OpenAI adiciona execução em sandbox ao Agents SDK para controlar e rodar agentes de IA com mais segurança

A OpenAI tenta fechar uma das brechas mais dolorosas dos agentes de IA corporativos: como dar a um modelo acesso a arquivos, código e ambiente de trabalho sem criar um risco incontrolável para a empresa. A nova atualização do Agents SDK adiciona execução nativa em sandbox, uma camada de execução isolada em que o agente pode ler e gravar arquivos, rodar comandos e trabalhar com dependências sem acesso direto à infraestrutura sensível.

Para equipes que já passaram das demos e tentam rodar workflows de agentes em produção, não é uma atualização cosmética. Ela ataca três problemas de uma vez: governança, confiabilidade e custo das execuções longas.

Até agora, os desenvolvedores enfrentavam uma escolha incômoda. Frameworks agnósticos de modelo davam liberdade e evitavam dependência de um único fornecedor, mas muitas vezes não exploravam por completo os modelos de fronteira. Os SDKs dos próprios provedores ficavam mais próximos do modelo, mas nem sempre davam a transparência necessária sobre o harness de controle. Já as APIs gerenciadas de agentes simplificavam o início, mas limitavam rigidamente onde o agente roda e como acessa os dados corporativos.

A OpenAI tenta eliminar esse dilema com um model-native harness, uma camada de controle mais alinhada ao modo como os modelos realmente funcionam em tarefas longas de vários passos. O SDK atualizado traz memória configurável, orquestração com reconhecimento de sandbox, ferramentas de sistema de arquivos no estilo do Codex, e suporte a MCP, AGENTS.md, shell e apply patch.

Já existe um caso prático na Oscar Health. A empresa testou a nova infraestrutura em um workflow clínico que exige analisar prontuários médicos longos, extrair metadados corretos e, mais importante, identificar com precisão os limites de cada episódio de tratamento dentro de documentos complexos. Segundo a equipe da Oscar, as abordagens anteriores não ofereciam confiabilidade suficiente para produção. O novo Agents SDK tornou o cenário viável: o sistema analisa o histórico do paciente mais rápido e os funcionários obtêm uma visão mais clara de cada consulta.

Para integração com o ambiente corporativo, a OpenAI também adicionou a abstração Manifest. Ela descreve o espaço de trabalho do agente: quais arquivos locais podem ser montados, onde gravar os resultados e de quais armazenamentos puxar dados. Há suporte a AWS S3, Azure Blob Storage, Google Cloud Storage e Cloudflare R2.

A segurança é o foco principal da atualização. A OpenAI parte do princípio de que qualquer agente que leia conteúdo externo ou execute código gerado vai, cedo ou tarde, enfrentar prompt injection e tentativas de exfiltração de dados. Por isso, a empresa separa o control harness da camada de computação. As credenciais e o circuito de controle principal ficam fora do ambiente onde roda o código criado pelo modelo. Isso reduz a chance de uma instrução maliciosa dentro de um documento ou requisição alcançar chaves, APIs internas ou sistemas vizinhos.

A confiabilidade das execuções longas é tratada à parte: se o contêiner cai no passo 19 de 20, não é preciso recomeçar do zero. O SDK guarda o estado em uma camada externa, faz snapshot e rehydration, e depois retoma a tarefa do último checkpoint em um novo contêiner. Essa arquitetura reduz os gastos com nuvem e simplifica o escalonamento: as execuções podem ser distribuídas entre vários sandboxes, com subagentes isolados e carga paralelizada.

Para o mercado, é uma mudança importante: a OpenAI promove não apenas mais um SDK de agentes, mas um padrão de infraestrutura mais completo para rodar sistemas agênticos nas empresas. Se a abordagem pegar, a empresa fortalecerá sua posição não só na camada de modelos, mas também na camada operacional, onde se decidem segurança, auditoria e custo de implantação.

Os novos recursos já estão disponíveis via API com a tarifação padrão, primeiro para Python; o suporte a TypeScript foi anunciado para depois. Os próximos passos lógicos parecem ser code mode, subagentes e integração mais estreita com as ferramentas internas das empresas, ou seja, tudo o que o agente precisa para deixar de ser um experimento e virar um processo de trabalho gerenciável.