Интерпретатор кода
Интерпретатор кода позволяет агенту выполнять код в управляемой песочнице. Используйте его для вычислений, преобразования данных, конвертации форматов, построения графиков и любых других задач, которые удобнее решать с помощью кода, а не на естественном языке.
Включите эту функцию
В разделе возможностей Agent Builder включите Интерпретатор кода, затем сохраните изменения. Агент сам определяет, когда запускать код, на основе запроса пользователя и инструкций.
Поддерживаемые языки
Песочница — это Unix-среда с двумя универсальными средами выполнения и несколькими утилитами оболочки:
- Python 3 — вариант по умолчанию для задач, связанных с данными.
- Node.js (JavaScript) — когда агенту удобнее использовать JS для задачи.
- Bash и sh — скрипты оболочки для объединения команд в цепочки и быстрого ввода-вывода.
- AWK и sed — построчная обработка текста.
- bc — вычисления с произвольной точностью.
Для всего, что связано с разбором, преобразованием или вычислением данных, агенты в первую очередь используют Python. Инструменты оболочки оставляйте для задач, где действительно уместен однострочник.
Файлы
Пользователи могут загружать файлы в беседу; интерпретатор кода имеет к ним доступ в рабочем каталоге песочницы. Код также может записывать выходные файлы (CSV, графики, архивы), которые отображаются в беседе как вложения, доступные для скачивания.
Изоляция песочницы
Каждое выполнение происходит в эфемерной песочнице без доступа к сети и без постоянного хранилища. Сеансы не разделяют состояние — переменные и файлы из одного запуска не сохраняются для следующего, если агент явно не загрузит их заново.
Действуют зависящие от плана ограничения ресурсов (память, количество файлов на запуск, ежемесячные квоты запросов). Ошибки и stderr отображаются в диалоге вместе с stdout.
Когда это применять
- Разобрать CSV или JSON, загруженные пользователем.
- Вычислить сводную статистику или запустить быструю симуляцию.
- Преобразовать данные из одного формата в другой (Parquet, JSON, CSV).
- Построить график по результатам запроса.
- Всё, где детерминированные вычисления эффективнее, чем рассуждения LLM.
Не используйте это для задач, на которые модель может ответить напрямую. Выполнение кода увеличивает задержку и расходует квоту.
