Michael Johnson5 października 2026 roku Snowflake ogłosił ogólną dostępność wbudowanego narzędzia wykonywania kodu w Cortex Agents. Pozwala ono agentowi uruchamiać skrypty do przetwarzania danych, obliczeń i wizualizacji podczas rozmowy.
Co zmieniło się 5 października
Zmienił się status istniejącego narzędzia: Snowflake przeniósł je z wersji zapoznawczej do ogólnej dostępności, czyli GA. Osobny wpis o uruchomieniu wersji zapoznawczej jest datowany na 20 sierpnia 2026 roku. Październikowa wiadomość dotyczy zakończenia etapu wstępnej dostępności.
Zgodnie z opisem konfiguracji narzędzia wykonywanie kodu włącza się przez specyfikację agenta. Agent decyduje, kiedy utworzyć i uruchomić kod, na podstawie żądania użytkownika. Narzędzie wykonuje także skrypty Pythona w ramach umiejętności agenta — dołączanych instrukcji i zasobów przeznaczonych do określonych zadań.
Jak agent pobiera dane i wykonuje obliczenia
W dedykowanej dokumentacji narzędzie code_execution opisano jako wykonywanie Pythona w izolowanej piaskownicy. Narzędzia SQL pobierają dane Snowflake poza piaskownicą, po czym Python przetwarza uzyskane wyniki. Piaskownica ma dostęp do danych przekazanych do sesji i podłączonej przestrzeni roboczej.
W ogólnej architekturze Cortex Agents różne narzędzia odpowiadają za różne etapy pracy. Cortex Analyst służy do obsługi danych ustrukturyzowanych, Cortex Search — do wyszukiwania w dokumentach, a wykonywanie kodu dodaje przetwarzanie programistyczne. Według opisu Snowflake zarządzana orkiestracja pozwala agentowi planować pracę, wywoływać narzędzia i formułować odpowiedź.
Z tej architektury wynika praktyczny scenariusz dla asystenta analitycznego: pobranie zbioru danych, wykonanie obliczeń i przygotowanie wykresu w ramach jednej rozmowy. Przy projektowaniu takiego scenariusza warto oddzielnie określić wejściowy zbiór danych, wzór obliczeniowy i sposób weryfikacji wyniku. Daje to zespołowi jasno określone etapy umożliwiające powtarzalne testowanie.
Zalecenia dotyczące uprawnień dostępu należy czytać z uwzględnieniem chronologii. Poradnik Best Practices, zaktualizowany 15 czerwca 2026 roku i sprawdzony przez redakcję 8 października, mówi o dziedziczeniu uprawnień roli właściciela agenta i sugeruje zapisywanie wyników w tabeli. Na stronie wyraźnie zaznaczono, że materiał nie jest na bieżąco aktualizowany i może być nieaktualny. Późniejszy wpis o wersji zapoznawczej z 20 sierpnia ustanawia już konkretne zasady: SQL jest wykonywany poza piaskownicą, pliki są zapisywane w podłączonej przestrzeni roboczej, a wywołania z owner’s rights nie obsługują wykonywania kodu. Te same warunki opisano w aktualnej dedykowanej dokumentacji.
Co jest zachowywane między obliczeniami
Zgodnie z zasadami przestrzeni roboczej zapisane w niej pliki pozostają dostępne po zatrzymaniu piaskownicy. Zmienne i zaimportowane moduły mogą zostać utracone między poszczególnymi wykonaniami. Wyniki potrzebne w kolejnych krokach należy zapisywać w plikach.
Już na etapie sierpniowej wersji zapoznawczej Snowflake wymienił preinstalowane biblioteki do przetwarzania danych i tworzenia wykresów, w tym pandas, NumPy, matplotlib i Plotly. Dodatkowe pakiety dołącza się przez Artifact Repository. Przy przygotowywaniu scenariusza pracy warto wcześniej określić jego zależności i sposób przekazywania wyników pośrednich.
Jakie warunki są istotne przy konfiguracji
Aktualna dokumentacja ustanawia ograniczenie dla wywołań z uprawnieniami właściciela — owner’s rights. Gdy agent jest wywoływany z takiej procedury składowanej, narzędzia wykonywania kodu są usuwane z żądania, piaskownica nie jest tworzona, a odpowiedź zawiera ostrzeżenie. Wykonywanie kodu wymaga wywołania z uprawnieniami użytkownika wywołującego — caller’s rights.
Ogólna dostępność została potwierdzona datowanym wpisem w informacjach o wydaniu. Przed włączeniem narzędzia na konkretnym koncie zespół powinien ustalić dostępność regionalną, opłaty za wykonywanie kodu, limity zasobów i warunki wsparcia: październikowe ogłoszenie nie wymienia tych parametrów.
Komu przyda się wbudowany Python
Narzędzie jest przeznaczone przede wszystkim dla zespołów tworzących asystentów analitycznych w Snowflake. Jego praktyczna rola polega na połączeniu pobierania danych z obliczeniami programistycznymi i wizualizacją w jednym procesie agenta. Narzędzia opisane w przeglądzie Cortex Agents pozwalają łączyć pracę z danymi ustrukturyzowanymi i wyszukiwanie w dokumentach, a Python dodaje etap obliczeniowy.
Przy wdrożeniu kluczowe stają się trzy decyzje: które narzędzie pobiera wejściowy zbiór danych, z jakimi uprawnieniami wywoływany jest agent i gdzie zapisywane są wyniki. Warto je sprawdzić na niewielkim, powtarzalnym zadaniu z wcześniej znaną odpowiedzią — na przykład obliczeniu wskaźnika na podstawie stałego zbioru danych i przygotowaniu odpowiadającego mu wykresu.