10 сентября 2026 года OpenAI представила Agents API в public beta. Новый API переносит в разработческие продукты управляемый agent harness, который используется в Codex: он отвечает за работу с контекстом, инструментами, долгими сессиями и координацией subagents.
Для разработчиков это важнее, чем появление ещё одного способа вызвать модель. Agents API рассчитан на задачи, которые не заканчиваются одним ответом: агент может работать с файлами, запускать код, обращаться к инструментам и продолжать процесс через несколько контекстных окон.
Что именно анонсировала OpenAI
По официальному анонсу OpenAI, Agents API доступен всем разработчикам в public beta. OpenAI размещает и обслуживает сам harness, а разработчик выбирает вычислительную среду: OpenAI-hosted sandbox, собственную инфраструктуру или интеграцию с одним из поддерживаемых sandbox-провайдеров.
Официальный источник: Introducing the Agents API — OpenAI, 10 сентября 2026.
Agent harness становится отдельным инфраструктурным слоем
Обычный LLM API в основном даёт модели входные данные и возвращает ответ. Агентный процесс сложнее: нужно хранить состояние, выбирать инструменты, управлять результатами вызовов, не терять важный контекст и безопасно выполнять действия.
Agents API выносит значительную часть этой инфраструктуры в управляемый слой. OpenAI описывает его как harness, который координирует модель, инструменты и контекст. Это позволяет разработчику сосредоточиться на данных, разрешённых действиях и бизнес-процессе, а не писать весь цикл агента самостоятельно.
Долгие сессии и несколько контекстных окон
Одна из заявленных возможностей — работа агента через длинные сессии. OpenAI пишет, что harness умеет выполнять workflows, которые проходят через несколько context windows, без необходимости самостоятельно строить всю логику compaction.
Это особенно важно для задач, где агент сначала исследует систему, затем запускает инструменты, анализирует результаты, сохраняет промежуточные файлы и только после этого формирует итог. В простом чат-запросе такая инфраструктура избыточна, но для технических и операционных процессов она становится основой надёжности.
Инструменты: MCP, функции и web search
Agents API поддерживает MCP, пользовательские функции и встроенные инструменты, включая web search. Отдельно OpenAI описывает tool search: определения инструментов могут подгружаться по мере необходимости, чтобы не держать весь набор функций в контексте постоянно.
Также предусмотрен programmatic tool calling — агент может параллельно выполнять вызовы, связывать операции и фильтровать большие объёмы результатов до того, как они вернутся в основной контекст модели.
Subagents для параллельной работы
В Agents API есть multi-agent support. Основной агент может разбить сложную задачу на независимые части и передать их subagents. Каждый subagent работает со своим контекстом, а главный агент координирует выполнение и собирает итог.
Такой подход полезен, когда части исследования действительно независимы. Например, при разборе инцидента один subagent может анализировать deployment, другой — ошибки приложения, третий — зависимости. Но параллелизм не отменяет необходимость определить права и критерии завершения каждого шага.
OpenAI-hosted sandbox
Одновременно OpenAI представила собственную hosted sandbox-среду. Агент может запускать код, работать с файлами, устанавливать пакеты и создавать артефакты в изолированном окружении.
Для автономных сценариев это критическая часть архитектуры. Модели недостаточно «уметь написать команду» — ей нужна контролируемая среда, где команда может быть выполнена без выдачи произвольного доступа к production-серверу или рабочему компьютеру.
Можно использовать собственную инфраструктуру
Agents API не привязывает выполнение только к OpenAI-hosted sandbox. В анонсе перечислены варианты с собственной инфраструктурой и партнёрскими средами. Среди интеграций OpenAI называет Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop и Vercel.
Это позволяет выбирать окружение по требованиям к CPU/GPU, памяти, секретам, VPC, стоимости и времени запуска. Сам harness остаётся управляемым, а execution environment можно подбирать под конкретный процесс.
Что меняется для разработчиков AI-автоматизаций
Главное изменение — часть типовой агентной инфраструктуры становится готовым сервисом. Раньше для длинного workflow приходилось самостоятельно решать несколько задач: хранение состояния, повторные запуски, подключение инструментов, sandbox, работу с файлами и координацию нескольких агентов.
- меньше собственной логики вокруг agent loop;
- готовая модель долгих сессий;
- единый способ подключать инструменты;
- возможность использовать subagents;
- выбор управляемого или собственного sandbox;
- работа с файлами и артефактами внутри процесса.
При этом API не проектирует бизнес-процесс за разработчика. Нужно по-прежнему определить, какие данные агент видит, какие действия разрешены, где требуется подтверждение человека и как обрабатываются повторные вызовы.
Где Agents API может быть полезен
Наиболее естественные сценарии — задачи с несколькими последовательными шагами и проверяемым результатом: техническое исследование, анализ инцидентов, обработка документов, подготовка отчётов, работа с кодовой базой, внутренние помощники и автоматизация операций между несколькими системами.
Если процесс состоит из одного короткого запроса к модели, полноценный agent harness может быть лишним. Архитектура должна соответствовать сложности задачи, а не использовать агента только потому, что технология новая.
Что важно проверить перед production
- какие инструменты реально нужны агенту;
- какие действия должны оставаться read-only;
- где нужен human approval перед изменением данных;
- как хранятся секреты и токены;
- что происходит при повторном запуске шага;
- как логируются вызовы инструментов;
- как ограничивается sandbox и сеть;
- какой результат считается завершённым и проверенным.
Стоимость и статус public beta
OpenAI сообщает, что отдельной платы именно за Agents API нет: разработчик оплачивает используемые токены и инструменты по соответствующим тарифам. Hosted sandbox использует собственную модель тарификации инфраструктуры. Поскольку продукт находится в public beta, интерфейсы и возможности ещё могут меняться до general availability.
Почему это важно для рынка AI-агентов
Agents API показывает движение от «модель отвечает на prompt» к полноценному управляемому runtime для длительной работы. Конкуренция постепенно смещается не только в качество модели, но и в то, насколько удобно и безопасно дать ей инструменты, окружение и долговременную задачу.
Для бизнеса это означает, что сложные AI-процессы становится проще собирать из готовых инфраструктурных компонентов. Но ценность всё равно определяется качеством самого процесса: корректными данными, ограничениями, интеграциями и проверкой результата.
Как это связано с автоматизацией A.S Groups
В AI-автоматизации бизнеса я придерживаюсь того же принципа: сначала описать процесс и точки контроля, затем выбирать модель и инструменты. Для многошаговых сценариев полезно отдельно проектировать автоматизацию бизнес-процессов, интеграции и правила повторного выполнения.
Если нужно оценить, где в существующем процессе нужен обычный API-вызов, а где оправдан полноценный агент с инструментами и sandbox, можно описать задачу через страницу контактов A.S Groups.
Вывод
OpenAI Agents API объединяет управляемый Codex harness, долгие сессии, инструменты, subagents и выбор sandbox-среды в одном API. Для разработчиков это сокращает объём инфраструктуры вокруг сложных агентных workflows, но не отменяет архитектуру прав, проверок и idempotency.
Пока продукт находится в public beta, разумно тестировать его на ограниченных сценариях и отдельно проверять стоимость, устойчивость инструментов и поведение при ошибках перед переносом критичных процессов в production.
Обсуждение
Вопросы и комментарии
Можно уточнить детали статьи или поделиться своим опытом. Первый комментарий проходит проверку.