Skip to main content
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.

​
Idiomas compatíveis

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.

​
Arquivos

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.

​
Isolamento do sandbox

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.

​
Quando usar

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.
Última modificação em 14 de agosto de 2026