O interpretador de código permite que um agente execute código em um sandbox gerenciado. Use-o para cálculos, transformação de dados, conversão de formatos, geração de gráficos e qualquer outra tarefa que seja melhor fazer em código do que em linguagem natural.
Habilite o interpretador de código
No Agent Builder, habilite Run Code na seção Capabilities e salve. O agente decide quando executar código com base na solicitação do usuário e nas instruções recebidas.
O sandbox é um ambiente Unix com dois ambientes de execução de uso geral e alguns utilitários de shell:
- Python 3 - o padrão para tarefas com dados.
- Node.js (JavaScript) - quando um agente prefere JS para a tarefa.
- Bash e sh - scripts de shell para encadear comandos e fazer E/S rápidas.
- AWK e sed - processamento de texto baseado em linhas.
- bc - matemática de precisão arbitrária.
Os agentes recorrem primeiro ao Python para tudo o que envolva interpretação de dados, transformação ou computação.
Reserve as ferramentas de shell para tarefas que realmente se beneficiem de um comando de uma linha.
Os usuários podem enviar arquivos em uma conversa; o interpretador de código tem acesso a eles no diretório de trabalho do sandbox. O código também pode gerar arquivos de saída (CSVs, gráficos, arquivos compactados), que aparecem na conversa como anexos para download.
Cada execução ocorre em um sandbox efêmero, sem acesso à rede e sem armazenamento persistente. As sessões não compartilham estado — variáveis e arquivos de uma execução não passam para a seguinte, a menos que o agente os recarregue explicitamente.
Aplicam-se limites de recursos específicos do plano (memória, arquivos por execução e cotas mensais de solicitações). Erros e stderr são exibidos na conversa junto com stdout.
Use o interpretador de código quando a resposta exigir um processamento determinístico que um modelo de linguagem não consegue produzir com confiabilidade apenas por raciocínio.
Casos típicos incluem:
- Analisar um arquivo CSV ou JSON enviado pelo usuário.
- Calcular estatísticas resumidas ou executar uma simulação rápida.
- Converter entre formatos (Parquet, JSON, CSV).
- Gerar um gráfico a partir dos resultados da consulta.
Evite usá-lo em tarefas que o modelo já consegue responder com base no contexto.
A execução de código aumenta a latência e consome cota.