Michael Johnson5 октября 2026 года Snowflake объявила общую доступность встроенного инструмента выполнения кода в Cortex Agents. Он позволяет агенту запускать скрипты для обработки данных, расчётов и визуализации во время диалога.
Что изменилось 5 октября
Изменился статус существующего инструмента: Snowflake перевела его из предварительного доступа в General Availability, или GA. Отдельная запись о запуске preview датирована 20 августа 2026 года. Октябрьская новость относится к завершению предварительного этапа доступности.
Согласно описанию настройки инструмента, выполнение кода подключается через спецификацию агента. Агент решает, когда создать и запустить код, исходя из запроса пользователя. Инструмент также выполняет Python-скрипты в составе agent skills — подключаемых инструкций и ресурсов для определённых задач.
Как агент получает данные и выполняет расчёты
В специализированной документации инструмент code_execution описан как выполнение Python в изолированной песочнице. SQL-инструменты запрашивают данные Snowflake вне песочницы, после чего Python обрабатывает полученные результаты. Песочнице доступны переданные в сессию данные и подключённое рабочее пространство.
В общей архитектуре Cortex Agents разные инструменты отвечают за разные этапы работы. Cortex Analyst используется для структурированных данных, Cortex Search — для поиска по документам, а выполнение кода добавляет программную обработку. По описанию Snowflake, управляемая оркестрация позволяет агенту планировать работу, вызывать инструменты и формировать ответ.
Из этой архитектуры следует практический сценарий для аналитического помощника: получить выборку, выполнить расчёт и подготовить график в рамках одного диалога. При проектировании такого сценария полезно отдельно определить исходную выборку, формулу расчёта и способ проверки результата. Это даёт команде понятные этапы для воспроизводимого тестирования.
Рекомендации о правах доступа следует читать с учётом хронологии. Руководство Best Practices, обновлённое 15 июня 2026 года и проверенное редакцией 8 октября, говорит о наследовании прав роли владельца агента и предлагает сохранять результаты в таблицу. На странице прямо указано, что материал не поддерживается на постоянной основе и может быть устаревшим. Более поздняя запись preview от 20 августа уже устанавливает конкретные правила: SQL выполняется вне песочницы, файлы сохраняются в подключённом workspace, а вызовы с owner’s rights не поддерживают выполнение кода. Эти же условия изложены в действующей специализированной документации.
Что сохраняется между вычислениями
По правилам рабочего пространства, записанные в него файлы переживают остановку песочницы. Переменные и импортированные модули между отдельными выполнениями могут теряться. Результаты, нужные для последующих шагов, следует записывать в файлы.
Ещё на этапе августовского preview Snowflake перечислила предустановленные библиотеки обработки данных и построения графиков, включая pandas, NumPy, matplotlib и Plotly. Дополнительные пакеты подключаются через Artifact Repository. При подготовке рабочего сценария стоит заранее определить его зависимости и способ передачи промежуточных результатов.
Какие условия важны при подключении
Текущая документация устанавливает ограничение для вызовов с правами владельца — owner’s rights. При вызове агента из такой хранимой процедуры инструменты выполнения кода удаляются из запроса, песочница не создаётся, а ответ содержит предупреждение. Для выполнения кода нужен вызов с правами вызывающего пользователя — caller’s rights.
GA подтверждена датированной записью релиза. Перед подключением в конкретном аккаунте команде нужно уточнить региональную доступность, тарификацию исполнения, ресурсные лимиты и условия поддержки: октябрьский анонс этих параметров не перечисляет.
Кому пригодится встроенный Python
Инструмент подходит прежде всего командам, создающим аналитических помощников внутри Snowflake. Его практическая роль — связать получение данных с программными расчётами и визуализацией в одном процессе агента. Описанные в обзоре Cortex Agents инструменты позволяют сочетать работу со структурированными данными и поиск по документам, а Python добавляет вычислительный этап.
Для внедрения ключевыми становятся три решения: какой инструмент получает исходную выборку, с какими правами вызывается агент и где сохраняются результаты. Их стоит проверить на небольшом воспроизводимом задании с заранее известным ответом — например, расчёте показателя по фиксированной выборке и построении соответствующего графика.