OpenRouter 赋予任意模型终端与文件处理能力
OpenRouter 近日宣布了一项重大技术更新，正式推出 openrouter:shell 工具与 Files API。这一组合将彻底改变 AI 应用开发模式，让任何部署在 OpenRouter 上的模型都能拥有独立的 Linux 终端环境，并具备读写文件的能力。
核心突破：Server-Side Agentic Behaviors
此次更新的核心价值在于打破了传统 Chat 模型的局限。过去，模型仅能进行文本生成，无法执行代码或操作文件。现在，开发者可以构建真正的 Server-side Agentic Behaviors（服务器端代理行为）：
- 跨模型一致性：无论底层模型是 DeepSeek、Claude 还是其他，只要配置了工具，它们都能在同一套沙箱环境中运行相同的脚本。
- 闭环工作流：模型可以编写脚本 -> 执行脚本 -> 查看输出（stdout/stderr） -> 根据错误信息修正脚本 -> 再次执行，直至成功。
- 文件持久化：通过 Files API，模型生成的文件（如 CSV 解析结果、生成的图表代码）可以持久化存储，供后续任务调用。
关键技术特性
1. 双标准兼容的 Shell 工具
OpenRouter 提供了两种工具以兼容主流大模型协议：
- openrouter:shell：兼容 OpenAI 的 Responses API，默认在 OpenRouter 沙箱中运行。
- openrouter:bash：兼容 Anthropic 的 Messages API，同样支持服务器端执行。
开发者只需在 tools 数组中添加对应工具，模型即可自主决定何时调用终端。例如，当模型发现 Python 版本过低时，可自动调用 shell 安装新包。
2. 灵活的容器与文件管理
- 隔离沙箱：每个容器是一个独立的 Linux 环境，默认关闭出站网络（Outbound access off），确保安全性。
- 网络策略控制：支持自定义
network_policy，允许指定域名（如 pypi.org）访问，防止意外连接外部风险。 - 文件挂载机制：
- 支持通过 Files API 上传文件，并将其挂载到容器
/workspace/home目录。 - 容器内生成的文件会自动列出 ID，便于下载和复用。
- 容器空闲 5 分钟后自动休眠，节省资源。
- 支持通过 Files API 上传文件，并将其挂载到容器
3. 透明化的执行日志
在 Logs 页面，开发者可以查看请求的时间线视图。每一次模型生成与一次沙箱运行（Sandbox run）都会作为独立行显示，包含各自的耗时和成本，便于调试和计费分析。
实际应用价值
对于开发者而言，这一更新极大地降低了构建复杂 AI 代理（Agent）的门槛：
- 数据清洗与处理：模型可以直接读取本地 CSV 文件，编写清洗脚本，并将结果保存回文件系统，无需人工干预。
- 自动化部署：模型可生成 Dockerfile 或部署脚本，并在沙箱中直接运行
pip install或npm run build命令。 - 低成本的测试环境：Sandbox 测试仅需 $0.0001/秒，非常适合用于原型验证和调试。
快速开始
开发者可以通过 API 轻松集成此功能。以下是一个简单的请求示例，展示了如何向 DeepSeek 模型发送指令并启用 Shell 工具：
{
"model": "deepseek/deepseek-v4-pro-0813",
"input": "Check the Python version, then write a script that prints the first 20 primes and run it.",
"tools": [
{ "type": "openrouter:shell", "parameters": { "engine": "openrouter" } }
]
}
通过这种方式，OpenRouter 正在构建一个统一的 AI 计算平台，将大模型的推理能力与服务器端的执行能力无缝结合。
