Interpréteur de code

Si vous utilisez ceci pour la première fois, considérez l'interpréteur de code comme un espace de travail Python temporaire pour le modèle.

Vous pouvez l'utiliser pour des tâches telles que :

• Résoudre des problèmes mathématiques
• Analyse des fichiers chargés
• Nettoyage ou transformation des données
• Création de graphiques ou de tableaux
• Générer des fichiers de sortie tels que des journaux ou des jeux de données traités

L'environnement Python comprend plus de 420 bibliothèques préinstallées, y compris Pandas, Matplotlib et SciPy, tant de tâches courantes fonctionnent sans configuration supplémentaire.

Le code est exécuté dans un conteneur de modèle d'environnement restreint. Ce conteneur est l'environnement de travail dans lequel Python est exécuté et où les fichiers téléchargés, les fichiers générés et les données de travail temporaires sont stockés pendant la session.

Les conteneurs d'interpréteur de code utilisent un pool de mémoire partagée de 64 Go par location.

Les tailles de conteneur prises en charge sont les suivantes :

• 1 Go
• 4 Go
• 16 Go
• 64 Go

Cette limite partagée peut être divisée entre plusieurs conteneurs. Par exemple, il peut prendre en charge les éléments suivants :

• Soixante-quatre conteneurs de 1 Go
• Seize conteneurs de 4 Go
• Quatre conteneurs de 16 Go
• Un conteneur de 64 Go

Si vous avez besoin de plus de capacité, vous pouvez soumettre une demande de service.

Un conteneur expire après 20 minutes d'inactivité.

Ceci est important à savoir lors de la création de flux à plusieurs étapes :

• Un conteneur expiré ne peut pas être réutilisé
• Vous devez créer un conteneur
• Les fichiers doivent être chargés à nouveau si nécessaire
• L'état en mémoire, tel que les variables Python et les objets Python, est perdu

Pour cette raison, il est préférable de traiter les conteneurs comme des environnements de travail temporaires.

response = client.responses.create(
    model="xai.grok-4-1-fast-reasoning",
    tools=[
        {
            "type": "code_interpreter",
            "container": {"type": "auto"}
        }
    ],
    instructions="Use the python tool to solve the problem and explain the result.",
    input="Find the value of (18 / 3) + 7 * 2."
)

print(response.output_text)

Dans cet exemple, l'outil python est Code Interpreter.

L'outil Interpréteur de code nécessite un objet conteneur. Le conteneur est l'environnement isolé où le modèle exécute du code Python.

Un conteneur peut contenir :

• Fichiers téléchargés
• Fichiers créés par le modèle
• Données de travail temporaires pendant l'exécution

Lorsque vous utilisez l'interpréteur de code, vous pouvez utiliser l'un des deux modes de conteneur suivants :

• auto : OCI Generative AI provisionne ou réutilise un conteneur dans le contexte en cours.
• OCID de conteneur : vous créez le conteneur vous-même, définissez la taille de mémoire et fournissez l'OCID.

Pour les deux options, les conteneurs sont créés et gérés dans OCI Generative AI. Le code qui s'exécute dans ces conteneurs s'exécute également dans la location OCI Generative AI.

L'interpréteur de code prend en charge l'interaction dynamique des fichiers pendant la durée de vie du conteneur. Le modèle peut lire les fichiers que vous fournissez et peut également créer de nouveaux fichiers.

Cela est utile pour les workflows tels que :

• Lecture d'un fichier CSV ou PDF
• Génération d'un graphique
• Enregistrement de la sortie traitée
• Créer des journaux ou des états

Référence d'API : documentation sur l'API OpenAI Container Files et API Container Files.

Les fichiers créés ou mis à jour par l'outil python persistent dans les virages d'exécution de code dans le même conteneur, tant que le conteneur n'a pas expiré.

Cela signifie que le modèle peut s'appuyer sur les travaux antérieurs de la même session. Par exemple, il peut :

• Lire un dossier
• Analyser
• Enregistrer un graphique
• Utiliser ce graphique ultérieurement dans le même conteneur

Lorsque le conteneur expire, cet état n'est plus disponible.