GPT-6 Astra bisa menggunakan komputer. Bukan browser demo di dalam sandbox: komputer sungguhan, lengkap dengan desktop, terminal, perangkat lunak yang terpasang, dan kredensial apa pun yang kebetulan ada di dalamnya. Pos peluncuran OpenAI memberi skor 72,6% pada OSWorld 2.0 dengan waktu sekitar 40 menit per tugas, dan menyebut pemasangan serta pengujian perangkat lunak, menjalankan pemeriksaan QA frontend, dan penelusuran masalah yang terlihat di layar sebagai beberapa hal yang dikuasainya. Astra menyelesaikan tugas-tugas itu sekitar 47% lebih cepat daripada GPT-5.6 Sol.
Pertanyaan pertama bagi sebuah tim bukanlah apa yang bisa dilakukannya. Melainkan di mesin siapa, di dalam batas apa, dengan catatan apa, dan dengan tanda tangan siapa pada hasilnya. Sharkly menjawab keempat pertanyaan itu dengan empat objek: sebuah Computer, direktori Task yang terisolasi, log eksekusi, dan seorang manusia yang menerima hasilnya. Panduan ini membahas masing-masingnya untuk pekerjaan computer-use, lalu ditutup dengan cara merancang solusi di sekitar jeda yang sudah diperingatkan OpenAI.
TL;DR
Jalankan Agent computer-use di Computer khusus, bukan di laptop developer. Beri setiap Task direktori terisolasi, timeout, dan batas konkurensi satu. Baca log eksekusi pada Task, bukan di terminal. Biarkan manusia memindahkan Task ke accepted. Monitor OpenAI kadang menghentikan eksekusi yang panjang; buat Task tetap kecil agar penghentian hanya memakan waktu beberapa menit. Agent meneliti, mengeksekusi, menguji, dan melapor. Manusia menentukan arah, memberi wewenang, dan menerima hasilnya.
Empat hal yang dibutuhkan agent pengguna komputer
Host, batas, catatan, dan penerima. Setiap setup yang serius punya keempatnya; pertanyaannya adalah apakah semua itu tersimpan di riwayat shell seseorang atau di tempat yang bisa dilihat tim.
Computer adalah perangkat, server, atau kontainer terhubung tempat Agent dapat menjalankan pekerjaan. Computer menyediakan sistem operasi, berkas, kredensial, akses jaringan, dan alat yang dibutuhkan Agent, serta memiliki pemilik, visibilitas, status, dan batas konkurensi task tersendiri. Itulah host.
Setiap Task mendapat direktori terisolasi, dan pekerjaan berbasis repositori dapat memakai worktree terpisah untuk setiap eksekusi. Agent membawa timeout per-Task dan jumlah maksimum Task yang berjalan paralel. Itulah batasnya.
Setiap eksekusi menghasilkan jejak eksekusi. Tab Executions dan log menyimpan apa yang dilakukan Agent, sedangkan timeline Task menyimpan apa yang dikatakan, ditanyakan, dan dilaporkannya. Itulah catatannya.
Acceptance adalah perubahan status yang dilakukan manusia pada Task, dibatasi oleh Workflow tipe Task. Agent tidak bisa menandai pekerjaannya sendiri sebagai accepted jika Workflow tidak memberinya status itu. Itulah penerimanya.
Host: Computer yang mana
Kemampuan computer use Astra sebanding dengan apa yang diekspos oleh host. Angka keamanan OpenAI sendiri adalah yang terbaik yang pernah dipublikasikannya, dan tetap menjadi alasan untuk memakai host khusus. Pada benchmark keamanan computer-use internal OpenAI, di mana nilai lebih rendah lebih baik, Astra mendapat 2,4% sedangkan Sol 22,0%, dan Astra tidak pernah mencoba mengakali penolakan auto-review Codex. System card juga mencatat bahwa dalam pengujian UK AI Security Institute, Astra meminta izin pada 81% kasus sebelum tindakan sensitif dan tetap melanjutkan meski ditolak otomatis pada 27% kasus. Lebih baik daripada pendahulu mana pun. Tapi bukan nol.
Jadi berikan Computer tersendiri untuk Agent computer-use. Host Linux jarak jauh yang didaftarkan melalui Sharkly CLI dan layanan lokal bisa dipakai, begitu juga mesin virtual yang terhubung melalui Sharkly Desktop. Yang tidak boleh menjalankan Task computer-use adalah laptop yang menyimpan kunci produksi dan browser yang sudah login. Panduan Computers membahas cara mendaftarkan host dengan token instalasi dan memastikan Runtime-nya.
Ikat kredensial per Agent, bukan per host. Variabel lingkungan plain dan secret adalah pengaturan Agent, jadi QA Agent hanya mendapat token staging dan tidak yang lain. Setel maksimum Task paralel Agent itu ke satu; eksekusi computer-use menguasai layar, dan dua eksekusi di satu desktop akan saling berebut.
Batas: direktori, timeout, status
Gunakan direktori kerja Temporary untuk Task berbasis repositori agar setiap eksekusi menyiapkan worktree yang baru. Setel timeout per-Task di atas rata-rata 40 menit OSWorld milik OpenAI dengan sisa waktu yang cukup, dan anggap Task yang menyentuh batas itu sebagai masalah cakupan, bukan masalah model.
Papan status adalah gerbang yang dioperasikan manusia secara sengaja. Task yang ditugaskan ke Agent tidak akan mulai selama berada di Backlog. Memindahkannya ke status yang kategorinya siap dikerjakan itulah yang memulai eksekusi, sedangkan kategori completed, canceled, dan duplicate tidak pernah memulai eksekusi awal. Untuk pekerjaan computer-use hal ini penting: tidak ada yang meluncurkan sesi desktop 40 menit secara tidak sengaja, dan papan status menunjukkan siapa yang meluncurkannya.
Kelima gerbang dari alur kerja review human-in-the-loop kami langsung berlaku pada Astra. Kebijakan persetujuan dan auto-review milik Codex adalah gerbang runtime, dan OpenAI melaporkan bahwa Astra mematuhinya. Konfirmasi rencana, batas eksekusi, sinyal perhatian, dan acceptance adalah gerbang milik Sharkly, dan itulah yang tidak pernah dicatat terminal.
Catatan dan penerima
Eksekusi Astra berlangsung lama, dan bagian yang menarik terjadi saat tidak ada yang mengawasi. Saat Task computer-use selesai, buka Task tersebut: log eksekusi menunjukkan langkah-langkahnya, komentar menunjukkan pertanyaan yang diajukan, dan laporan akhirnya harus menyebutkan pemeriksaan yang dijalankan, apa yang gagal, dan apa yang tidak dilakukannya. QA Agent yang melaporkan “34 halaman diperiksa, 2 blok kode rusak, indeks pencarian basi di /changelog” sudah memberikan sesuatu yang bisa ditindaklanjuti manusia.
Lalu manusia bertindak. Task menampilkan Waiting for human review, peninjau membaca laporan, membuka artefak, dan memindahkan Task ke accepted atau mengembalikannya dengan komentar. Komentar itu bisa memulai eksekusi lanjutan untuk Agent yang sama, sehingga koreksinya mendarat di Task yang sama, bukan di sesi terminal baru.
Kontraknya tidak berubah hanya karena modelnya jadi lebih baik. Agent meneliti, mengeksekusi, menguji, dan melapor. Manusia menentukan arah, memberi wewenang, dan menerima hasilnya. Astra membuat kalimat pertama jadi lebih panjang. Astra tidak mempersingkat kalimat kedua.
Merancang untuk jeda OpenAI
OpenAI luar biasa terus terang soal ini dalam ikhtisar keamanannya: pemantauan misalignment produksi berjalan pada setiap permintaan Astra yang memakai tool, dan pemeriksaannya “kadang bisa memperlambat, menjeda, atau menghentikan pekerjaan yang sah,” termasuk “tugas di mana agent berjalan dalam waktu yang lama.” Computer use adalah hal yang paling lama berjalan yang dilakukan Astra, jadi paling besar kemungkinannya untuk dijeda.
Ada tiga kebiasaan untuk mengatasinya.
Buat Task tetap kecil. Pemeriksaan QA malam yang dipecah menjadi satu Task per permukaan hanya kehilangan satu permukaan karena jeda, bukan seluruh malam. Catatan Task tetap tersimpan, jadi eksekusi ulang akan membawa deskripsi, komentar, dan laporan sebelumnya.
Jadwalkan yang rutin. Automation dengan pemicu jadwal dapat memulai eksekusi Agent berdasarkan ekspresi cron, sehingga pemeriksaan QA frontend berjalan setiap malam pukul 02.00 tanpa diluncurkan manusia, dan hasilnya kembali ke riwayat eksekusi. Panduan kami tentang Automations membahas jenis-jenis pemicunya.
Arahkan gangguan itu ke manusia. Eksekusi yang terblokir atau gagal muncul sebagai item perhatian di Inbox, tempat pemiliknya memutuskan apakah akan menjalankan ulang, mempersempit Task, atau melihat lognya lebih dulu. Baca judul dan detail log sebelum mencoba lagi; detailnya memuat respons asli dari layanan model, dan penghentian oleh monitor terbaca berbeda dari timeout.
Model yang bisa memakai komputer mana pun justru alasan untuk presisi soal komputer mana, direktori mana, log mana, dan orang mana. Sharkly adalah tempat presisi itu berada. Hubungkan satu Computer khusus, buat satu Agent computer-use dengan kredensial staging, dan beri ia tugas yang membosankan.
