OpenAI Responses API 컴퓨터 환경 업데이트
OpenAI는 Responses API에 컴퓨터 환경을 통합하여 AI 에이전트가 텍스트 생성에서 벗어나 복잡한 워크플로를 실행할 수 있게 했습니다. 모델에 셸 도구와 호스팅된 컨테이너 작업 공간을 제공함으로써, 플랫폼은 이제 서비스 실행, API로부터 데이터 요청, 스프레드시트나 보고서와 같은 산출물을 격리된 환경 내에서 생성할 수 있습니다.
셸 도구 및 실행 루프
셸 도구는 모델이 명령줄 인터페이스를 통해 컴퓨터와 상호작용하도록 하며, grep, curl, awk와 같은 익숙한 Unix 유틸리티를 활용합니다. 기존의 파이썬에 제한된 코드 인터프리터와 달리, 셸 도구는 Go, Java, NodeJS 서버 실행을 가능하게 하여 가능한 에이전트 작업의 범위를 크게 확장합니다.
Responses API를 통한 오케스트레이션
Responses API는 모델과 호스팅된 도구 사이의 오케스트레이터 역할을 합니다. 셸 실행이 작동하려면 프롬프트에 셸 도구 사용을 명시해야 하며, 모델은 셸 명령에 대해 학습되어 있어야 합니다(특히 GPT-5.2 이상).
실행 루프는 다음 과정을 따릅니다:
- 모델이 하나 이상의 셸 명령을 제안합니다.
- Responses API가 해당 명령을 컨테이너 런타임에 전달합니다.
- API가 거의 실시간으로 출력을 모델에 스트리밍합니다.
- 모델이 결과를 검토하고 후속 명령을 내리거나 최종 답변을 제공합니다.
효율성을 유지하기 위해, Responses API는 별도의 컨테이너 세션에서 여러 명령을 동시에 실행하는 것을 지원하고, 명령당 출력 제한을 적용하여 큰 터미널 로그가 컨텍스트 창을 차지하는 것을 방지합니다.
컨텍스트 관리 및 압축
오래 실행되는 에이전트 루프가 컨텍스트 창을 소진하는 것을 방지하기 위해, OpenAI는 네이티브 압축을 도입했습니다. 이 시스템은 모델이 이전 대화 상태를 분석하고 핵심 세부 정보를 암호화된 토큰 효율적인 형태로 생성하도록 합니다.
압축 구현
압축은 내장 서버 측 기능으로 제공되거나 독립적인 /compact 엔드포인트를 통해 사용할 수 있습니다. 서버 측 압축은 구성 가능한 임계값을 사용하여 타이밍을 자동으로 처리하며, 컨텍스트 한계에 가까운 요청도 거부되지 않고 처리 및 압축될 수 있게 합니다. 이 메커니즘은 Codex를 활용하여 개발 및 정제되었으며, Codex는 압축을 이용해 긴 코딩 작업에서 반복적인 도구 실행을 지속합니다.
컨테이너 컨텍스트 및 리소스 관리
호스팅된 컨테이너는 모델의 작업 컨텍스트 역할을 하며, 데이터 조작 및 외부 상호작용을 위한 제어된 환경을 제공합니다.
파일 시스템 및 데이터베이스
OpenAI는 모델이 사용 가능한 데이터를 매핑하도록 돕기 위해 컨테이너 및 파일 API를 제공하며, 리소스를 프롬프트에 직접 넣는 대신 컨테이너 파일 시스템에 배치하는 패턴을 장려합니다. 구조화된 데이터의 경우 SQLite 사용을 권장합니다; 모델에 테이블 설명을 제공하고 필요한 행만 쿼리하도록 하면 프롬프트에서 전체 데이터셋을 스캔하는 것보다 더 확장 가능하고 비용 효율적입니다.
보안 네트워크 접근
제한 없는 인터넷 접근과 관련된 위험을 완화하기 위해, 호스팅된 컨테이너는 사이드카 이그레스 프록시를 사용합니다. 이 중앙 정책 레이어는 허용 목록과 접근 제어를 시행합니다. 인증을 위해 도메인 범위 비밀 주입이 이그레스 지점에서 사용되며, 이는 원시 비밀 값이 모델이 볼 수 있는 컨텍스트 외부에 남아 승인된 대상에만 적용된다는 의미입니다.
재사용 가능한 에이전트 스킬
에이전트 스킬은 개발자가 반복되는 다단계 패턴을 재사용 가능한 빌딩 블록으로 패키징하도록 하여, 모델이 매 실행마다 워크플로를 재발견할 필요를 없앱니다. 스킬은 SKILL.md 파일(메타데이터 및 지침)과 API 사양과 같은 지원 리소스를 포함하는 폴더 번들로 구성됩니다.
스킬 통합 워크플로
스킬이 사용될 때, Responses API는 결정적인 순서를 따릅니다:
- 스킬 메타데이터(이름 및 설명)를 가져옵니다.
- 스킬 번들을 가져와 컨테이너에 복사하고 압축을 풉니다.
- 스킬 메타데이터와 컨테이너 경로를 모델 컨텍스트에 업데이트합니다.
그런 다음 모델은 셸 명령을 사용해 이러한 파일을 발견하고 지침에 따라 스크립트를 실행합니다.