Как перейти с Local Shell на актуальный Shell Tool в OpenAI API

Официальная документация прямо помечает local_shell устаревшим и рекомендует для новых сценариев Shell Tool. Старый вариант возвращал local_shell_call, выполняемый вашим runtime, и был привязан к ограниченному набору моделей. Новый Shell Tool работает через Responses API и поддерживает hosted-контейнеры либо локальный runtime.

Документация подтверждает механизм, но не создаёт архитектуру безопасности. Авторизацию, allowlist, хранение секретов, приёмочные критерии и откат реализует приложение. Текстовый запрет в промпте полезен как контракт, однако критичное ограничение проверяется обычным кодом непосредственно перед действием.

Что подготовить

Создайте отдельный тестовый проект и ключ с минимальными правами. Секрет держите только в переменной окружения или менеджере секретов. Не помещайте его в браузерный bundle, промпт, Git, URL, скриншот и диагностический вывод.

До вызова заведите таблицу: case_id, input, expected_action, expected_output, actual_action, actual_output, source, status, error_type. Ожидаемый результат записывается заранее. Возьмите минимум десять обезличенных примеров: обычный, пустой, неполный, противоречивый, вредоносный, тайм-аут и повтор.

Для чисел храните единицы, исходное значение и правило округления. Для файлов — имя, MIME, размер, хеш и число страниц или кадров. Для внешнего действия — идентификатор, состояние до и после. Это конкретные единицы контроля, по которым можно доказать результат.

Пошаговая настройка

1. Снимите трассу старого успешного запуска: вход, local_shell_call, stdout, stderr, exit code и итоговый файл. Это станет регрессионным эталоном.
2. Замените объявление local_shell на Shell Tool по актуальной документации. Для hosted-сценария выберите container_auto; для локального оставьте собственный изолированный исполнитель.
3. Обновите диспетчер событий: не ищите только local_shell_call. Разбирайте новый тип вызова и возвращайте результат в формате Shell Tool, сохраняя связь по call id.
4. Перенесите allowlist команд, рабочий корень, лимиты времени, памяти и вывода. Миграция API не должна случайно расширить права.
5. Запустите эталон и негативные тесты: выход за каталог, сеть, чтение секрета, бесконечная команда и ненулевой exit code.

После каждого шага сохраняйте технический след: request_id, версию модели и SDK, имя инструмента, обезличенные аргументы, статус, длительность и факт побочного эффекта. Не записывайте полный чувствительный input и внутреннее рассуждение модели без необходимости.

Копируемый шаблон

В каталоге /workspace посчитай суммы quantity из orders.csv и сохрани summary.json. Разрешены только python без сторонних пакетов, pwd и ls. Не используй сеть, не открывай пути вне /workspace, не меняй исходный CSV.

Общие правила:
1. Используй только переданные источники и разрешённые инструменты.
2. Не угадывай отсутствующие значения.
3. Перед действием проверь путь, тип, идентификатор и права.
4. При конфликте верни status=needs_review и перечисли конфликтующие данные.
5. Не отправляй, не удаляй, не оплачивай и не раскрывай секрет без отдельного подтверждения.
6. Свяжи каждый изменяемый факт с источником, страницей, сегментом или tool result.

Шаблон следует дополнить схемой именно вашего объекта. Фразы «будь внимателен» недостаточно. Код должен отклонять неизвестные поля, запрещённые пути, недопустимые домены, неправильные координаты и действие без права.

Реалистичный пример входа и результата

Для строк ORD-1,2 и ORD-2,5 ожидается total_quantity=7. Новый Shell Tool создаёт тот же summary.json, что и старая интеграция; команда curl блокируется, а ошибка Python возвращается как ошибка, а не success.

Это заранее определённый expected, а не выдуманная статистика. Реальный output сохраните рядом и отметьте расхождения. Если финальный текст правильный, но агент выполнил лишний вызов, открыл чужой домен или изменил файл, тест провален.

Проверка по уровням

Первый уровень — транспорт: ответ получен, идентификатор сохранён, payload читается. HTTP 200 не доказывает смысл. Тайм-аут не равен гарантированному отказу: перед повтором проверьте состояние операции.

Второй — структура: обязательные поля есть, типы совпадают, JSON разбирается, Base64 декодируется, файл открывается, координаты находятся внутри изображения. Неизвестное поле либо отклоняется, либо сохраняется отдельно.

Третий — смысл: каждый факт подтверждается входом, страницей, временным сегментом или tool result. Числа пересчитываются кодом, идентификаторы сравниваются посимвольно. Отсутствующее значение остаётся null, а не превращается в правдоподобную догадку.

Четвёртый — действие: проверьте внешний журнал, файловый diff, вкладки браузера или созданные записи. Для read-only сценария любое изменение означает провал независимо от красивого объяснения.