OpenAI computer use மூலம் Agents API உலாவிப் பணியை அமைப்பது

செப்டம்பர் 29 அன்று OpenAI வெளியிட்ட DevDay சுருக்கம் Agents API-யில் கணினிப் பயன்பாட்டை அறிவித்தது. எங்களுடைய DevDay அறிமுக வழிகாட்டி விரிவான வெளியீட்டை உள்ளடக்குகிறது. உருவாக்குநருக்கு உடனடியாகத் தேவையான பணி, பொதுவான browser agent-ஐவிடக் குறுகியது: பொதுப் பக்கத்தைத் திறந்து, குறிப்பிட்ட பதிலைப் பெற்று, உலாவி எதை அணுகியது என்பதைக் கணக்கில் கொள்ளுதல். செப்டம்பர் 30 அன்று சரிபார்க்கப்பட்ட OpenAI-யின் கணினிப் பயன்பாட்டு வழிகாட்டி hosted browser அமர்வின் மூலம் இந்தச் செயல்முறையை ஆவணப்படுத்துகிறது. BIG CHANGE ஆவணங்களை ஆய்ந்துள்ளது; API-ஐ இயக்கிப் பார்க்கவில்லை.

செயலி அமர்வை உருவாக்கி, உள்ளீட்டை அனுப்பி, நிகழ்வுகளைப் பின்தொடர்ந்து, வலைத்தளத் தோற்றத்திலிருந்து வரும் கோரிக்கைகளைப் பயனருக்குக் காட்டி, பதிலைச் சரிபார்த்து, இறுதியில் வளங்களைச் சுத்தம் செய்கிறது. Hosted சூழலுக்குள் browser-ஐ agent இயக்கலாம். ஒரு turn முடிந்தது என்பதால் கோரிய தகவல் சரியானது என்று உறுதியாகாது.

முக்கிய மாற்றம்

OpenAI-யின் புதிய Agents API கணினிப் பயன்பாட்டு முறை, நிகழ்வுத் தொடரோட்டம், வலைத்தளத் தோற்றம் குறித்த பயனர் முடிவுகள், browser செயல்பாட்டுப் பதிவுகள், API வழியான சுத்தப்படுத்தல் ஆகியவற்றுடன் hosted browser அமர்வை உருவாக்குநர்களுக்கு வழங்குகிறது. வரையறுக்கப்பட்ட பொதுப் பக்கப் பணிக்கு, இந்தப் படிகளைத் தெளிவாகக் கையாண்டு, திரும்பும் பக்கத் தலைப்பையும் URL-ஐயும் சரிபார்ப்பதே நடைமுறை ஒருங்கிணைப்பு. ஒரு தோற்றத்தை அணுக அனுமதி, ஒரு turn நிறைவடைதல், பதிலின் சரித்தன்மை ஆகியவை மூன்று வெவ்வேறு விஷயங்கள்.

API திறவுகோலும் browser அமர்வும் முதலில் அமைக்கவும்

OpenAI-யின் Agents API விரைவு தொடக்கம் OpenAI Platform திட்டத்தில் பயன்பாட்டுக்கான API திறவுகோலைக் கோருகிறது. அமர்வு செயல்பாடுகளுக்கு api.agents.read மற்றும் api.agents.write; மாதிரி கணிப்புக்கு api.responses.write ஆகியவற்றைப் பயன்படுத்துமாறு குறிப்பிடுகிறது. பயன்பாட்டுச் சூழலில் திறவுகோலை OPENAI_API_KEY என ஏற்றுமதி செய்து, agent-இன் sandbox-க்கு வெளியே வைத்திருங்கள். Beta Agents API உடன் தற்போதைய OpenAI SDK-ஐப் பயன்படுத்தவும். கணினிப் பயன்பாட்டு வழிகாட்டியின் JavaScript உதாரணம் openai மற்றும் prompt-sync ஆகியவற்றைப் பயன்படுத்துகிறது. cURL மாற்றுக்கு Bash, jq மற்றும் வெளிப்படையான OpenAI-Beta: agents=v1 தலைப்பு தேவை.

ஆவணங்களில் உள்ள அமர்வு அமைப்பு { "type": "computer_use" } என்பதை agent.tools-இல் வைத்து, environment.type என்பதை openai_hosted என அமைத்து, environment.desktop.enabled என்பதைச் செயல்படுத்துகிறது. அதன் பொதுப் பக்க உதாரணம் network அணுகலையும் செயலியில் include_screenshots: true என்பதையும் செயல்படுத்துகிறது. அமர்வு உருவாக்கம், அடுத்தடுத்த நிகழ்வு மற்றும் உருப்படி கோரிக்கைகளுக்கான ID-ஐ வழங்கும்; அது browser பணியைத் தொடங்காது. தொடர்வதற்கு முன் அந்த ID-ஐச் சேமிக்கவும். உள்நுழையவோ வலைத்தளத் தரவை மாற்றவோ செய்யாமல், Agents API விரைவு தொடக்கத்தைத் தேடி அதன் பக்கத் தலைப்பையும் URL-ஐயும் திருப்பித் தருமாறு வழிகாட்டியின் உதாரணம் agent-ஐக் கேட்கிறது.

பணியைப் பின்பற்றி, அது எந்தத் தளங்களை அணுகலாம் என முடிவெடுக்கவும்

பணியின் உள்ளீட்டை அனுப்புவதற்கு முன் அமர்வு நிகழ்வுத் தொடரோட்டத்தைத் திறக்கவும்; இதனால் தொடக்க நிகழ்வுகளையும் செயலி பெறும். ஆவணங்களில் உள்ளீட்டின் வகை agent.session.input.message எனக் குறிப்பிடப்பட்டுள்ளது. தொடரோட்டம் agent.session.requires_action எனக் காட்டும்போது, அமர்வின் தற்போதைய required_actions-ஐப் பெற்று, நிலுவையிலுள்ள computer_use_approval_request பதிவுகளைக் கண்டறியவும். browser_origin_access கோரிக்கைக்கு, கேட்கப்படும் தோற்றத்தையும் குறிப்பிடப்பட்ட காரணத்தையும் பயனருக்குக் காட்டவும். அவர்களின் approve, deny அல்லது cancel முடிவை, பொருந்தும் agent.session.input.computer_use_approval_request_result ஆகவும் அதற்குரிய request_id உடனும் அனுப்பவும்.

இந்த முடிவு, பொதுவானதாக இருந்தாலும், ஒரு வலைத்தளத் தோற்றத்தை அணுகுவது பற்றியது. network.access என்பதை enabled என அமைத்தாலும் அனுமதி கிடைத்துவிடாது. தோற்றத்தை அனுமதித்தாலும், பின்னர் நடக்கும் ஒவ்வொரு browser செயலுக்கும் ஒப்புதல் கிடைத்ததாகாது. வாங்குதல் அல்லது அழிவை ஏற்படுத்தும் மாற்றங்களுக்கு முன் உறுதிப்படுத்தல் கட்டாயம் தேவைப்படும் செயலிகள், அத்தகைய செயல்களைச் செய்ய முடியாத வளங்களுக்கு hosted browser-ஐ வரையறுக்க வேண்டும் அல்லது தாங்கள் கட்டுப்படுத்தும் browser சூழலைப் பயன்படுத்த வேண்டும் என OpenAI கூறுகிறது. வலைத்தள உரை நம்பகமற்ற உள்ளீடு; அணுகலை அனுமதிக்கவோ பயனரின் அறிவுறுத்தல்களை மீறவோ அதற்கு அதிகாரமில்லை.

பொதுப் பக்கத்துக்கான செயல்விளக்கம் தனியான browser_authentication கோரிக்கையை ரத்து செய்கிறது. கணக்கு தேவைப்படும் பணிக்கு தனி உள்நுழைவு நடைமுறை உள்ளது; இங்கு விவரிக்கப்படும் வாசிப்பு மட்டும் கொண்ட அமைப்பு அதனை உள்ளடக்கவில்லை. ஒப்புதல் கோரிக்கையை ரத்து செய்வது பணியை ரத்து செய்யாது என்றும் OpenAI குறிப்பிடுகிறது. ஒப்புதல் பதில் ஏற்கப்பட்டது என்றால் முடிவு பெறப்பட்டது என்பதே பொருள்; வழிசெலுத்தல் முடிந்தது என்பதல்ல.

முடிவைச் சரிபார்த்து, செயல்பாட்டை ஆய்ந்து, பின்னர் அமர்வை நீக்கவும்

நிகழ்வுத் தொடரோட்டம் பதில் உரையை agent.session.turn.output_text.done-இல் வழங்கலாம். முக்கிய turn-க்காக agent.session.turn.completed வரும்வரை காத்திருந்து, தோல்வி மற்றும் ரத்துச் செய்தி நிகழ்வுகளைத் தனித்தனியாகக் கையாளவும். ஆவணப்படுத்தப்பட்ட பணியில், பதிலில் விரைவு தொடக்கத்தின் தலைப்பும் URL-உம் உண்மையில் உள்ளனவா எனப் பார்க்கவும். தொடரோட்டம் மூடப்பட்டது என்பதால் turn முடிந்தது என உறுதியாகாது; இணைப்பு துண்டிக்கப்பட்டாலோ முடிவு தெளிவில்லையென்றாலோ அதே அமர்வை மீண்டும் பெறுமாறு OpenAI வழிகாட்டுகிறது.

அமர்வு உருப்படிகள் browser பணியைப் பற்றிய இரண்டாவது கண்ணோட்டத்தைத் தருகின்றன. computer_use_call உருப்படிகளில் செயல்பாட்டுத் தலைப்பு, turn ID, நிலை ஆகியவை இருக்கும். Screenshot-கள் இயக்கப்பட்டிருந்தால், உருப்படியில் computer_screenshot பட URL இருக்கலாம்; சில செயல்பாடுகள் படமின்றியும் திரும்பலாம். இவ்வுருப்படிகள் browser செயல்பாடுகளைக் காட்டுகின்றன; பணியின் இறுதி முடிவைத் தீர்மானிப்பதில்லை. சூழலைச் சுத்தம் செய்ய அமர்வை நீக்குவதற்கு முன், சேமித்த உருப்படிகளையும் உங்கள் செயலிக்குத் தேவையான முடிவு அல்லது screenshot-ஐயும் ஆய்வு செய்யவும். Screenshot-களில் தனிப்பட்ட பக்கம் அல்லது கணக்குத் தகவல் இருக்கலாம்; அனுமதிக்கப்பட்ட பார்வையாளர்களிடம் மட்டுமே அவற்றை வைத்திருந்து, செயலி பதிவுகளில் சேர்க்க வேண்டாம் என ஆவணங்கள் அறிவுறுத்துகின்றன.

அணுகலும் செலவும் தனித்த முடிவுகள்

கணினிப் பயன்பாடு API வழியாகவும், Pro 500 மற்றும் Enterprise திட்டங்களில் Codex, ChatGPT Work வழியாகவும் கிடைக்கிறது என OpenAI தனது DevDay சுருக்கத்தில் கூறுகிறது. இந்த வழிகாட்டி API முறையை உள்ளடக்குகிறது; அதற்கு Platform சான்றுகளும் அனுமதிகளும் தேவை. திட்டங்களின் கிடைப்புத் தகவல் API அணுகலை வழங்கவோ API பயன்பாட்டுக் கட்டணத்தை உள்ளடக்கவோ செய்யாது.

Agents API மாதிரி பயன்பாட்டுக்கு தேர்ந்தெடுத்த மாதிரியின் API கட்டண விகிதங்கள் பொருந்தும் என Agents API மேலோட்டம் குறிப்பிடுகிறது; OpenAI வழங்கும் sandbox-களுக்கு வழக்கமான container கட்டண விகிதங்கள் பொருந்தும். ஆய்வு செய்த பக்கங்களில் தனி computer-use கருவிக் கட்டணம் குறிப்பிடப்படவில்லை; அதனால் hosted browser அமர்வு இலவசமாகாது. இயக்கத்துக்கான செலவைத் திட்டமிடும் முன், தற்போதைய மாதிரி மற்றும் container விலைகளைச் சரிபார்க்கவும். உதாரணங்கள் beta API முறைகளைப் பயன்படுத்துகின்றன; அவை மாறலாம். இந்தக் கட்டுரைக்காக API அமர்வோ browser பணியோ SDK இயக்கமோ மேற்கொள்ளப்படவில்லை.

ஆதாரங்களும் மேலும் வாசிப்பும்

• OpenAI, “Computer use”, செப்டம்பர் 30, 2026 அன்று அணுகப்பட்டது. Browser அமைப்பு, நிகழ்வுப் பெயர்கள், தோற்ற மற்றும் அங்கீகாரக் கோரிக்கைகள், முடிவுச் சரிபார்ப்பு, செயல்பாடு, நீக்கம் ஆகியவற்றுக்கான முதன்மை ஆதாரம். பக்கத்தில் வெளியீட்டுத் தேதி இல்லை.
• OpenAI, “Agents API quickstart”, செப்டம்பர் 30, 2026 அன்று அணுகப்பட்டது. Platform திறவுகோல் அனுமதிகள், beta தலைப்பு, SDK முன்தேவைகள் ஆகியவற்றைக் குறிப்பிடுகிறது; அதன் பொதுவான குறியீட்டு உதாரணம் browser செயல்விளக்கத்திலிருந்து வேறுபட்டது.
• OpenAI, “Agents API” மற்றும் “OpenAI-hosted sandboxes”, செப்டம்பர் 30, 2026 அன்று அணுகப்பட்டது. அமர்வு முறைமையையும் மாதிரி மற்றும் hosted container-க்கான தனித்த கட்டணங்களையும் விளக்குகின்றன. எந்தப் பக்கத்திலும் வெளியீட்டுத் தேதி இல்லை.
• OpenAI API விலை விவரம், செப்டம்பர் 30, 2026 அன்று அணுகப்பட்டது. தேர்ந்தெடுக்கப்பட்ட மாதிரி மற்றும் hosted container-க்கான தற்போதைய விலைகளைச் சரிபார்க்க வேண்டும்; இங்கு குறிப்பிட்ட இயக்கச் செலவு மதிப்பிடப்படவில்லை.
• OpenAI, “DevDay 2026 Recap”, செப்டம்பர் 29, 2026 அன்று வெளியிடப்பட்டது. Agents API கணினிப் பயன்பாட்டு அறிமுகத்திற்கும், API மற்றும் Codex/ChatGPT Work திட்டங்களின் தனித்த கிடைப்புத் தகவலுக்கும் ஆதாரம்.