OpenAI обновляет API ответов для поддержки навыков агентов и полноценной оболочки терминала

До недавнего времени создание ИAI-агентов больше всего напоминало тренировку бегуна на длинные дистанции с тридцатисекундной памятью.

Да, вы могли предоставить своим ИИ-моделям инструменты и инструкции, но после нескольких дюжин взаимодействий — нескольких кругов по дорожке, если продолжить нашу беговую аналогию, — модель неизбежно теряла контекст и начинала галлюцинировать.

С последними обновлениями OpenAI для своего Responses API — интерфейса программирования приложений, который позволяет разработчикам на платформе OpenAI получать доступ к множеству агентских инструментов, таких как веб-поиск и поиск по файлам, с помощью всего одного вызова, — компания дает понять, что эпоха ограниченных агентов подходит к концу.

Объявленные сегодня обновления включают в себя компакцию на стороне сервера (Server-side Compaction), размещенные контейнеры оболочки (Hosted Shell Containers) и внедрение нового стандарта «навыков» (Skills) для агентов.

Благодаря этим трем крупным обновлениям OpenAI фактически предоставляет агентам постоянное рабочее место, терминал и не угасающую со временем память, что должно помочь ИИ-агентам еще сильнее эволюционировать в надежных долгосрочных цифровых работников.

Технологии: преодоление «контекстной амнезии»

Самым серьезным техническим препятствием для автономных агентов всегда был «мусор» от выполнения длительных задач. Каждый раз, когда агент вызывает инструмент или запускает скрипт, история диалога растет.

В конце концов модель достигает своего лимита токенов, и разработчик вынужден усекать историю — зачастую удаляя именно те «рассуждения», которые агенту необходимы для завершения работы.

Ответом от OpenAI стала компакция на стороне сервера (Server-side Compaction). В отличие от простого усечения, компакция позволяет агентам работать часами или даже днями.

Ранние данные от платформы электронной коммерции Triple Whale свидетельствуют о том, что это прорыв в стабильности: их агент Moby успешно провел сессию, задействовавшую 5 миллионов токенов и 150 вызовов инструментов, без какого-либо падения точности.

На практике это означает, что модель может «суммировать» свои прошлые действия в сжатое состояние, сохраняя необходимый контекст и устраняя лишний шум. Это превращает модель из забывчивого ассистента в устойчивый системный процесс.

Управляемые облачные песочницы

Появление инструмента Shell Tool переводит OpenAI в сферу управляемых вычислений. Теперь разработчики могут выбрать container_auto,, что обеспечивает развертывание среды Debian 12, размещенной на серверах OpenAI.

Это не просто интерпретатор кода: это полноценная среда терминала для каждого агента, предварительно оснащенная следующими компонентами:

• Нативные среды выполнения, включая Python 3.11, Node.js 22, Java 17, Go 1.23 и Ruby 3.1.

• Постоянное хранилище с помощью /mnt/data, позволяющее агентам создавать, сохранять и скачивать артефакты.

• Сетевые возможности, которые позволяют агентам выходить в интернет для установки библиотек или взаимодействия с сторонними API.

Размещенная оболочка (Hosted Shell) и ее постоянное хранилище /mnt/data предоставляют управляемую среду, где агенты могут выполнять сложные операции по трансформации данных с использованием Python или Java, избавляя команду от необходимости создавать и поддерживать пользовательское промежуточное ПО ETL (Extract, Transform, Load) для каждого нового ИИ-проекта.

Используя эти размещенные контейнеры, дата-инженеры могут реализовывать высокопроизводительные задачи обработки данных, минимизируя «множественные обязанности», сопутствующие управлению специализированной инфраструктурой, и избавляясь от накладных расходов на создание и обеспечение безопасности собственных песочниц. OpenAI по сути заявляет: «Дайте нам инструкции, а компьютер мы предоставим».

Навыки (Skills) от OpenAI против навыков от Anthropic

И OpenAI, и Anthropic теперь поддерживают «навыки» (skills) — инструкции для выполнения агентами определенных операций — и пришли к единому открытому стандарту: манифесту в формате SKILL.md (Markdown) с префиксом YAML.

Навык, созданный для одной платформы, теоретически может быть перенесен в VS Code, Cursor или любую другую платформу, поддерживающую эту спецификацию.

Более того, новый популярный проект с открытым исходным кодом среди ИИ-агентов — OpenClaw — принял именно этот манифест SKILL.md и упаковку на основе папок, что позволило ему унаследовать богатый багаж специализированных процедурных знаний, изначально разработанных для Claude.

Эта архитектурная совместимость подстегнула «бум навыков», создаваемых силами сообщества на таких платформах, как ClawHub, где сейчас размещено более 3000 созданных пользователями расширений — от интеграций для умного дома до сложных автоматизаций корпоративных рабочих процессов.

Такое взаимопроникновение демонстрирует, что «Навык» стал переносимым версионируемым ресурсом, а не функцией, привязанной к конкретному вендору. Поскольку OpenClaw поддерживает множество моделей (включая серию GPT-5 от OpenAI и локальные экземпляры Llama), разработчики теперь могут написать навык один раз и развернуть его в разнородном ландшафте агентов.

Однако лежащие в основе стратегии OpenAI и Anthropic демонстрируют разные видения будущего сферы труда.

Подход OpenAI расставляет приоритеты в пользу «программируемой подложки», оптимизированной под скорость работы разработчиков. Объединяя оболочку, память и навыки в рамках Responses API, компания предлагает готовое («под ключ») решение для быстрого создания сложных агентов.

Так, корпоративный ИИ-поисковик Glean уже сообщил о росте точности использования инструментов с 73% до 85% благодаря применению фреймворка Skills от OpenAI.

Сочетая открытый стандарт со своим проприетарным Responses API, компания предоставляет высокопроизводительную платформу «под ключ».

Она не просто считывает навык — она запускает его внутри управляемой оболочки Debian 12, управляет сетевыми правилами и применяет компакцию на стороне сервера, чтобы агент не сбился с пути во время сеанса на пять миллионов токенов. Это «высокопроизводительный» выбор для инженеров, которым необходимо развертывать долгоживущих автономных работников без необходимости тратить ресурсы на создание специализированной среды выполнения.

Anthropic, со своей стороны, сосредоточилась на «рынке экспертизы». Их сильная сторона заключается в зрелом каталоге готовых партнерских плейбуков от таких компаний, как Atlassian, Figma и Stripe.

Последствия для корпоративных лиц, принимающих технические решения

Для инженеров, ориентированных на «быстрое развертывание и тонкую настройку», комбинация компакции на стороне сервера и навыков обеспечивает колоссальный прирост производительности.

Вместо создания пользовательского управления состоянием для каждого запуска агента, инженеры могут использовать встроенную компакцию для обработки многочасовых задач.

Навыки позволяют упаковывать интеллектуальную собственность («packaged IP»), когда специфическая тонкая настройка или специализированные процедурные знания могут быть модуризированы и повторно использованы в различных внутренних проектах.

Для тех, перед кем стоит задача перевести ИИ из статуса «чат-бота» в рабочий процесс промышленного уровня, анонс OpenAI знаменует собой конец эпохи «заказной инфраструктуры».

Исторически оркестрация агента требовала значительной ручной обвязки: разработчикам приходилось создавать собственную логику управления состоянием для обработки длинных диалогов и защищенные эфемерные песочницы для выполнения кода.

Проблема больше не в том, «Как дать этому агенту терминал?», а в том, «Какие навыки разрешены для каких пользователей?» и «Как проводить аудит артефактов, созданных в размещенной файловой системе?». OpenAI предоставила двигатель и шасси, а задача оркестратора теперь — определить правила движения.

Для менеджеров по операционной безопасности (SecOps) предоставление ИИ-модели оболочки и сетевого доступа — это шаг вперед с высокими ставками. Использование OpenAI секретов доменов (Domain Secrets) и списков разрешенных организаций (Org Allowlists) обеспечивает стратегию глубокоэшелонированной обороны, гарантируя, что агенты могут вызывать API без передачи сырых учетных данных в контекст модели.

Но по мере того, как агентов становится все проще развертывать с помощью «Навыков», специалисты по безопасности должны проявлять бдительность в отношении «вредоносных навыков», которые могут спроектировать уязвимости внедрения промтов (prompt injection) или несанкционированные пути эксфильтрации данных.

Как предприятиям сделать выбор?

OpenAI больше не продает просто «мозг» (модель); она продает «офис» (контейнер), «память» (компакцию) и «учебное пособие» (навыки). Для корпоративных лидеров выбор становится очевидным:

Выбирайте Responses API от OpenAI, если вашим агентам требуется тяжеловесное выполнение с сохранением состояния. Если вам нужен управляемый облачный контейнер, способный работать часами и обрабатывать более 5 млн токенов без ухудшения контекста, интегрированный стек OpenAI послужит «высокопроизводительной ОС» для стандарта agentskills.io.

Выбирайте Anthropic, если ваша стратегия опирается на немедленное подключение партнеров. Если ваш рабочий процесс сосредоточен на существующих готовых интеграциях из широкого каталога сторонних вендоров, зрелая экосистема Anthropic обеспечит более простой опыт интеграции «из коробки» для того же открытого стандарта.

В конечном итоге это сближение сигнализирует о том, что ИИ вышел из эпохи «огороженных садов». Стандартизируя подход на agentskills.io, индустрия превращает «промпт-спагетти» в общую, версионируемую и по-настоящему переносимую архитектуру для будущего цифровой работы.

Обновление от 10 февраля, 18:52 по восточному времени (ET): эта статья была обновлена с целью исправления ошибок в более ранней версии, касающихся переносимости навыков OpenAI по сравнению с навыками Anthropic. Приносим извинения за допущенные неточности.