Подключение LLM

LLM может написать код, а AgentBox — безопасно выполнить его в отдельной песочнице. Приложение описывает инструмент execute_python, передаёт его модели, выполняет полученный код и возвращает результат модели.

OpenAI

Установите SDK OpenAI и AgentBox:

npm install openai @abox-dev/sdk

Задайте OPENAI_API_KEY и AGENTBOX_API_KEY. Пример использует Responses API и модель gpt-5.6-luna.

import OpenAI from "openai";
import { Sandbox } from "@abox-dev/sdk";

const openai = new OpenAI();
const tools = [
  {
    type: "function",
    name: "execute_python",
    description: "Run Python code in an isolated AgentBox sandbox",
    parameters: {
      type: "object",
      properties: {
        code: { type: "string", description: "Python source code" },
      },
      required: ["code"],
      additionalProperties: false,
    },
    strict: true,
  },
];

const response = await openai.responses.create({
  model: "gpt-5.6-luna",
  input: "Use Python to calculate the sum of 2, 3, and 5.",
  tools,
});
const toolCall = response.output.find(
  (item) => item.type === "function_call" && item.name === "execute_python",
);
const { code } = JSON.parse(toolCall.arguments);

const sandbox = await Sandbox.create();
let result;

try {
  const program = "/tmp/tool.py";
  await sandbox.files.write(program, code);
  result = await sandbox.commands.run(`python3 ${program}`);
} finally {
  await sandbox.kill();
}

const finalResponse = await openai.responses.create({
  model: "gpt-5.6-luna",
  previous_response_id: response.id,
  tools,
  input: [
    {
      type: "function_call_output",
      call_id: toolCall.call_id,
      output: result.stdout,
    },
  ],
});

console.log(finalResponse.output_text);

Anthropic

Установите SDK Anthropic и AgentBox:

npm install @anthropic-ai/sdk @abox-dev/sdk

Задайте ANTHROPIC_API_KEY и AGENTBOX_API_KEY. Пример использует Messages API и модель claude-sonnet-5.

import Anthropic from "@anthropic-ai/sdk";
import { Sandbox } from "@abox-dev/sdk";

const anthropic = new Anthropic();
const tools = [
  {
    name: "execute_python",
    description: "Run Python code in an isolated AgentBox sandbox",
    input_schema: {
      type: "object",
      properties: {
        code: { type: "string", description: "Python source code" },
      },
      required: ["code"],
    },
  },
];
const messages = [
  {
    role: "user",
    content: "Use Python to calculate the sum of 2, 3, and 5.",
  },
];

const response = await anthropic.messages.create({
  model: "claude-sonnet-5",
  max_tokens: 1024,
  tools,
  tool_choice: { type: "auto", disable_parallel_tool_use: true },
  messages,
});
const toolCall = response.content.find(
  (block) => block.type === "tool_use" && block.name === "execute_python",
);

const sandbox = await Sandbox.create();
let result;

try {
  const program = "/tmp/tool.py";
  await sandbox.files.write(program, toolCall.input.code);
  result = await sandbox.commands.run(`python3 ${program}`);
} finally {
  await sandbox.kill();
}

const finalResponse = await anthropic.messages.create({
  model: "claude-sonnet-5",
  max_tokens: 1024,
  tools,
  tool_choice: { type: "auto", disable_parallel_tool_use: true },
  messages: [
    ...messages,
    { role: "assistant", content: response.content },
    {
      role: "user",
      content: [
        {
          type: "tool_result",
          tool_use_id: toolCall.id,
          content: result.stdout,
        },
      ],
    },
  ],
});
const finalText = finalResponse.content.find((block) => block.type === "text");

console.log(finalText.text);

Что учесть

Проверяйте имя инструмента и аргументы до выполнения. Не подставляйте код модели в shell-команду: сначала запишите его в файл. Для рабочего приложения также ограничьте время выполнения и размер вывода. Песочницу удаляйте в finally, чтобы она остановилась и после ошибки.

Если модель может вызвать несколько инструментов за один ответ, обработайте каждый вызов и верните все результаты одним следующим сообщением.