Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Konfigurazzjoni tal-Użu tal-Kompjuter fl-API

Lezzjoni 3 / 14 Aġġornat 3 ta’ Novembru 2026 Zviluppatur
F'din il-paġna
  1. Prerekwiżiti
  2. Installazzjoni tad-dipendenzi
  3. Twaqqif taċ-ċavetta API
  4. Dikjarazzjoni tal-għodda tal-kompjuter
  5. Konfigurazzjoni tal-browser
  6. Organizzazzjoni tal-proġett
  7. Verifika tal-installazzjoni
  8. Punti Ewlenin

Lezzjon miktuba mill-ġdid fit-3 ta’ Novembru 2026 ibbażata fuq il-gwida Computer use ta’ OpenAI u r-riċetti ta’ integrazzjoni Computer use: il-konfigurazzjoni issa tuża l-SDK openai, il-varjabbli tal-ambjent OPENAI_API_KEY, u l-għodda {"type": "computer"} fl-API tar-Risposti. Ma tiddependix aktar fuq l-SDK ta’ Anthropic jew l-għodda antika computer_20241022. L-għodda ta’ OpenAI ma teħtiġx dimensjonijiet tal-iskrin; il-koordinati jirreferu għall-iscreenshot li tipprovdi. Sorsi: Computer use · Integration recipes.

Prerekwiżiti

Qabel ma tikteb linja waħda ta’ kodiċi, l-istazzjon tax-xogħol tiegħek jeħtieġ erba’ affarijiet: verżjoni riċenti ta’ Python 3, kont OpenAI b’ċavetta API attiva u aċċess għal mudell li jappoġġja l-għodda computer, browser Chromium immexxi minn Playwright għall-interazzjonijiet web, u Docker jekk qed tippjana li tiżola l-aġent. Docker huwa fakultattiv waqt li qed titgħallem, iżda OpenAI tirrakkomanda browser iżolat jew magna virtwali malli l-aġent jinteraġixxi ma’ kwalunkwe ħaġa lil hinn minn sit demo.

Għall-mudell, id-dokumentazzjoni ta’ OpenAI tuża gpt-6.1-sol fl-eżempji tal-għodda computer tagħha. Iċċekkja l-karta tal-mudell (taħt Tools) biex tikkonferma li l-użu tal-kompjuter huwa elenkat u li l-proġett tiegħek għandu aċċess għalih.

Installazzjoni tad-dipendenzi

Aħdem f’ambjent virtwali ddedikat. Aġent ta’ Computer Use jiffissa verżjonijiet speċifiċi ta’ Playwright u l-browsers tiegħu. Jekk taħlit dawn mal-proġetti Python l-oħra tiegħek, se twassal għal kunflitti li huma painfull biex tiddijanostikahom.

# Oħloq u attiva l-ambjent
python -m venv computer-use-env
source computer-use-env/bin/activate  # Linux/Mac
# computer-use-env\Scripts\activate   # Windows

# Installa d-dipendenzi
pip install openai playwright pillow

# Installa l-browser ta' Playwright
playwright install chromium

Kull pakkett għandu rwol distint: openai jipprovdi l-klijent li jitkellem mal-mudell, playwright imexxi l-browser u jesegwixxi l-azzjonijiet, u pillow jimmanipula l-immaġini meta jkun meħtieġ. L-aħħar kmand huwa dak li n-nies jinsu l-aktar spiss. Mingħajr playwright install chromium, il-pakkett ikun installat iżda l-ebda browser ma jiġi mniżżel, u dan iwassal biex l-ewwel eżekuzzjoni tfalli.

Twaqqif taċ-ċavetta API

Aħżen iċ-ċavetta tiegħek f’varjabbli tal-ambjent, qatt ma tiktbuha direttament (hard-coded) fi skript. Sigriet miktub fil-kodiċi eventwalment jispiċċa f’repożitorju Git.

export OPENAI_API_KEY="your-key"

Fil-produzzjoni, uża maniġer tas-sigrieti. Il-klijent jaqra l-varjabbli awtomatikament:

from openai import OpenAI

client = OpenAI()  # jaqra OPENAI_API_KEY

Dikjarazzjoni tal-għodda tal-kompjuter

Mudell ma jikkontrollax skrin b’mod awtomatiku. Trid tattivaw l-għodda computer fit-talba u tiddeskrivi r-riżultat mistenni.

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.1-sol",
    tools=[{"type": "computer"}],
    input=(
        "Check if the Filters panel is open. If not, "
        "click Show Filters, then type penguin in the search "
        "field. Use the computer tool to interact with the interface."
    ),
)
print(response.output)

Id-dikjarazzjoni hija sempliċiment {"type": "computer"}. Kuntrarjament għall-verżjoni bikrija ta’ prova (computer_use_preview), din ma teħtiġ la dimensjonijiet tal-iskrin u lanqas tip ta’ ambjent, u t-trunkazzjoni awtomatika m’għadhiex meħtieġa. Il-koordinati li jirritorna l-mudell jirreferu għall-iscreenshot li tibgħat. Aqbad eżattament iż-żona li intendi tikklikkja, bl-istess skala. Jekk tibdel id-daqs ta’ screenshot qabel ma tibgħathu, ikkonverti l-koordinati lura qabel ma taġixxi.

Konfigurazzjoni tal-browser

Min-naħa ta’ Playwright, poġġi l-loġika tal-ħruġ (launch) f’funzjoni li tista’ tuża mill-ġdid fuq kompiti differenti.

from playwright.sync_api import sync_playwright

def launch_browser(width=1280, height=720):
    """Launches an isolated browser for Computer Use."""
    pw = sync_playwright().start()
    browser = pw.chromium.launch(headless=True)  # False biex tara l-aġent
    context = browser.new_context(viewport={"width": width, "height": height})
    page = context.new_page()
    return pw, browser, page

page.screenshot() taqbad il-viewport, allura l-koordinati tal-mudell japplikaw direttament għal page.mouse. L-għażla headless=True tħaddem il-browser mingħajr interfaċċja grafika, li hija essenzjali fuq server. Waqt l-iżvilupp, issettja dan għal False biex tara l-aġent jaħdem. Din hija l-aktar mod mgħaġġel biex tifhem għaliex jagħmel żbalji.

Organizzazzjoni tal-proġett

Separa l-loġika tal-browser, iċ-ċiklu tal-aġent, u l-eżekuzzjoni tal-azzjonijiet mill-bidu nett.

computer-use-project/
├── .env                  # OPENAI_API_KEY (qatt tagħmel commit)
├── requirements.txt      # openai, playwright, pillow
├── src/
│   ├── __init__.py
│   ├── browser.py        # Tnedija u qbid
│   ├── agent.py          # Ċiklu ta' Computer Use
│   └── actions.py        # Eżekuzzjoni tal-azzjoni
└── tasks/
    └── example.py        # Skripts tal-kompiti

Verifika tal-installazzjoni

Tibnix xogħol kumpless fuq konfigurazzjoni li ma ġietx ivvalidata. Jekk l-ewwel ġirja tfalli, mhux se tkun taf jekk il-problema hijiex fiċ-ċavetta, fil-browser, jew fil-prompt tiegħek. Dan l-iskript minimu jittestja ċ-ċintura kollha: klijent, browser, qbid, u trażmissjoni tal-immaġni lill-mudell.

import base64

from openai import OpenAI
from playwright.sync_api import sync_playwright

def test_installation():
    """Verifies that the key, browser, and image upload work."""
    client = OpenAI()

    pw = sync_playwright().start()
    browser = pw.chromium.launch(headless=True)
    page = browser.new_page(viewport={"width": 1280, "height": 720})
    page.goto("https://example.com")
    capture = base64.b64encode(page.screenshot()).decode("utf-8")

    response = client.responses.create(
        model="gpt-6.1-sol",
        input=[{
            "role": "user",
            "content": [
                {"type": "input_text", "text": "Describe what you see."},
                {"type": "input_image", "image_url": f"data:image/png;base64,{capture}"},
            ],
        }],
    )
    print("Response:", response.output_text)

    browser.close()
    pw.stop()

if __name__ == "__main__":
    test_installation()

Jekk il-console turi deskrizzjoni tal-paġna example.com, il-konfigurazzjoni tiegħek hija lesta, u tista’ tipproċedi biex tibni aġent sħiħ.

Punti Ewlenin

  • Installa openai, playwright, u pillow f’ambjent virtwali ddedikat, imbagħad ħaddem playwright install chromium
  • Żomm iċ-OPENAI_API_KEY f’varjabbli tal-ambjent, qatt fil-kodiċi
  • Iddikjara l-għodda b’tools=[{"type": "computer"}] billi tuża mudell appoġġjat (l-eżempji ta’ OpenAI jużaw gpt-6.1-sol)
  • Il-koordinati tal-mudell jirreferu għall-iscreenshot mibgħut: aqbad iż-żona li taġixxi fuqha bl-istess skala
  • Dejjem ittestja b’skript minimu qabel ma tibni flussi ta’ ħidma kumplessi