اوپن‌ای‌آی در رویداد DevDay 2026 از کُدکس ابری و ای‌پی‌آی کنترل رایانه رونمایی کرد

اوپن‌ای‌آی به توسعه‌دهندگان نرم‌افزار این امکان را داد که مدل‌های هوش مصنوعی را مستقیماً به محیط‌های دسکتاپ زنده و زیرساخت‌های ابری متصل کنند. تیم‌های فنی با بهره‌گیری از «ای‌پی‌آی عامل‌های کاربری رایانه» و «کُدکس ابری» که در DevDay 2026 معرفی شدند، اکنون می‌توانند به این سیستم‌های خودکار اجازه دهند به نمایندگی از آن‌ها ماوس را حرکت دهند، روی بخش‌های مختلف رابط کاربری کلیک کنند و کد بنویسند.[1][4]

این عرضه نحوه کار و پروژه‌های توسعه‌دهندگان با مدل‌های این شرکت را در این فصل به‌کلی دگرگون می‌کند. تیم‌های سازمانی به‌جای نوشتن پرامپت در یک رابط چت برای دریافت تکه‌کدها، اکنون می‌توانند عامل‌هایی را به‌کار بگیرند که مستقیماً در نرم‌افزارهای قدیمی سازمانی فعالیت کرده و نتایج را در محیط ابری اعمال کنند.[3]

اوپن‌ای‌آی در جریان سخنرانی اصلی DevDay 2026 اعلام کرد: «ما در حال عبور از مدل‌هایی هستیم که فقط حرف می‌زنند به‌سمت مدل‌هایی که کار عملی انجام می‌دهند.»[4]

این شرکت تأیید کرد که این ای‌پی‌آی در حال حاضر به‌صورت بتای محدود در دسترس مشترکان پلن جدید شرکتی ۵۰۰ دلاری در ماه قرار دارد؛ پلنی که شامل ۵۰ هزار کنش ماهانه برای عامل‌هاست. دسترسی عمومی‌تر برای اواخر نوامبر ۲۰۲۶ برنامه‌ریزی شده و مشروط به تکمیل بررسی‌های امنیتی اولیه است.[3]

ای‌پی‌آی عامل‌های کاربری رایانه

مهم‌ترین قابلیتی که این هفته به شکل محصول واقعی عرضه شد، همین ای‌پی‌آی کنترل رایانه است که فاصله میان تولید متن و کنترل رابط گرافیکی کاربر (GUI) را پر می‌کند. این سیستم دستورات به زبان طبیعی را به مختصات دقیق روی صفحه نمایش و فشردن کلیدهای کیبورد ترجمه می‌کند.[2][6]

بر اساس مستندات منتشرشده از سوی LMS Pedia، این ای‌پی‌آی به مهندسان اجازه می‌دهد برنامه‌هایی بسازند که در آن‌ها عامل هوش مصنوعی بدون نیاز به مداخله انسان مرورگر وب را باز می‌کند، به نشانی اینترنتی مشخصی می‌رود و داده‌ها را استخراج می‌کند؛ سیستمی که متکی بر یک چرخه مداوم از گرفتن اسکرین‌شات و پیش‌بینی کنش بعدی است.[6]

سایمون ویلیسون، توسعه‌دهنده مستقل، در وبلاگ زنده خود از این رویداد نوشت: «عامل اساساً به یک اسکرین‌شات نگاه می‌کند، تصمیم می‌گیرد نشانگر ماوس باید به کجا برود و سپس فرمان را صادر می‌کند.»[5]

با این حال، ویلیسون اشاره کرد در حالی که دموی روی صحنه بی‌نقص به‌نظر می‌رسید، تأخیر واقعی ناشی از ارسال وضعیت‌های صفحه به یک مدل ابری و منتظر ماندن برای دریافت پاسخ مختصات، همچنان مانعی جدی بر سر راه کاربردهای بلادرنگ و سریع است.[5]

اوپن‌ای‌آی برای مهار خطرات احتمالی ناشی از عملکرد خارج از کنترل این عامل‌ها، سقف محدودیت سخت‌گیرانه ۱۲۰ کنش در دقیقه را وضع کرده و برای اقدامات پرخطر، تأیید انسانی الزامی گذاشته است. علاوه بر این، توسعه‌دهندگان باید به‌طور صریح مشخص کنند عامل اجازه تعامل با چه نرم‌افزارهایی را دارد.[1][2]

کُدکس ابری و محیط‌های ایزوله

هم‌زمان با قابلیت‌های کنترل دسکتاپ، اوپن‌ای‌آی ابزار تولید کد خود را با عرضه کُدکس ابری بازطراحی کرد. این پلتفرم اکنون محیط‌های ایزوله و موقتی مستقیماً بر روی زیرساخت‌های اوپن‌ای‌آی فراهم می‌کند و برای هر محیط سندباکس تا ۱۶ گیگابایت رم و ۴ هسته پردازشی مجازی اختصاص می‌دهد.[7]

شیمون پالوخ، مهندس نرم‌افزار، گزارش داده که ابزار خط فرمان جدید کُدکس به برنامه‌نویسان اجازه می‌دهد یک سندباکس امن بالا بیاورند، از مدل بخواهند اسکریپت پایتون را بنویسد و فوراً آن را برای بررسی خطاها اجرا کند؛ فرآیندی که نیاز به کپی-پیست مداوم کد بین مرورگر و ترمینال محلی را از بین می‌برد.[7]

پالوخ پس از اعلامیه‌های DevDay نوشت: «تعبیه مستقیم بررسی خودکار کد در دل محیط ابری، برگ برنده اصلی این معرفی است.»[7]

این سیستم شامل اسکن‌های امنیتی خودکاری است که کدهای تولیدشده را پیش از اجرا در برابر پایگاه داده‌ای از بیش از ۱۵ هزار آسیب‌پذیری شناخته‌شده می‌سنجد. نشانه دکودر تأکید کرد که این ویژگی، در کنار ای‌پی‌آی جدید تصمیم‌گیری (Decisions API)، به عامل‌ها اجازه می‌دهد مسیرهای مختلف اجرا را ارزیابی کرده و امن‌ترین گزینه را انتخاب کنند.[2]

با تمام این‌ها، ادبیات تبلیغاتی که پیرامون این ابزارها شکل گرفته طبق معمول از واقعیت پیشی گرفته است. در حالی که اوپن‌ای‌آی از سرعت اجرای «فوق‌سریع» دم می‌زند، آزمایش‌کنندگان اولیه گزارش می‌دهند که گردش‌های کاری پیچیده چندعاملی همچنان نیازمند ۱۵ تا ۳۰ ثانیه زمان پردازش هستند و در سناریوهای غیرمنتظره و خاص شکست می‌خورند.[2][5]

قیمت‌گذاری سازمانی و لایه داتس

برای درآمدزایی از این پردازش‌های سنگین، اوپن‌ای‌آی اشتراک ماهانه جدید ۵۰۰ دلاری را با هدف‌گیری تیم‌های مهندسی میان‌رده معرفی کرده است؛ سطحی که نرخ دسترسی بالاتر و اولویت استفاده از اندپوینت‌های جدید عامل‌ها را تضمین می‌کند.[3]

این شرکت همچنین از لایه جدیدی با نام «داتس» (Dots) رونمایی کرد؛ لایه انتزاعی تازه‌ای که به توسعه‌دهندگان در مدیریت وضعیت و حافظه در طول نشست‌های طولانی‌مدت عامل‌ها کمک می‌کند. رسانه Reworked داتس را قطعه‌ای زیرساختی و حیاتی برای مشتریان سازمانی دانست که به‌دنبال ساخت جریان‌های کاری چندمرحله‌ای قابل اتکا هستند.[3]

تحلیل Reworked در این زمینه تصریح می‌کند: «داتس مشکل فراموشی را که طی دو سال گذشته گریبان‌گیر توسعه عامل‌ها بود، تا حد زیادی حل می‌کند.»[3]

با حفظ زمینه و داده‌های کاری در مقیاس چند روز به‌جای چند دقیقه، داتس به عامل اجازه می‌دهد وظیفه‌ای را موقتاً متوقف کند، تا ۷۲ ساعت منتظر تأیید انسان بماند و سپس بدون نیاز به بازخوانی دوباره تمام پرامپت، دقیقاً از همان‌جا کار را از سر بگیرد.[3][6]

پیامدهای امنیتی و تأثیر بر اکوسیستم

حرکت به‌سوی اجرای خودمختار، پیامدهای امنیتی بسیار جدی در پی دارد، زیرا یک عامل به تنهایی می‌تواند تا هزار تعامل با رابط کاربری در هر ساعت انجام دهد. سپردن امکان کلیک کردن در یک دسکتاپ به یک ای‌پی‌آی، مسیرهای نظارتی استاندارد و لایه‌های کنترل دسترسی تعبیه‌شده در ای‌پی‌آی‌های سنتی را دور می‌زند.[1][2]

گزارش تحلیلی اینفوریو از این کنفرانس نشان می‌دهد که تیم‌های امنیتی با شتاب به‌دنبال چارچوب‌هایی برای ممیزی رفتار این عامل‌ها هستند. امکان تعامل هوش مصنوعی با نرم‌افزارهای سازمانی قدیمی که فاقد استانداردهای مدرن ای‌پی‌آی هستند، هم بزرگ‌ترین مزیت تجاری این ابزار و هم خطرناک‌ترین رخنه امنیتی آن محسوب می‌شود.[1]

همان‌طور که توسعه‌دهندگان طی این ماه ادغام ای‌پی‌آی کنترل رایانه و کُدکس ابری را در فرآیندهای تولید خود آغاز می‌کنند، عیار واقعی این ابزارها در زمینه خودکارسازی کارهای روزمره مهندسی سنجیده خواهد شد.[4]

آزمون واقعی این نخواهد بود که عامل‌ها چقدر شیک روی صحنه کد می‌نویسند یا روی دکمه‌ها کلیک می‌کنند، بلکه محک اساسی زمانی است که رابط کاربری دستخوش تغییر شود یا محیط ابری با خطایی پیش‌بینی‌نشده مواجه شود؛ آیا این سیستم‌ها می‌توانند بحران را مدیریت کنند یا متوقف خواهند شد؟[5][7]