Michael JohnsonDen 5 oktober 2026 meddelade Snowflake allmän tillgänglighet för det inbyggda verktyget för kodkörning i Cortex Agents. Det låter agenten köra skript för databearbetning, beräkningar och visualisering under en dialog.
Vad förändrades den 5 oktober?
Statusen för det befintliga verktyget ändrades: Snowflake flyttade det från förhandsversion till allmän tillgänglighet, General Availability eller GA. En separat notis om lanseringen av förhandsversionen är daterad den 20 augusti 2026. Oktobernyheten gäller avslutningen av förhandsfasen.
Enligt beskrivningen av verktygets konfiguration aktiveras kodkörning via agentspecifikationen. Agenten avgör när kod ska skapas och köras utifrån användarens förfrågan. Verktyget kör också Python-skript som ingår i agentfärdigheter – anslutningsbara instruktioner och resurser för särskilda uppgifter.
Hur agenten hämtar data och utför beräkningar
I den verktygsspecifika dokumentationen beskrivs code_execution som Python-körning i en isolerad sandlåda. SQL-verktyg hämtar data från Snowflake utanför sandlådan, varefter Python bearbetar resultaten. Sandlådan har tillgång till data som överförts till sessionen och till den anslutna arbetsytan.
I den övergripande arkitekturen för Cortex Agents ansvarar olika verktyg för olika arbetsmoment. Cortex Analyst används för strukturerade data, Cortex Search för dokumentsökning, medan kodkörning tillför programmatisk bearbetning. Enligt Snowflakes beskrivning gör hanterad orkestrering det möjligt för agenten att planera arbetet, anropa verktyg och formulera ett svar.
Denna arkitektur ger ett praktiskt användningsfall för en analysassistent: hämta ett dataurval, utföra en beräkning och skapa ett diagram inom samma dialog. Vid utformningen av ett sådant arbetsflöde är det värdefullt att separat definiera det ursprungliga dataurvalet, beräkningsformeln och hur resultatet ska kontrolleras. Det ger teamet tydliga steg för reproducerbar testning.
Rekommendationerna om åtkomsträttigheter bör läsas med hänsyn till tidsföljden. Guiden Best Practices, som uppdaterades den 15 juni 2026 och granskades av redaktionen den 8 oktober, beskriver hur behörigheter ärvs från agentägarens roll och föreslår att resultaten sparas i en tabell. Sidan anger uttryckligen att materialet inte underhålls löpande och kan vara inaktuellt. Den senare notisen om förhandsversionen den 20 augusti fastställer konkreta regler: SQL körs utanför sandlådan, filer sparas i den anslutna arbetsytan och anrop med owner’s rights stöder inte kodkörning. Samma villkor beskrivs i den aktuella verktygsspecifika dokumentationen.
Vad sparas mellan beräkningarna?
Enligt reglerna för arbetsytan finns filer som skrivits dit kvar efter att sandlådan stoppats. Variabler och importerade moduler kan gå förlorade mellan enskilda körningar. Resultat som behövs i senare steg bör skrivas till filer.
Redan i förhandsversionen i augusti listade Snowflake förinstallerade bibliotek för databearbetning och diagram, bland annat pandas, NumPy, matplotlib och Plotly. Ytterligare paket ansluts via Artifact Repository. När ett arbetsflöde förbereds bör dess beroenden och sättet att överföra mellanresultat fastställas i förväg.
Vilka villkor är viktiga vid anslutning?
Den aktuella dokumentationen anger en begränsning för anrop med ägarens behörigheter – owner’s rights. När agenten anropas från en sådan lagrad procedur tas kodkörningsverktygen bort från begäran, ingen sandlåda skapas och svaret innehåller en varning. Kodkörning kräver ett anrop med den anropande användarens behörigheter – caller’s rights.
GA bekräftas av en daterad versionsnotis. Innan funktionen ansluts i ett visst konto behöver teamet kontrollera regional tillgänglighet, prissättning för körning, resursgränser och supportvillkor: oktobermeddelandet listar inte dessa parametrar.
Vem har nytta av inbyggd Python?
Verktyget passar främst team som bygger analysassistenter i Snowflake. Dess praktiska roll är att koppla samman datahämtning med programmatiska beräkningar och visualisering i ett och samma agentflöde. Verktygen som beskrivs i översikten över Cortex Agents gör det möjligt att kombinera arbete med strukturerade data och dokumentsökning, medan Python tillför ett beräkningssteg.
Vid införandet blir tre beslut centrala: vilket verktyg som hämtar det ursprungliga dataurvalet, vilka behörigheter agenten anropas med och var resultaten sparas. Dessa bör kontrolleras med en liten reproducerbar uppgift med ett på förhand känt svar – exempelvis beräkning av ett nyckeltal utifrån ett fast dataurval och skapande av motsvarande diagram.