OpenAI 扩充了 Responses API 的多项基础能力，以解决长期代理型任务中常见的两个问题：一是对话与工作状态累积后容易触及模型上下文上限，二是代理需要更可预测的计算与执行环境来运行脚本、处理文件或整理数据。此次更新将压缩、容器化与终端式执行整合为可组合的组件，使开发者能够使用同一套 API 执行长时间任务。

OpenAI 引入了服务端压缩与整理机制，强化上下文管理。开发者在调用 Responses API 时，可设置由系统自动管理上下文，并指定触发压缩的阈值。当对话内容累积到一定长度，服务端将在同一流式响应中自动进行压缩与裁剪，降低因上下文持续膨胀而导致后续请求失败的风险。官方说明，压缩后的内容将被加密保存，主要用于帮助模型延续工作脉络，并非设计供人工直接阅读。

在执行环境方面，OpenAI 推出了 Shell 工具，使模型能够在完整的终端环境中执行命令。Shell 提供两种运行模式：一是 OpenAI 托管的容器环境，二是开发者自行托管并返回执行结果的本地模式。

容器支持复用，允许同一任务在多次请求间延续状态，但并非永久工作区，若长时间未使用可能会过期。开发者只需在后续请求中持续引用同一容器，即可在容器存活期间保持文件与工作状态的连续性，适用于迭代式分析与数据处理流程。

容器的对外连接默认关闭。官方解释，托管容器默认无外部网络访问权限；如需开启，需由组织管理员在后台配置允许列表，之后每次请求需明确指定本次允许连接的域名。OpenAI 提醒，允许列表可能引入提示词注入导致的数据泄露风险，应仅限必要且可信的目标。

Responses API 的 Shell 工具还提供了 domain_secrets 机制，以满足用户凭证与私有授权需求。模型在执行时仅看到占位符名称，系统会在核准目标请求时自动注入真实的密钥或令牌，降低凭证在上下文中暴露或外泄的风险。

此外，OpenAI 新推出了 Skills 组件。OpenAI 将 Skill 定义为包含 SKILL.md 清单的版本化文件集合，可用于封装可复用的流程与规范，并宣称其兼容开放的 Agent Skills 标准。技能可挂载至托管或本地 Shell 环境中，使同一套工作规范可在不同执行环境中重复使用。