料室、產生工作成果、對外提供服務,或保留狀態以便稍後繼續工作時,可以使用沙盒。
首先要釐清任務執行框架與運算環境的分工。任務執行框架是模型的控制平面,負責智慧體迴圈、模型呼叫、工具路由、任務交接、核准、追蹤、復原和執行狀態。沙盒運算環境則是執行平面,依模型指示讀寫檔案、執行指令、安裝相依套件、使用掛載的儲存空間、開放連接埠,以及建立狀態快照。
將兩者分開後,應用程式就能在受信任的基礎架構中處理控制平面的敏感作業,並由沙盒依各供應商的方式執行任務。沙盒可以使用權限受限的憑證和掛載資源來執行程式碼、處理檔案。任務執行框架則可以在個別容器之外處理驗證、計費、稽核記錄、人工審查和復原狀態。
開發原型時,在沙盒內執行任務執行框架很方便,但流程協調與模型指示的作業會共用同一個運算環境。
任務執行框架可以在你的基礎架構中運作,由沙盒依供應商的實作方式執行作業並維護狀態。
何時使用沙盒
如果單靠提示詞中的上下文推理不足以作答,智慧體必須在工作區實際完成作業才能回答問題,就適合使用沙盒。
常見情況包括:
- 任務需要讀取整個目錄的文件,單一提示詞不足以提供所需資料。
- 智慧體需要寫入檔案,讓應用程式稍後檢查。
- 智慧體需要使用指令、套件或指令碼才能完成工作。
- 工作流程會產生 Markdown、CSV、JSONL、螢幕截圖或網站等成果。
- 服務、筆記本或報表預覽需要透過對外開放的連接埠提供存取。
- 工作需要暫停以供人工審查,之後再於同一個工作區繼續。
如果工作流程只需要模型給出簡短回覆,也不需要持久保留工作區,可以直接呼叫 Responses API,或使用不含沙盒的基本 Agents SDK 執行環境。
如果只偶爾需要使用 Shell 工具,請先試用使用工具中介紹的託管 Shell 環境。若產品設計需要隔離工作區、選擇沙盒供應商,或從先前的檔案系統狀態繼續工作,請使用沙盒智慧體。
沙盒提供哪些功能
SandboxAgent 仍然是 Agent,保留了原有的智慧體介面,包括 instructions、prompt、tools、handoffs、MCP 伺服器、模型設定、結構化輸出、防護機制和掛鉤。不同之處在於執行邊界:執行器會將智慧體連接到運作中的沙盒工作階段,讓該工作階段管理檔案、指令和連接埠,並提供供應商特有的隔離機制。
| 元件 | 負責範圍 | 設計時要考量的問題 |
|---|---|---|
SandboxAgent |
智慧體定義與沙盒預設設定 | 智慧體應該做什麼?應隨附哪些沙盒預設設定? |
Manifest |
新工作階段的工作區規格 | 工作區一開始應有哪些檔案、目錄、程式碼庫、掛載項目、環境設定、使用者或群組? |
| 能力 | 為智慧體加入的沙盒原生行為 | 智慧體需要哪些沙盒工具、指示或執行階段行為? |
| 沙盒用戶端 | 與供應商的整合 | 工作區應在哪裡執行:Unix-local、Docker,還是代管服務供應商的環境? |
| 沙盒工作階段 | 運作中的執行環境 | 指令在哪裡執行、檔案在哪裡修改、連接埠在哪裡開放、供應商的狀態儲存在哪裡? |
| 沙盒執行設定 | 每次執行使用的沙盒工作階段來源、用戶端選項及新工作階段的輸入 | 這次執行應傳入現有沙盒工作階段、恢復先前的工作階段,還是建立新的工作階段? |
| 已儲存的狀態 | RunState、序列化的工作階段狀態與快照 |
後續執行應如何重新連接以繼續工作,或以既有內容初始化新的工作區? |
沙盒專用的預設值應設在 SandboxAgent 上。若要針對個別執行選擇沙盒工作階段,請在該次執行的沙盒設定中指定。
使用沙盒智慧體時,回合的定義也相同。每個回合對應模型的一個步驟,而非一條 Shell 指令或一次沙盒操作。有些工作可以完全在沙盒執行層內完成。只有在沙盒作業完成後需要模型再次回覆時,智慧體執行環境才會使用下一個回合。
建立工作區
Manifest 描述新沙盒工作區預期的初始內容與配置。用它指定智慧體應能看到的檔案、程式碼庫、輸入成果、輔助檔案、掛載項目、輸出目錄及環境設定。
資訊清單定義的是新工作階段的規格,無法完整反映每個運作中沙盒的實際狀態。一次執行實際使用的工作區也可能來自重複使用的現有沙盒工作階段、已序列化的沙盒工作階段狀態,或執行時選用的快照。
資訊清單中的項目路徑皆相對於工作區。不能使用絕對路徑,也不能用 .. 指向工作區以外的位置。這樣,同一份工作區規格就能用於本機、Docker 和代管服務的用戶端。
| 資訊清單輸入 | 用途 |
|---|---|
File、Dir |
建立小型合成輸入、輔助檔案或輸出目錄。 |
| 本機檔案或目錄 | 將主機上的檔案或目錄放入沙盒。 |
| Git 程式碼庫 | 將程式碼庫擷取到工作區。 |
S3Mount、GCSMount、R2Mount、AzureBlobMount、BoxMount、S3FilesMount |
讓沙盒能使用外部儲存空間。 |
environment |
設定沙盒啟動時所需的環境變數。 |
users 和 groups |
如果供應商支援佈建帳戶,可指定沙盒內的作業系統帳戶與群組。 |
設計資訊清單時,請遵循下列原則:
- 將程式碼庫、輸入成果和輸出目錄列入資訊清單。
- 將較長的任務規格和程式碼庫專用指示放在工作區檔案中,例如
repo/task.md或AGENTS.md。 - 在指示中使用相對於工作區的路徑,例如
repo/task.md或output/report.md。 - 將掛載範圍限制在智慧體應讀取或寫入的輸入資料。
- 將掛載項目視為工作區中的暫時項目。建立快照或持久保存資料時,系統會略過掛載的遠端儲存空間,不會將其內容複製到儲存的工作區中。
掛載檔案與儲存空間
所需資料往往已儲存在其他地方。你可以直接將大型文件掛載到沙盒,讓智慧體操作檔案,無須將文件貼入上下文。
例如:
- 掛載盡職調查資料室,請智慧體撰寫附有出處的摘要。
- 掛載從客服系統匯出的資料,請智慧體將相似問題分組並整理成報告。
- 掛載產生的成果,讓其他系統加以審查。
各供應商提供的掛載輔助工具、憑證處理方式和資料保存方式各有不同。應用程式應採用一致的規則:只掛載智慧體應使用的輸入資料,告知智慧體應在哪裡讀寫檔案,並在使用產生的成果前先行檢查。
處理機密資訊與憑證
沙盒憑證應透過執行階段設定提供,不應放進提示詞。智慧體可能需要憑證才能使用套件管理員、掛載的儲存空間或供應商 API,但這些憑證不應出現在使用者提示詞、智慧體指示、任務檔案、已提交的資訊清單或產生的成果中。
請遵循下列規則:
- 使用代管沙盒時,優先採用供應商原生的機密管理系統。
- 將雲端儲存空間憑證的適用範圍限制在需要該憑證的掛載項目或供應商選項。
- 使用
Manifest.environment設定沙盒程序啟動時所需的值。如果希望重新建立敏感項目或自動產生的項目,而不將其持久保存,請將這些項目標記為暫時性。 - 避免儲存機密資訊、自動產生的掛載設定、本機存取權杖,或執行結束後不應保留的檔案。
- 將成果移出沙盒前請先審查,尤其是當智慧體可以讀取私人文件或掛載的儲存空間時。
SDK 支援在資訊清單中設定環境變數值,也支援供應商專用的掛載憑證。一般機密儲存服務的整合方式因供應商而異,但共同原則是由執行環境或沙盒供應商注入憑證,避免在提供給模型的指示中寫入憑證。
為智慧體加入能力
能力可為 SandboxAgent 加入沙盒原生行為,例如在執行開始前配置工作區、附加沙盒專用指示、提供繫結至運作中沙盒工作階段的工具,以及調整該智慧體的模型行為或輸入處理方式。
| 能力 | 適用時機 | 說明 |
|---|---|---|
Shell |
智慧體需要存取 Shell。 | 可執行指令。如果沙盒用戶端支援,也可接受互動式輸入。 |
Filesystem |
智慧體需要編輯檔案或檢查本機圖片。 | 提供 apply_patch 和 view_image。修補檔案時使用的路徑相對於工作區根目錄。 |
Skills |
希望智慧體能在沙盒中探索技能並載入技能檔案。 | 優先使用這項能力,無須手動掛載 .agents 或 .agents/skills。 |
Memory |
後續執行需要讀取或產生記憶檔案。 | 需要 Shell。若要在執行期間更新記憶,還需要 Filesystem。 |
Compaction |
長時間執行的流程需要精簡上下文。 | 在出現壓縮項目後調整模型行為和輸入處理方式。 |
根據預設,SandboxAgent 包含檔案系統、Shell 和壓縮能力。如果傳入 capabilities 清單,它會取代預設清單,因此請一併列出智慧體仍需要的預設能力。
如果內建能力符合需求,請優先使用。只有在需要內建能力未涵蓋的沙盒專用工具或指示介面時,才需要撰寫自訂能力。
載入技能
有些任務需要在智慧體啟動前備妥可重複使用的指示、指令碼、參考資料或素材。使用 Skills 能力,智慧體就能在執行期間探索這些工作所需的內容。
import {
Capabilities,
SandboxAgent,
gitRepo,
skills,
} from "@openai/agents/sandbox";
const agent = new SandboxAgent({
name: "Tax prep assistant",
instructions: "Use the mounted skill before preparing the return.",
capabilities: [
...Capabilities.default(),
skills({
from: gitRepo({
repo: "owner/tax-prep-skills",
ref: "main",
}),
}),
],
});依照希望將技能載入工作區的方式選擇來源:
- 如果本機技能目錄較大,而且希望模型先查看索引,再視需要載入內容,請使用延遲載入的本機目錄來源。
- 如果本機技能組合較小,且希望事先載入所有內容,請使用本機目錄來源。
- 如果技能組合有自己的發布週期,或有多個沙盒會使用它,請使用 Git 程式碼庫來源。
對外提供預覽並開放連接埠
有時工作成果是執行中的程序,而非檔案。如果智慧體建立了本機應用程式、筆記本、報表伺服器、瀏覽器預覽或其他服務,而你需要從沙盒外查看,請開放連接埠。
連接埠的設定方式因供應商而異,但產品運作方式相同:智慧體在沙盒內啟動服務,沙盒用戶端開放連接埠,應用程式便可分享產生的預覽網址,或透過該網址查看預覽。
執行沙盒智慧體
最基本的沙盒執行流程如下:
- 建立
Manifest來描述工作區。 - 建立
SandboxAgent,並為它加入模型需要的能力。 - 依工作要在哪個環境中執行,選擇沙盒用戶端。
- 使用該次執行的沙盒設定來執行智慧體。
- 依應用程式的需要檢查或複製工作成果、接續先前的工作,或建立成果快照。
在 macOS 或 Linux 上進行本機開發時,可先使用 Unix-local。這是最簡單的本機執行流程,因為執行器能根據智慧體的預設資訊清單建立暫存工作區,並在執行結束後清理。
如果使用 TypeScript SDK,請先在主機上安裝可信任的 Python 3 解譯器,再使用 UnixLocalSandboxClient 建立工作階段。SDK 會透過 Python 安全地存取本機檔案,並檢查 /usr/bin/python3、/usr/local/bin/python3 和 /opt/homebrew/bin/python3 這三個路徑。如果 Python 安裝在其他位置,請在啟動 Node.js 前,將主機上的環境變數 OPENAI_AGENTS_PYTHON 設為 Python 執行檔的絕對路徑。這是主機必須具備的條件,無須在沙盒內安裝 Python 套件。如果主機上沒有可用的合適 Python 解譯器,就無法建立工作階段。
import { run } from "@openai/agents";
import { Manifest, SandboxAgent, file, shell } from "@openai/agents/sandbox";
import { UnixLocalSandboxClient } from "@openai/agents/sandbox/local";
const manifest = new Manifest({
entries: {
"account_brief.md": file({
content:
"# Northwind Health\n\n" +
"- Segment: Mid-market healthcare analytics provider.\n" +
"- Renewal date: 2026-04-15.\n",
}),
"implementation_risks.md": file({
content:
"# Delivery risks\n\n" +
"- Security questionnaire is not complete.\n" +
"- Procurement requires final legal language by April 1.\n",
}),
},
});
const agent = new SandboxAgent({
name: "Renewal Packet Analyst",
model: "gpt-6-astra",
instructions:
"Review the workspace before answering. Keep the response concise, " +
"business-focused, and cite the file names that support each conclusion.",
defaultManifest: manifest,
capabilities: [shell()],
});
const result = await run(
agent,
"Summarize the renewal blockers and recommend the next two actions.",
{
sandbox: {
client: new UnixLocalSandboxClient(),
},
}
);
console.log(result.finalOutput);如需完整的本機範例,請參閱 TypeScript 的沙盒智慧體快速入門和 Python 的 unix_local_runner.py。
切換供應商
供應商是在執行設定中指定的,與智慧體定義分開。保留原有的 SandboxAgent、資訊清單和能力,只需依目標環境更換沙盒用戶端和供應商選項。
此範例使用 Docker 在本機提供容器隔離。代管服務供應商也採用相同模式,但使用各自的用戶端類別和選項。
import { run } from "@openai/agents";
import { SandboxAgent } from "@openai/agents/sandbox";
import { DockerSandboxClient } from "@openai/agents/sandbox/local";
const agent = new SandboxAgent({
name: "Workspace reviewer",
model: "gpt-6-astra",
instructions: "Inspect the sandbox workspace before answering.",
});
const result = await run(agent, "Inspect the workspace.", {
sandbox: {
client: new DockerSandboxClient({
image: "node:22-bookworm-slim",
}),
},
});
console.log(result.finalOutput);如需可執行的範例,請參閱 TypeScript 的沙盒用戶端指南和基本範例。SDK 程式碼庫也提供 Python 範例:basic.py 示範如何選擇供應商,docker_runner.py 示範如何使用 Docker,main.py 則示範資料室工作流程。
進階用法
基本流程運作後,如果智慧體需要實際操作工作區,增加提示詞上下文仍無法滿足需求,就可以運用沙盒來建立更進階的工作流程。以下範例示範不同的工作流程模式,使用的仍是同一套 API。同一個任務執行框架可以為工作流程選擇執行路徑、暫停、恢復及追蹤流程,各沙盒則在具備所需檔案、工具和連接埠的環境中執行作業。
| 範例 | 說明 |
|---|---|
| 資料室問答 | 根據已掛載的資料室內容回答問題。 |
| 從資料室擷取表格 | 從已掛載的資料室擷取表格。 |
| 程式碼庫審查 | 複製程式碼庫、檢查內容並產生程式碼審查成果。 |
| 使用視覺功能複製網站 | 使用 Vision API 和螢幕截圖回饋複製網站。 |
| 恢復沙盒工作 | 在既有沙盒中繼續工作。 |
接續工作或為後續執行準備初始內容
智慧體的工作經常需要跨越多次請求。例如,使用者要先審查成果、某個步驟需要核准,或下一步必須等到特定事件發生後才能開始。
請區分下列三種狀態:
| 狀態類型 | 還原的內容 | 適用時機 |
|---|---|---|
RunState |
任務執行框架端的狀態,例如模型項目、工具狀態、核准資訊,以及目前執行中的智慧體在流程中的位置。 | 執行器需要在暫停後繼續推進工作流程。 |
| 工作階段狀態 | 已序列化的沙盒工作階段,用戶端可以重新連接。 | 應用程式或作業執行系統直接儲存供應商的工作階段狀態。 |
snapshot |
已儲存的工作區內容,可用來初始化新的沙盒工作階段。 | 新的執行應從已儲存的檔案和成果開始,而非從空白工作區開始。 |
執行器會依下列順序決定使用哪個沙盒工作階段:
- 如果傳入運作中的沙盒工作階段,執行器會直接沿用該工作階段。
- 否則,如果這次執行是從
RunState恢復,執行器會從已儲存的沙盒工作階段狀態恢復。 - 否則,如果明確傳入序列化的沙盒狀態,執行器會從該狀態恢復。
- 如果上述條件都不符合,執行器會建立新的沙盒工作階段。如果已為該次執行提供資訊清單,新工作階段就會使用這份清單,否則會使用智慧體的預設資訊清單。
以下沙盒恢復範例會將已停止的工作階段狀態序列化,透過同一個用戶端恢復工作階段,再將恢復的工作階段傳入下一次執行:
import { run } from "@openai/agents";
import { Manifest, SandboxAgent } from "@openai/agents/sandbox";
import { UnixLocalSandboxClient } from "@openai/agents/sandbox/local";
const manifest = new Manifest();
const client = new UnixLocalSandboxClient({
snapshot: { type: "local", baseDir: "/tmp/my-sandbox-snapshots" },
});
const agent = new SandboxAgent({
name: "Workspace builder",
model: "gpt-6-astra",
instructions: "Inspect the sandbox workspace before answering.",
});
const session = await client.create({ manifest });
let conversation = [];
let frozenSessionState;
try {
const firstResult = await run(agent, "Build the first version of the app.", {
maxTurns: 20,
sandbox: { session },
});
conversation = firstResult.history;
frozenSessionState = await client.serializeSessionState?.(session.state);
} finally {
await session.close?.();
}
if (!frozenSessionState || !client.deserializeSessionState || !client.resume) {
throw new Error("Sandbox client does not support session resume.");
}
const resumedSession = await client.resume(
await client.deserializeSessionState(frozenSessionState)
);
try {
conversation.push({
role: "user",
content: "Continue from the existing workspace and add tests.",
});
const secondResult = await run(agent, conversation, {
maxTurns: 20,
sandbox: { session: resumedSession },
});
console.log(secondResult.finalOutput);
} finally {
await resumedSession.close?.();
}只有在執行器建立新的沙盒工作階段時,manifest 和 snapshot 等新工作階段輸入才會生效。如果傳入運作中的 session,處理能力設定時可以新增相容的非掛載項目,但無法變更該沙盒的根目錄、環境、使用者或群組,也無法移除現有項目、更換項目類型,或新增或變更掛載項目。
這樣分工後,任務執行框架可恢復智慧體迴圈,而沙盒供應商則負責還原或重建工作區。如需這些做法的最新範例程式碼,請參閱 TypeScript 的恢復工作階段狀態範例,以及 Python 的 main.py 和 sandbox_agent_with_remote_snapshot.py。
跨次執行保留記憶
沙盒記憶讓沙盒智慧體能在後續執行中運用先前的經驗。它與 SDK 管理的對話 Session 記憶各有用途:對話工作階段保留訊息記錄,而沙盒記憶會將先前在工作區執行任務時學到的經驗整理成檔案,供智慧體日後讀取。
如果希望智慧體沿用使用者偏好、修正意見、專案特有的經驗或任務摘要,又無須重播先前的每個回合,請使用記憶。恢復工作階段與使用快照都能保留工作區狀態,而記憶保留的是從工作區作業中整理出來、可供日後重複使用的指引。
import {
Manifest,
SandboxAgent,
filesystem,
memory,
shell,
} from "@openai/agents/sandbox";
const manifest = new Manifest();
const agent = new SandboxAgent({
name: "Memory-enabled reviewer",
instructions:
"Inspect the workspace and retain useful lessons for follow-up runs.",
defaultManifest: manifest,
capabilities: [memory(), filesystem(), shell()],
});記憶功能預設會同時啟用讀取與產生記憶。讀取記憶需要 Shell 存取權,讓智慧體能搜尋並開啟記憶檔案。根據預設,執行期間更新記憶還需要檔案系統存取權,這樣智慧體才能修正過時的記憶,或依使用者要求更新記憶。
智慧體會視需要逐步讀取記憶。SDK 會在執行開始時注入 memory_summary.md。如果先前的工作可能與目前任務相關,智慧體會搜尋 MEMORY.md,只有在需要更多細節時才會開啟個別執行歷程的摘要。
| 記憶模式 | 適用時機 |
|---|---|
| 預設讀寫模式 | 智慧體應讀取既有記憶並產生新記憶。 |
| 唯讀記憶 | 智慧體應讀取記憶,但執行結束後不應產生新記憶。 |
| 僅產生記憶 | 這次執行應產生記憶,但不使用既有記憶。 |
| 讀取設定 | 需要停用執行期間的記憶更新。 |
| 產生設定 | 需要調整記憶產生方式,例如設定額外的提示詞。 |
| 目錄配置設定 | 多個智慧體需要在同一個沙盒工作區內使用彼此隔離的記憶目錄配置。 |
根據預設,記憶檔案會儲存在沙盒工作區中:
workspace/
sessions/
<rollout-id>.jsonl
memories/
memory_summary.md
MEMORY.md
raw_memories.md
phase_two_selection.json
raw_memories/
<rollout-id>.md
rollout_summaries/
<rollout-id>_<slug>.md
skills/
在沙盒工作階段期間,執行環境會陸續附加各段執行記錄。工作階段關閉時,記憶產生流程會先擷取對話摘要和原始記憶,再將原始記憶彙整到 MEMORY.md 和 memory_summary.md。若要在後續執行中重複使用記憶,請保留設定中指定的記憶目錄。你可以沿用同一個運作中的沙盒工作階段、從工作階段狀態恢復、從快照開始,或掛載 S3 等持久儲存空間。
進行多回合沙盒對話時,請固定使用同一個 SDK 工作階段,並搭配同一個運作中的沙盒工作階段。記憶功能會將多次執行分組,分組依據依優先順序為明確指定的對話 ID、SDK 工作階段 ID、執行群組 ID,最後才是為個別執行產生的 ID。沙盒工作階段 ID 用於識別運作中的工作區,與記憶使用的對話 ID 不同。
如需可執行的範例,請參閱 TypeScript 的記憶指南。Python 的 memory.py 示範本機快照流程,memory_s3.py 示範如何將記憶儲存在 S3,而 memory_multi_agent_multiturn.py 則示範如何為不同智慧體分別配置記憶目錄。
組合使用沙盒智慧體
沙盒智慧體可以與 SDK 的其他功能搭配使用。
如果負責接收任務的智慧體不使用沙盒,而且只需要將工作流程中高度依賴工作區的部分委派給沙盒智慧體,請使用任務交接。最上層的執行會繼續進行,下一個回合則由沙盒智慧體接手。
如果外層的流程協調器需要將一或多個沙盒智慧體當作巢狀工具呼叫,請將智慧體當作工具使用。每個作為工具使用的沙盒智慧體都可以有自己的沙盒執行設定、沙盒用戶端、資訊清單和供應商選項。
相關範例請參閱 handoffs.py 和 sandbox_agents_as_tools.py。
沙盒供應商
若要在本機快速反覆開發與測試,可先使用 Unix-local。如果需要本機容器隔離,則可使用 Docker。當任務需要代管執行環境、供應商特有的隔離機制、資源擴充、預覽、儲存空間掛載、快照,或必須存放在應用程式伺服器以外的憑證時,請改用代管服務供應商。
如需瞭解各供應商的設定方式、憑證、隔離機制、儲存空間、預覽及資料保存行為,請參閱各供應商的文件。
| 供應商 | SDK 用戶端 | 文件與範例 |
|---|---|---|
| Blaxel | BlaxelSandboxClient |
沙盒概觀 |
| Cloudflare | CloudflareSandboxClient |
沙盒文件 OpenAI Agents 教學 Sandbox Bridge 範例 |
| Databricks | DatabricksSandboxClient |
如果使用 Python,請安裝 databricks-openai[sandbox]。沙盒文件 OpenAI Agents SDK 範例 Databricks SDK for Python 指南 |
| Daytona | DaytonaSandboxClient |
沙盒文件 OpenAI Agents SDK 指南 |
| Docker | DockerSandboxClient |
Docker 文件 搭配 Docker 使用 SDK 的 TypeScript 範例 搭配 Docker 使用 SDK 的 Python 範例 |
| E2B | E2BSandboxClient |
沙盒文件 OpenAI Agents SDK 指南 發布公告文章 |
| Modal | ModalSandboxClient |
沙盒指南 整合說明文章 範例程式碼庫 Modal 擴充功能參考文件 |
| Unix-local | UnixLocalSandboxClient |
在本機使用 SDK 的 TypeScript 範例 在本機使用 SDK 的 Python 範例 |
| Vercel | VercelSandboxClient |
沙盒文件 OpenAI Agents SDK 指南 FastAPI 範本 範例應用程式 |