wehub-resource-sync
117 lines
5.4 KiB
Markdown
117 lines
5.4 KiB
Markdown
---
|
|
search:
|
|
exclude: true
|
|
---
|
|
# 빠른 시작
|
|
|
|
!!! warning "베타 기능"
|
|
|
|
샌드박스 에이전트는 베타 버전입니다. 정식 출시 전까지 API 세부 정보, 기본값, 지원 기능이 변경될 수 있으며, 시간이 지나면서 더 고급 기능이 추가될 수 있습니다.
|
|
|
|
최신 에이전트는 파일 시스템의 실제 파일을 다룰 수 있을 때 가장 효과적으로 작동합니다. Agents SDK의 **샌드박스 에이전트**는 모델이 대규모 문서 집합을 검색하고, 파일을 편집하고, 명령을 실행하고, 결과물을 생성하고, 저장된 샌드박스 상태에서 작업을 다시 이어갈 수 있는 영구 워크스페이스를 제공합니다.
|
|
|
|
SDK는 파일 스테이징, 파일 시스템 도구, 셸 액세스, 샌드박스 수명 주기, 스냅샷, 공급자별 연동 코드를 직접 구성하지 않아도 이러한 실행 하네스를 제공합니다. 기존 `Agent` 및 `Runner` 흐름을 유지하면서 워크스페이스용 `Manifest`, 샌드박스 네이티브 도구용 기능, 작업 실행 위치를 지정하는 `SandboxRunConfig`를 추가하면 됩니다.
|
|
|
|
## 사전 요구 사항
|
|
|
|
- Python 3.10 이상
|
|
- OpenAI Agents SDK에 대한 기본적인 이해
|
|
- 샌드박스 클라이언트. 로컬 개발의 경우 `UnixLocalSandboxClient`로 시작합니다.
|
|
|
|
## 설치
|
|
|
|
SDK를 아직 설치하지 않았다면 다음을 실행합니다.
|
|
|
|
```bash
|
|
pip install openai-agents
|
|
```
|
|
|
|
Docker 기반 샌드박스의 경우:
|
|
|
|
```bash
|
|
pip install "openai-agents[docker]"
|
|
```
|
|
|
|
## 로컬 샌드박스 에이전트 생성
|
|
|
|
이 예제는 로컬 저장소를 `repo/` 아래에 스테이징하고, 로컬 스킬을 지연 로드하며, 러너가 실행을 위한 Unix 로컬 샌드박스 세션을 생성하도록 합니다.
|
|
|
|
```python
|
|
import asyncio
|
|
from pathlib import Path
|
|
|
|
from agents import Runner
|
|
from agents.run import RunConfig
|
|
from agents.sandbox import Manifest, SandboxAgent, SandboxRunConfig
|
|
from agents.sandbox.capabilities import Capabilities, LocalDirLazySkillSource, Skills
|
|
from agents.sandbox.entries import LocalDir
|
|
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient
|
|
|
|
EXAMPLE_DIR = Path(__file__).resolve().parent
|
|
HOST_REPO_DIR = EXAMPLE_DIR / "repo"
|
|
HOST_SKILLS_DIR = EXAMPLE_DIR / "skills"
|
|
|
|
|
|
def build_agent(model: str) -> SandboxAgent[None]:
|
|
return SandboxAgent(
|
|
name="Sandbox engineer",
|
|
model=model,
|
|
instructions=(
|
|
"Read `repo/task.md` before editing files. Stay grounded in the repository, preserve "
|
|
"existing behavior, and mention the exact verification command you ran. "
|
|
"If you edit files with apply_patch, paths are relative to the sandbox workspace root."
|
|
),
|
|
default_manifest=Manifest(
|
|
entries={
|
|
"repo": LocalDir(src=HOST_REPO_DIR),
|
|
}
|
|
),
|
|
capabilities=Capabilities.default() + [
|
|
Skills(
|
|
lazy_from=LocalDirLazySkillSource(
|
|
# This is a host path read by the SDK process.
|
|
# Requested skills are copied into `skills_path` in the sandbox.
|
|
source=LocalDir(src=HOST_SKILLS_DIR),
|
|
)
|
|
),
|
|
],
|
|
)
|
|
|
|
|
|
async def main() -> None:
|
|
result = await Runner.run(
|
|
build_agent("gpt-5.6-sol"),
|
|
"Open `repo/task.md`, fix the issue, run the targeted test, and summarize the change.",
|
|
run_config=RunConfig(
|
|
sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
|
|
workflow_name="Sandbox coding example",
|
|
),
|
|
)
|
|
print(result.final_output)
|
|
|
|
|
|
if __name__ == "__main__":
|
|
asyncio.run(main())
|
|
```
|
|
|
|
[examples/sandbox/docs/coding_task.py](https://github.com/openai/openai-agents-python/blob/main/examples/sandbox/docs/coding_task.py)를 참고하세요. 이 예제는 Unix 로컬 실행에서 결정론적으로 검증할 수 있도록 셸 기반의 작은 저장소를 사용합니다.
|
|
|
|
## 핵심 선택 사항
|
|
|
|
기본 실행이 정상적으로 작동한 후 일반적으로 고려하는 선택 사항은 다음과 같습니다.
|
|
|
|
- `default_manifest`: 새로운 샌드박스 세션에 사용할 파일, 저장소, 디렉터리, 마운트
|
|
- `instructions`: 여러 프롬프트에 공통으로 적용할 간단한 워크플로 규칙
|
|
- `base_instructions`: SDK 샌드박스 프롬프트를 대체하기 위한 고급 확장 수단
|
|
- `capabilities`: 파일 시스템 편집/이미지 검사, 셸, 스킬, 메모리, 압축과 같은 샌드박스 네이티브 도구
|
|
- `run_as`: 모델이 사용하는 도구의 샌드박스 사용자 ID
|
|
- `SandboxRunConfig.client`: 샌드박스 백엔드
|
|
- `SandboxRunConfig.session`, `session_state`, 또는 `snapshot`: 후속 실행이 이전 작업에 다시 연결되는 방식
|
|
|
|
## 다음 단계
|
|
|
|
- [개념](sandbox/guide.md): 매니페스트, 기능, 권한, 스냅샷, 실행 구성, 구성 패턴을 이해합니다.
|
|
- [샌드박스 클라이언트](sandbox/clients.md): Unix 로컬, Docker, 호스팅 공급자 및 마운트 전략을 선택합니다.
|
|
- [에이전트 메모리](sandbox/memory.md): 이전 샌드박스 실행에서 얻은 내용을 보존하고 재사용합니다.
|
|
|
|
셸 액세스가 가끔 사용하는 도구 중 하나일 뿐이라면 [도구 가이드](tools.md)의 호스팅 셸로 시작하세요. 워크스페이스 격리, 샌드박스 클라이언트 선택 또는 샌드박스 세션 재개 동작이 설계의 일부라면 샌드박스 에이전트를 사용하세요. |