使用Modal和OpenAI Agents SDK构建

今天，OpenAI正式发布了其Agents SDK，这是一个用于构建编码、深度研究等代理系统的强大工具。与此同时，Modal宣布成为该SDK的官方沙箱提供商，为代理提供安全、隔离的计算环境。

内部代理正成为热门话题，像Ramp这样的公司已经在Modal上构建了后台编码代理舰队，现在它们负责超过一半的PR创建。许多企业熟悉现成的代理框架如Codex、Claude Code和OpenCode，但如何定制这些代理并将其构建成像Ramp那样的强大内部工具，仍然是一个挑战。

OpenAI Agents SDK为此提供了正确的构建模块，团队可以基于它构建自己的内部代理系统。该SDK通过沙箱扩展无缝集成到Modal中，为代理提供远程计算机（甚至GPU），并利用Modal的规模优势。

本文展示了如何从零开始在OpenAI Agents SDK之上构建自定义代理框架，并集成Modal沙箱。最终，我们将拥有一个通用的编码框架，能够将任务大规模并行化，并在后台高效运行。

构建基础编码代理

首先，我们构建一个最小的编码代理。一个Agent本质上是一个LLM循环，运行工具（函数）直到任务完成。最简单的编码代理具有一个exec(command)函数，可以在主机上运行任意shell命令。但这种方式存在安全风险。

将代理移入沙箱

沙箱是隔离的Linux环境，基于VM或安全加固的容器。通过将命令在沙箱中执行，我们可以提高安全性。OpenAI Agents SDK提供了SandboxAgent类，预装了连接到远程沙箱的工具，以及ShellTool类增加额外保护。

通过ModalSandboxClientOptions，我们可以为沙箱请求GPU，这是Modal独有的能力。

训练MNIST模型

我们的代理框架现在可以端到端运行编码任务。例如，让它训练一个MNIST图像模型，它应该能直接工作。

构建终极框架

框架是围绕代理循环的一切，提供上下文和工具。我们逐步添加新功能，直到框架能可靠地运行Parameter Golf实验。

添加会话记忆

默认情况下，代理是无状态的。会话允许跨代理运行累积上下文窗口，解决多轮记忆问题。但这也引入了上下文管理的新挑战：记忆无限累积，需要智能控制。

添加子代理进行高层规划和上下文委派

为了应对长周期任务，我们将代理拆分为协调者和子代理。协调者积累整个任务的记忆，它具有invoke_subagent工具，可以生成具有全新上下文的子代理。子代理专注于短期任务，完成时丢弃会话记忆，从而保持协调者上下文精简。

异步和并行：子代理池

通过实现子代理池，协调者可以管理多个并行子代理，提高实验吞吐量。我们添加了SubAgentPool类，并使用钩子和状态更新工具让协调者了解子代理进展。

限制GPU支出：配额系统

为了控制成本，我们为子代理池添加配额系统，限制昂贵的GPU实例数量。

使用文件系统快照去重工作

子代理从基础沙箱启动时，会浪费GPU时间做重复设置工作。文件系统快照允许冻结活跃沙箱状态为ID，协调者可以从此起点启动新子代理，避免重复劳动。此外，文件系统也可作为隐式记忆，通过磁盘存储工件，即使不在会话中也能被未来代理使用。

添加技能系统

最后，我们为框架添加插件技能，使协调者能选择性加载特定任务（如Parameter Golf）的提示，保持框架通用性。

成果：并行自动研究系统

我们从一个基本的本地执行代理循环开始，通过远程沙箱保障安全，异步工作器实现扩展，最终构建了一个能够自主、并行进行Parameter Golf研究的系统。

结语

本博客的核心思想是：可以在基础代理循环之上构建系统，以适应特定任务。我们构建的框架保持了协调者上下文精简，并充分利用了Modal沙箱平台的并行性。这一切都得益于OpenAI Agent SDK的简洁和可组合性。希望这个项目能启发你构建自己的代理系统！

开始构建时，请参考完整示例仓库。当需要使用沙箱和GPU时，注册Modal即可获得30美元免费信用额度。