ИИтог

OpenAI запустила Agents API, управляемый сервис для ИИ-агентов на Codex

ИИ-агентыРедакция ИИтогHacker News🔥80Рейтинг ИИтог80Влияние75Новизна65Релевантность95Неожиданность55Участники95Достоверность90
OpenAI запустила Agents API, управляемый сервис для ИИ-агентов на Codex

OpenAI Agents API, управляемый API, который даёт приложению доступ к харнессу Codex: OpenAI берёт на себя сессии, оркестрацию работы, сжатие контекста и восстановление после сбоев, а разработчик со своей стороны подключает инструменты и выбирает среду выполнения, песочницу, которую хостит сам OpenAI, или собственную (self-hosted).

Внутри песочницы агент выполняет код, редактирует файлы, подключается к MCP-серверам (MCP, Model Context Protocol, протокол для подключения агента к внешним инструментам и данным) и производит артефакты. Документация описывает API через четыре понятия: агент, модель, инструкции, инструменты и MCP-серверы, которые ему доступны; среда, опциональная песочница или компьютер, где агент видит файлы, подгружает навыки и запускает команды; сессия, долгоживущий экземпляр агента, который работает над задачами и отвечает на ввод; события и элементы, то, что отправляется агенту на вход, и то, что он производит за сессию.

Работа с сессией, которую хостит OpenAI, укладывается в четыре шага: создать сессию и настроить агента (OpenAI сама разворачивает для него среду), передать задачу (ход работы начинается, когда среда готова), следить за прогрессом, через потоковый вывод или вебхуки, чтобы узнать, когда агент закончил или ждёт ответа, и затем продолжать работу или направлять агента прямо во время текущего хода, отправляя новые задачи в ту же сессию. Состояние сессии сохраняется, поэтому работу можно продолжать через несколько ходов без пересборки контекста разговора с нуля; сессии и опубликованные артефакты, которые больше не нужны, можно удалить.

По описанию документации, управляемый харнесс Codex умеет: выполнять команды и код в песочнице; применять релевантные навыки и инструкции; подключаться к внешним данным через инструменты или MCP; принимать команды и вмешиваться в работу агента прямо во время хода; сжимать предыдущую работу агента, чтобы удержаться в окне контекста; разбивать задачу на подзадачи и делегировать их субагентам; возобновлять сессию с места, где она была прервана. В примере кода из раздела быстрого старта (он приведён на JavaScript/TypeScript, Python, Go, Java, Ruby и как curl-запрос) многоагентный режим включён явно, с лимитом в 4 параллельных субагента, которым основной агент может передавать часть работы. Среди готовых примеров использования в документации, «Document reviewer» (проверка документов): документы разбираются с помощью навыков под конкретную политику и специализированных агентов.

Деньги документация называет только по основанию, без цифр: использование модели тарифицируется по ставкам API самой модели, инструменты OpenAI, по своим стандартным ставкам, а песочницы, которые хостит OpenAI, по стандартным ставкам за контейнер. Отдельно оговорены ограничения по данным: сейчас Agents API поддерживает резидентность данных только в США и не поддерживает режим нулевого хранения данных (Zero Data Retention, ZDR), и даже выбор собственной (self-hosted) песочницы этого не меняет. Сама документация не называет прямо стадию доступности API («бета» или «GA»); единственный сигнал, то, что примеры кода обращаются к API через бета-неймспейс SDK (client.beta.agents.sessions), а curl-пример посылает заголовок OpenAI-Beta: agents=v1.

Ключевые факты

  • Управляемый доступ к харнессу Codex через API: OpenAI берёт на себя сессии, оркестрацию, сжатие контекста и восстановление после сбоев, а приложение поставляет инструменты и выбирает среду выполнения, хостируемую OpenAI песочницу или собственную (self-hosted).
  • Агент в песочнице выполняет код, редактирует файлы, подключается к MCP-серверам и производит артефакты; API строится вокруг четырёх понятий, агент, среда, сессия, события/элементы.
  • Цикл сессии, четыре шага: создать и настроить агента, дать задачу, следить за прогрессом через стриминг или вебхуки, затем продолжать работу или направлять агента в той же сессии; состояние сохраняется между ходами.
  • Встроена многоагентность: пример кода включает её явно и задаёт лимит в 4 параллельных субагента, которым основной агент делегирует подзадачи.
  • Ограничения: резидентность данных, только США, режим нулевого хранения данных (ZDR) не поддерживается даже с собственной песочницей; оплата, по стандартным ставкам модели, инструментов и контейнеров, без конкретных цифр в документации.

Почему это важно

Agents API формализует харнесс Codex в отдельный самостоятельный сервис: то, что иначе требовало бы собственной инфраструктуры для долгоживущих сессий, оркестрации, сжатия контекста и восстановления после сбоев, теперь доступно через обычный вызов API, управляемый самой OpenAI. Для тех, кто строит агентные продукты, это меняет расчёт: не нужно с нуля решать задачи хранения состояния сессии и делегирования субагентам, можно взять готовый управляемый слой и достроить свою логику поверх него через инструменты и MCP.

Кому это важно

Разработчикам и командам, которые строят или планируют агентные продукты, автономных исполнителей задач, а не чат-ботов с ответом на один вопрос, и не хотят с нуля писать управление долгоживущими сессиями, сжатие контекста, восстановление после сбоев и делегирование субагентам. Важно и тем, кому нужна собственная инфраструктура под контролем: Agents API поддерживает не только облачную песочницу OpenAI, но и собственную (self-hosted) среду с доступом к MCP-серверам.

Как это применить

Практическая сторона, SDK на JavaScript/TypeScript, Python, Go, Java, Ruby либо прямой curl-запрос: создать сессию, указав модель, инструкции и набор инструментов (MCP-серверы, веб-поиск, программный вызов инструментов), включить многоагентный режим с лимитом в 4 параллельных субагента, выбрать среду, песочницу, которую хостит OpenAI, или собственную (self-hosted). Дальше, стриминг событий или вебхуки, чтобы узнавать о завершении хода или потребности во вводе, и отправка новых задач в ту же сессию, если нужно продолжить работу или скорректировать её на ходу. Оплата, по стандартным ставкам модели, инструментов OpenAI и контейнеров; точных цифр документация не приводит.

Можно ли доверять

Источник, первого уровня: это сама официальная документация OpenAI, а не пересказ третьих лиц, поэтому механика API описана надёжно. Но у страницы есть слепые места: она не датирована как объявление, и стадию доступности («бета» или «GA») текст прямо не называет, единственный сигнал об этом, то, что примеры кода обращаются к API через бета-неймспейс SDK (client.beta.agents.sessions), а curl-пример отправляет заголовок OpenAI-Beta: agents=v1. Конкретных цифр по цене документация тоже не приводит, только то, что тариф считается по ставкам модели, инструментов и контейнеров.

Риски и подводные камни

Резидентность данных сейчас, только США, а режим нулевого хранения данных (Zero Data Retention, ZDR) не поддерживается вовсе, и даже собственная (self-hosted) песочница этого не меняет; для работы с чувствительными или регулируемыми данными это ограничение может закрыть вопрос уже на этом этапе. Многоагентный режим умножает расход: каждый субагент, это отдельное использование модели и инструментов, а платформенного лимита на их число документация не называет, кроме примера с 4 параллельными субагентами в коде. И поскольку обращение к API идёт через бета-неймспейс SDK, его поверхность может ещё измениться.