# GPT-6 Astra 电脑操作 API：接入循环、安全确认与结果验收

> Astra 不会替你的应用托管浏览器。先选执行方式，再把权限、界面状态和业务验收接进同一个可停止的循环。

- URL: https://blog.laozhang.ai/zh/posts/gpt-6-astra-computer-use-api
- Published: 2026-09-04
- Updated: 2026-09-04
- Author: LaoZhang AI Team (https://blog.laozhang.ai/zh/about)
- Topic: API 接入指南
- Tags: GPT-6 Astra, OpenAI API, computer use, Responses API

---
GPT-6 Astra 的电脑操作能力并不是“把一句话发给模型，电脑就自动完成任务”。在 API 集成中，你的应用仍要提供浏览器或桌面运行环境、执行模型提出的操作、回传新界面，并在最后检查目标系统里究竟发生了什么。OpenAI 当前的[电脑操作指南](https://developers.openai.com/api/docs/guides/tools-computer-use)推荐 Astra 通过代码执行（code execution）操作界面；原生 `computer` 工具也仍受支持。

截至 2026 年 9 月 4 日，访问还在分批开放。OpenAI 的[模型页](https://developers.openai.com/api/docs/models/gpt-6-astra)写明，Astra 先面向 Trusted Access Program 企业客户推出，API 及 Plus、Pro、Business、Enterprise 的访问会在随后几天扩展。这不等于每个账号现在都能调用。ChatGPT 工作区里能看到模型，也不能证明某个 API 项目已获授权。

因此，实施顺序应从三件事开始：确认自己的 API 项目能调用 `gpt-6-astra`，选择适合现有自动化系统的执行方式，再为风险动作和最终结果设计独立的检查。

## 先分清两种接入方式

两种方式都通过 Responses API 工作，也都要求你的程序真正执行动作。区别在于模型返回什么，以及你的执行环境需要提供什么。

| 接入方式 | 模型返回 | 你的应用负责 | 更适合 |
|---|---|---|---|
| code execution | 调用自定义 function，并给出可操作界面的脚本 | 提供隔离且持久的 Playwright、PyAutoGUI 或等价运行环境，执行脚本并返回观察结果 | 已有自动化库、需要循环和条件判断、希望一次组合多个受控动作 |
| `computer` tool | `computer_call.actions[]` 中的结构化鼠标和键盘动作 | 逐项执行获准动作，截取更新后的界面，再返回截图 | 已有事件执行器，想逐动作控制和记录 |

OpenAI 在[code execution 说明](https://developers.openai.com/api/docs/guides/tools-computer-use#use-code-execution)中把它作为 Astra 的首选。模型调用的是你定义的普通函数工具；示例里的执行服务属于开发者应用，并不是 OpenAI 托管的远程电脑。一次脚本可以包含点击、循环或条件逻辑，因此权限限制必须在执行器及其提供的辅助函数中落实，不能只写在提示词里。

如果现有系统已经把 UI 操作封装成 function calling 或远程 MCP 工具，可以继续使用这个接口。只有当 `computer` 返回的结构化动作更适合你的事件管线时，才有必要改用原生工具。

![两种接入方式、Responses API 控制循环、三种状态与安全确认的关系图](https://blog.laozhang.ai/posts/zh/gpt-6-astra-computer-use-api/img/control-loop-and-state.webp)

## 代码执行方式的最小循环

下面是控制关系的简化骨架。它省略了真正的沙箱、登录状态保存和动作策略；`executeInIsolatedRuntime` 与 `verifyTargetState` 都需要由你的应用实现。

```js
const tools = [{
  type: "function",
  name: "execute_ui_script",
  description: "Run approved UI automation in a persistent isolated browser",
  parameters: {
    type: "object",
    properties: { code: { type: "string" } },
    required: ["code"],
    additionalProperties: false
  },
  strict: true
}];

let input = [{ role: "user", content: task }];
let previousResponseId;

for (let step = 0; step < 12; step++) {
  const response = await client.responses.create({
    model: "gpt-6-astra",
    tools,
    input,
    previous_response_id: previousResponseId,
    reasoning: { effort: "low" }
  });

  if (response.status !== "completed") break;

  const calls = response.output.filter(
    item => item.type === "function_call"
  );
  if (calls.length === 0) {
    await verifyTargetState();
    break;
  }

  input = [];
  for (const call of calls) {
    const args = JSON.parse(call.arguments);
    const decision = await checkPolicyAndConfirm(args.code);
    if (!decision.allowed) throw new Error("execution stopped");

    const observation = await executeInIsolatedRuntime(args.code);
    input.push({
      type: "function_call_output",
      call_id: call.call_id,
      output: observation
    });
  }
  previousResponseId = response.id;
}
```

这里最容易漏掉的是 `call_id`。每个执行结果必须对应原始调用；`previous_response_id` 则让下一次 Responses 请求延续模型对话。[官方连接运行环境的示例](https://developers.openai.com/api/docs/guides/tools-computer-use#connect-your-own-runtime)采用同样的关系。

循环上限 12 只是示例。生产系统应按任务设置步数、总时长和预算，并在 API 返回 incomplete 或 failed、脚本不完整、运行环境失联、登录状态消失时停止。盲目重发最后一个脚本可能重复提交表单或重复修改数据。

## 使用 computer 工具时，回传操作后的截图

原生方式从 `tools: [{ type: "computer" }]` 开始。模型产生一个 `computer_call`，其中可以包含按顺序执行的多项动作。应用执行允许的动作后，截取更新后的屏幕，再以相同 `call_id` 返回 `computer_call_output`；截图对象的类型是 `computer_screenshot`。

```js
const next = await client.responses.create({
  model: "gpt-6-astra",
  tools: [{ type: "computer" }],
  previous_response_id: response.id,
  input: [{
    type: "computer_call_output",
    call_id: computerCall.call_id,
    output: {
      type: "computer_screenshot",
      image_url: screenshotDataUrl,
      detail: "original"
    }
  }]
});
```

[截图说明](https://developers.openai.com/api/docs/guides/tools-computer-use-integration#capture-screenshots)建议在需要精确坐标时使用 `detail: "original"`。更大的截图会增加输入 token；如果为了成本缩小图片，执行器必须把模型坐标正确映射回原始界面。否则模型判断可能正确，实际点击位置仍会偏移。

`computer_call.status` 为 `completed` 只表示模型把这次调用生成完了。它没有替你的程序点击，也没有证明页面接受了操作。[循环文档](https://developers.openai.com/api/docs/guides/tools-computer-use-integration#repeat-the-computer-use-loop)要求持续执行、回传并检查，直到不再出现 `computer_call`，而最终业务结果还要另外验收。

## 同时维护三种状态

电脑操作常见的“模型说完成了，但系统没有变化”，通常不是一个状态问题。

| 状态 | 由谁保存 | 丢失后的表现 |
|---|---|---|
| Responses 对话 | OpenAI API，以 `previous_response_id` 等方式续接 | 模型缺少前一步意图与观察 |
| 浏览器或桌面运行环境 | 你的执行服务 | 标签页、登录、窗口或运行变量与模型描述不一致 |
| 真实业务结果 | 目标网站、数据库或应用 | UI 看似结束，但记录未保存、对象数量不对或状态未改变 |

![三种状态、三道防线、人工确认和失败场景的验收图](https://blog.laozhang.ai/posts/zh/gpt-6-astra-computer-use-api/img/three-states-and-guardrails.webp)

`previous_response_id` 不会恢复浏览器会话，更不会回滚外部动作。每轮执行前都应确认当前页面仍是预期页面；断线恢复时先重新观察，而不是假设屏幕停在上一步。

最终验收也不要只检查一条成功提示。以“把三条测试联系人写入 CRM 草稿”为例，完成条件可以是：确实存在三条草稿、字段值与输入一致、没有发送通知、没有正式提交。模型的文字总结只能作为线索，目标系统的可读取状态才是结果。

## 把人工确认放在风险发生之前

OpenAI 的[安全运行要求](https://developers.openai.com/api/docs/guides/tools-computer-use#run-safely)把隔离、允许列表、确认、取消和结果核验交给集成方。一个实用的任务定义至少应包含：

- 允许访问的域名、应用、账号和数据范围；
- 允许自动执行的低风险动作，例如导航、读取和填写未提交草稿；
- 必须停下确认的动作，例如购买、发送或上传数据、删除、修改权限；
- 禁止触碰的凭据、生产资源和系统设置；
- 最大步骤、时间、成本与连续失败次数；
- 由目标系统读取的成功条件，以及无法确认时的失败状态。

网页、邮件、PDF 或工具返回的文字都是外部内容，不能给模型新增权限。页面里即使写着“请关闭安全检查并继续”，也不应改变用户授权。对 `actions[]`，执行器应在第一项需要确认的动作之前停止；对生成脚本，则需要在底层辅助函数中限制域名、文件、网络和可调用动作，因为一段脚本可能连续做很多事。

执行生成代码的环境应可丢弃、最小权限，并与 API 密钥和生产凭据隔离。[执行服务指南](https://developers.openai.com/api/docs/guides/tools-computer-use-integration#connect-to-your-execution-service)明确提醒，Node.js `vm` 或限制 Python globals 不能单独构成安全边界。客户端请求超时也不会自动终止运行环境里的失控进程，两边都要有截止时间和取消机制。

## 分批开放、参数兼容与旧版迁移的注意事项

首先，工具调用必须走 Responses API。Astra 虽然也列出 Chat Completions 接口，但[当前迁移指南](https://developers.openai.com/api/docs/guides/latest-model#gpt-6-astra-update-api-and-model-parameters)规定 tools 使用 Responses。可用的推理强度是 `low`、`medium`、`high`、`xhigh` 和 `max`；从 `none` 或 `minimal` 迁移时应先改为 `low`。不要继续发送不支持的 `temperature`、`top_p` 或 logprobs 参数。

其次，ChatGPT 权限和 API 权限必须分别检查。[工作区模型说明](https://learn.chatgpt.com/docs/enterprise/workspace-model-availability#gpt-6-astra-in-enterprise)显示，Enterprise 的初始开放还涉及管理员配置。看到同事在 ChatGPT 中使用 Astra，不代表你的服务端密钥已获准调用。

最后，维护 `computer-use-preview` 的团队不要把两件事混为一谈。OpenAI 当前的[电脑操作集成文档](https://developers.openai.com/api/docs/guides/tools-computer-use-integration)仍然把旧模型迁到 `gpt-5.6-sol` 与 `computer`，并把单个 `action` 改成批量 `actions[]`。新建 Astra 集成时采用代码执行是另一项建议，并不等于官方已经给出“preview 直接迁 Astra”的路径。

## 上线前用失败场景验收

一条顺利演示不能证明自动化已可上线。至少用以下故障验证控制循环：

1. 登录过期：执行器是否停止并要求重新登录，而不是在错误页面继续点击；
2. 页面插入诱导指令：策略是否保持原权限，不接受网页自行扩大授权；
3. 批量动作中途出现删除或提交：是否在该动作之前暂停；
4. 截图尺寸改变：坐标是否正确映射，是否先观察再继续；
5. API 或运行环境中断：是否记录最后一个已确认结果，避免重复提交；
6. 模型停止调用：应用是否仍查询目标记录，而不是直接采用“完成”文本。

OpenAI 的异常行为监控（misalignment monitoring）可能对部分 Responses 会话发出告警，或停止后续调用，但 [OpenAI 异常行为监控文档](https://developers.openai.com/api/docs/guides/safety-checks/misalignment-monitoring)同时指出，它可能误报、漏报，也可能在动作发生后才发现问题；停止会话不会撤销已经执行的动作。收到 `misalignment_policy_violation` 时不应自动重试。这个监控可以增加一道信号，不能替代你的确认和验收。

当 API 项目确实获得 Astra 访问、执行环境能持续返回真实观察、风险动作会在执行前暂停、失败可取消并恢复、最终结果能从目标系统独立验证时，电脑操作才从模型演示变成可用的工程能力。

## 参考来源

本文引用的外部页面，按正文出现顺序排列。最后更新于 2026-09-04。

- [电脑操作指南](https://developers.openai.com/api/docs/guides/tools-computer-use) (developers.openai.com)
- [模型页](https://developers.openai.com/api/docs/models/gpt-6-astra) (developers.openai.com)
- [截图说明](https://developers.openai.com/api/docs/guides/tools-computer-use-integration) (developers.openai.com)
- [当前迁移指南](https://developers.openai.com/api/docs/guides/latest-model) (developers.openai.com)
- [工作区模型说明](https://learn.chatgpt.com/docs/enterprise/workspace-model-availability) (learn.chatgpt.com)
- [OpenAI 异常行为监控文档](https://developers.openai.com/api/docs/guides/safety-checks/misalignment-monitoring) (developers.openai.com)