Michael Johnson5. oktober 2026 kunngjorde Snowflake generell tilgjengelighet for det innebygde verktøyet for kodekjøring i Cortex Agents. Det lar agenten kjøre skript for databehandling, beregninger og visualisering under samtalen.
Hva endret seg 5. oktober?
Statusen til det eksisterende verktøyet ble endret: Snowflake flyttet det fra forhåndstilgang til generell tilgjengelighet, eller GA. En egen melding om lanseringen av forhåndsversjonen er datert 20. august 2026. Nyheten i oktober gjelder avslutningen av fasen med forhåndstilgang.
Ifølge beskrivelsen av verktøyets oppsett aktiveres kodekjøring gjennom agentspesifikasjonen. Agenten avgjør når den skal opprette og kjøre kode, ut fra brukerens forespørsel. Verktøyet kjører også Python-skript som del av agentferdigheter — tilknyttede instruksjoner og ressurser for bestemte oppgaver.
Hvordan agenten henter data og utfører beregninger
I den verktøyspesifikke dokumentasjonen beskrives code_execution som kjøring av Python i en isolert sandkasse. SQL-verktøy henter data fra Snowflake utenfor sandkassen, og deretter behandler Python resultatene. Sandkassen har tilgang til data som er overført til økten, og det tilknyttede arbeidsområdet.
I den overordnede arkitekturen for Cortex Agents har ulike verktøy ansvar for ulike trinn i arbeidet. Cortex Analyst brukes til strukturerte data, Cortex Search til dokumentsøk, mens kodekjøring tilfører programmatisk behandling. Ifølge Snowflakes beskrivelse lar administrert orkestrering agenten planlegge arbeidet, kalle verktøy og utforme et svar.
Denne arkitekturen gir et praktisk scenario for en analyseassistent: hente et datautvalg, utføre en beregning og lage et diagram i én og samme samtale. Når et slikt scenario utformes, er det nyttig å definere datautvalget, beregningsformelen og metoden for å kontrollere resultatet hver for seg. Det gir teamet tydelige trinn for reproduserbar testing.
Anbefalinger om tilgangsrettigheter bør leses i lys av tidslinjen. Veiledningen om beste praksis, oppdatert 15. juni 2026 og kontrollert av redaksjonen 8. oktober, omtaler arv av rettighetene til agentens eierrolle og foreslår å lagre resultater i en tabell. Siden opplyser uttrykkelig at materialet ikke vedlikeholdes løpende og kan være utdatert. Den senere meldingen om forhåndsversjonen fra 20. august fastsetter allerede konkrete regler: SQL kjøres utenfor sandkassen, filer lagres i det tilknyttede arbeidsområdet, og kall med owner’s rights støtter ikke kodekjøring. De samme vilkårene er beskrevet i den gjeldende verktøyspesifikke dokumentasjonen.
Hva beholdes mellom beregningene?
Ifølge reglene for arbeidsområdet beholdes filer som er skrevet til det, også etter at sandkassen stoppes. Variabler og importerte moduler kan gå tapt mellom separate kjøringer. Resultater som trengs i senere trinn, bør skrives til filer.
Allerede ved forhåndslanseringen i august listet Snowflake opp forhåndsinstallerte biblioteker for databehandling og diagrammer, blant annet pandas, NumPy, matplotlib og Plotly. Flere pakker kan kobles til gjennom Artifact Repository. Når et scenario for praktisk bruk forberedes, bør avhengighetene og metoden for å overføre mellomresultater avklares på forhånd.
Hvilke vilkår er viktige ved oppsett?
Den gjeldende dokumentasjonen fastsetter en begrensning for kall med eierens rettigheter — owner’s rights. Når agenten kalles fra en slik lagret prosedyre, fjernes verktøyene for kodekjøring fra forespørselen, sandkassen opprettes ikke, og svaret inneholder en advarsel. Kodekjøring krever et kall med den kallende brukerens rettigheter — caller’s rights.
GA er bekreftet i en datert utgivelsesmelding. Før verktøyet aktiveres i en bestemt konto, må teamet avklare regional tilgjengelighet, prising av kjøring, ressursgrenser og støttevilkår: kunngjøringen fra oktober oppgir ikke disse parameterne.
Hvem har nytte av innebygd Python?
Verktøyet passer først og fremst for team som bygger analyseassistenter i Snowflake. Den praktiske rollen er å koble datauthenting til programmatiske beregninger og visualisering i én agentprosess. Verktøyene som beskrives i oversikten over Cortex Agents, gjør det mulig å kombinere arbeid med strukturerte data og dokumentsøk, mens Python tilfører et beregningstrinn.
Ved innføring blir tre avgjørelser sentrale: hvilket verktøy som henter datautvalget, hvilke rettigheter agenten kalles med, og hvor resultatene lagres. Disse bør testes med en liten, reproduserbar oppgave med et kjent svar — for eksempel beregning av en indikator fra et fast datautvalg og opprettelse av et tilhørende diagram.