Startseite / Artikel

OpenAI Agents API: Ein verwalteter Codex Harness und was die Teams weiterhin besitzen.

OpenAI’s Agents API führt den Codex-Framework für Sie aus – mit Sessions, MCP-Tools, Subagenten und Sandboxes. Was Ihr Team weiterhin kontrolliert: die Verifizierung, den Zugriff sowie die Daten.

Verlag: REACTAPP.TOP7 Min. Lesezeit1560 Wörter

Quellen: OpenAI’s Agents API: The Code You May No Longer Need to Write

Stellen Sie sich einen Agenten vor, der für einen Fehler zuständig ist, der nur dann auftritt, wenn ein Kunde einen fehlgeschlagenen Antrag erneut versucht. Er liest das Ticket, durchsucht den Code und kommt auf eine wahrscheinliche Ursache. Dann wird es unübersichtlich: Abhängigkeiten müssen installiert werden, der Fehler muss nachgeahmt werden, ein weiterer Dienst muss überprüft werden und Tests müssen ausgeführt werden. Mitten im Prozess fügt ein Kollege eine wichtige Information hinzu: Nur ältere Kunden sind betroffen.

Zu diesem Zeitpunkt hat der Code, der den Agenten umgibt, viel zu tun. Er muss die bisherigen Erkenntnisse speichern, die neue Information weiterleiten, die Arbeitsumgebung aufrechterhalten und nachverfolgen, was tatsächlich überprüft wurde. Ein unterbrochener Verbindungsaufbau sollte die Untersuchung nicht wieder von vorne beginnen lassen.

OpenAI’s Agents API zielt auf diese Art von Aufgaben ab. Sie bietet den Codex Harness als verwalteten Service an, wobei OpenAI sich um Sessions, Orchestrierung, Komprimierung des Kontexts sowie Wiederherstellung kümmert. Die ingenieurtechnische Erkenntnis daraus ist, dass immer mehr der Mechanismen, die eine Agentin produktiv halten, zu Plattformfunktionen werden können, sodass Teams sie nicht für jede Anwendung neu entwickeln müssen. Zudem verlagert dies den Fokus darauf, wohin die Teams besonders achten müssen.

Der Harness ist der interessante Teil

Ein Modell kann feststellen, dass es eine Datei öffnen oder einen Test ausführen sollte. Ein anderes Softwarestück muss diese Aktion dann ausführen, die Ausgabe zurückgeben und den nächsten Aufruf des Modells vorbereiten. Diese Software ist der Harness, und seine Aufgaben nehmen mit längeren Aufgaben zu: Er verwaltet das Gespräch, koordiniert Tools, übersteht Unterbrechungen und hilft der Agentin, ihren Gedankengang beizubehalten.

Die Agents API ermöglicht es anderen Anwendungen, eine verwaltete Version des Codex-Harness zu verwenden. Zu den dokumentierten Funktionen gehören das Zusammenfassen früherer Arbeiten zur Kontextverwaltung, die Anwendung von Fähigkeiten, das Zuweisen von Unteraufgaben an andere Agenten sowie die Wiederaufnahme von Sitzungen. OpenAI selbst unterscheidet in seiner Vergleichsstudie der Laufzeiten drei Optionen:

  • Agents API: OpenAI betreibt den Codex-Harness und übernimmt die Verwaltung der Agentensitzung.
  • Agents SDK: Der Agentenloop läuft innerhalb Ihrer Anwendung, sodass Sie die Integration und den Einsatz enger kontrollieren können.
  • Responses API: Ihre Anwendung arbeitet mit den rohen Modellantworten und gestaltet den dazugehörigen Workflow.

Weil die Responses API ebenfalls Optionen zur Zustandsverwaltung bietet, bilden gespeicherte Gespräche nicht die Trennlinie. Was die Agents API hinzufügt, ist die Sitzungsverwaltung in Kombination mit einem verwalteten Agenten-Runtime. Man könnte sagen, dass dies eine bekannte Entscheidungsfindung bei der Systementwicklung verändert: Bevor ein weiteres Koordinationslayer geschrieben wird, kann ein Team prüfen, wie viel davon tatsächlich von ihnen selbst gestaltet werden muss.

Verfolgung einer Untersuchung

Nehmen wir wieder den Fehler bei den Wiederholungsversuchen. Der unten dargestellte Workflow ist ein Vorschlag, kein Bericht über ein bereits ausgeführtes System. Die Anwendung eröffnet eine Sitzung mit Anweisungen, Werkzeugen und einer geeigneten Arbeitsumgebung und bittet anschließend den Agenten, den Fehler nachzustellen und zu erklären, wobei relevanter Code sowie Testergebnisse herangezogen werden.

Laut der Sitzungsdokumentation bleibt über die verschiedenen Schritte hinweg die Konfiguration des Agents, das Gespräch sowie alle bereits gespeicherten Arbeiten bestehen. Ein Schritt ist ein Arbeitszyklus. Eingaben, die während einer inaktiven Sitzung eintreffen, starten einen neuen Schritt, während Eingaben, die während aktiver Arbeit gesendet werden, den laufenden Schritt steuern. Den Fortschritt kann man entweder über Streaming oder Webhooks verfolgen. Dadurch erhält man bei älteren Clients eine klare Zuordnung: Die Eingaben werden der bestehenden Untersuchung hinzugefügt, ohne dass eine neue Anfrage gestellt oder eine neue Historie erstellt werden muss.

Danach folgen Belege aus dem Issue-Tracker. Über das Model Context Protocol kann ein Server Tools zum Suchen nach Problemen oder zum Abrufen von Datensätzen anbieten. Die Agents API entdeckt diese Tools und führt Anfragen an den Server aus, sodass die Anwendung nicht jede einzelne Anfrage weiterleiten muss. Unter Entdeckung versteht man hier das Finden von Funktionen auf konfigurierten Servern. Jemand muss jedoch weiterhin die richtigen Systeme verbinden und angemessenen Zugriff gewähren.

Der Agent kann die Arbeit auch aufteilen, wobei ein Unteragent die Handhabung von Wiederholungsversuchen untersucht und ein anderer prüft, wie ältere Clients Anfragen stellen. Die Dokumentation zu mehreren Agenten beschreibt getrennte Kontexte für die Unteragenten, während der Hauptagent ihre Ergebnisse koordiniert und zusammenführt. Das funktioniert, wenn die Fragen unabhängig voneinander sind. Wenn beide einen Funktionscode bearbeiten müssen, wird die Koordination erneut zum Problem, und OpenAI weist ausdrücklich auf die Notwendigkeit hin, Änderungen an gemeinsamen Dateien zu koordinieren. Besonders hervorzuheben ist, dass all das um eine kontinuierliche Arbeitsaufgabe herum zusammenhängt.

Eine Sitzung benötigt weiterhin einen Arbeitsort

Das Lesen eines Problems sowie das Durchführen eines Nachvollziehungstests erfordern unterschiedliche Ressourcen. Laut der Architekturdokumentation ist das Framework, das den Modell- und Tool-Zyklus ausführt, vom Ausführungsumfeld getrennt, welches bei Bedarf Rechenleistung und Dateien bereitstellt. Ihre Anwendung übermittelt Aufgaben, erhält Ereignisse und verarbeitet alle von ihr definierten Funktionswerkzeuge. Es gibt drei Umgebungsoptionen:

  • Keine Umgebung überhaupt: Der Agent kann seine konfigurierten Werkzeuge aufrufen, es gibt weder eine Shell noch Arbeitsplatzdateien.
  • Von OpenAI gehostet: Für Sie wird eine Sandbox erstellt und ausgeführt, in der Befehle ausgeführt werden und Dateien oder generierte Ergebnisse gespeichert sind.
  • Eigenhosted: Sie stellen die Rechenleistung und Dateien bereit, und Ihre Anwendung kümmert sich um die Einrichtung und Aufräumarbeit.

Zur Fehlerbehebung muss die Umgebung den Code, seine Abhängigkeiten sowie die Testeinrichtung enthalten. Eine Sitzung, die sich an die Untersuchung erinnert, kann keinen fehlenden Paket oder einen nicht erreichbaren Testdienst ausgleichen. Eine weitere Unterscheidung ist ebenfalls wichtig. OpenAI dokumentiert, dass eine Sitzung länger bestehen kann als ihre Umgebung, und bei selbst gehosteter Ausführung behält die Anwendung die Verantwortung für Rechenleistung und Dateien. Dass eine Testdatei erstellt wurde, bedeutet nicht automatisch, dass sie noch vorhanden ist, und Teams sollten beides überprüfen, bevor sie eine reibungslose Fortsetzung versprechen.

Die Arbeit bewahren bedeutet nicht, dass sie richtig ist

Nehmen wir an, der Ausführungsvorgang endet mit einer überzeugenden Erklärung und einem erfolgreichen Test. Ein Ingenieur muss dennoch prüfen, ob dieser Test das ursprüngliche Problem nachgeahmt hat. Vielleicht wurde ein aktueller Client getestet, während der Fehler in einem alten Client vorlag. Vielleicht hat das Tool den Test so geändert, dass er das problematische Verhalten nicht mehr überprüft.

Hier liegt die Verantwortungslinie. Die Laufzeitumgebung stellt Mechanismen zur Ausführung und Fortsetzung der Arbeit bereit, während das Anwendungsteam festlegt, welche Nachweise als Akzeptanz gelten. Für diese Untersuchung bedeutet das einen Fehler, den jemand nachvollziehen kann, die genaue Codeversion, die untersucht wird, jeder ausgeführte Befehl zusammen mit seinem Ausgabeergebnis sowie alle verbleibenden Zweifel. Diese Anforderungen gehören in den Arbeitsablauf – auch dann, wenn eine Plattform den Zyklus ausführt.

Auch bei der Kompaktheit ist gleiche Sorgfalt geboten. Eine Zusammenfassung fasst frühere Arbeiten in den verfügbaren Kontext des Modells zusammen, doch wichtige Entscheidungen sollten ebenfalls in einer dauerhaften Aufzeichnung festgehalten werden, die von anderen überprüft werden kann. Hier muss „nur ältere Clients“ weiterhin zu den Akzeptanzkriterien der Aufgabe gehören.

Die Analyse eines zweiten Agenten ist nützlich, sollte aber nicht mit einer unabhängigen Überprüfung verwechselt werden. Zwei Agenten können dieselben falschen Annahmen teilen oder sich auf dieselben schwachen Beweise stützen. Ein Wiederholungstest, den ein anderer Ingenieur durchführen kann, bietet eine solideere Grundlage.

Auch die Autoritäten folgen derselben Logik. Die Sicherheitshinweise von OpenAI besagen, dass der von einem Agenten generierte Code auf die Dateien, Anmeldeinformationen und das Netzwerk zugreifen kann, die seine Umgebung bereitstellt, weshalb Isolierung und strenge Zugriffsregelungen absichtlich konfiguriert werden müssen. Für dieses Beispiel reicht ein Ermittlungszugriff aus. Dass man einen fehlgeschlagenen Antrag überprüfen darf, bedeutet nicht, dass man die Erlaubnis hat, Produktionsdaten zu ändern.

Wie man das beurteilt

Ein sinnvoller Versuch verwendet einen begrenzten Workflow, wie beispielsweise die Erstellung eines Berichts zur Fehleruntersuchung zur Überprüfung. Vergleichen Sie diesen mit dem derzeitigen Vorgehen des Teams: Wie oft liefert er nutzbare Beweise, wie viel menschliche Korrektur ist erforderlich und wie zuverlässig setzt er sich nach einer Unterbrechung fort. Berechnen Sie die Gesamtkosten pro akzeptiertem Ergebnis, da eine lange Untersuchung viele Modellaufrufe, Tools und Unteragenten beinhalten kann.

Die API bietet Sitzungsnachweise, Ereignisse, gespeicherte Historien sowie die Überprüfung der Token-Nutzung. In der Dokumentation wird außerdem eine aktuelle Einschränkung genannt: Die Abrufung von Trace-Daten sowie externe Trace-Exporter gehören nicht zur öffentlichen Beta-Version, was für Teams mit etablierten Überwachungslösungen von Bedeutung ist. Auch die Anforderungen an die Daten verdienen eine frühzeitige Prüfung. Laut der Übersicht unterstützte die Agents-API zum Zeitpunkt ihrer Erstellung die Datenerhaltung nur in den Vereinigten Staaten und bot keine Null-Daten-Verbleibs-Option, wobei eine selbst gehostete Sandbox diese Einschränkung nicht aufhebt.

Falls diese Einschränkungen akzeptabel sind, stellt sich die praktische Frage: Beseitigt der verwaltete Laufzeitumgebung genügend Infrastrukturarbeit, um eine Abhängigkeit davon zu rechtfertigen? Einige Teams werden diesen Kompromiss schätzen, während andere die Kontrolle über ein SDK oder ihre eigene Orchestrierung bevorzugen.

Der übergeordnete Trend ist positiv. Das Kontrollieren des Kontexts, das Ausführen von Code, die Koordination von Agenten sowie die Fortsetzung der Arbeit werden nun als gemeinsame Infrastruktur verkauft, was die Ansicht stützt, dass nützliche Agenten genauso von den Systemen um das Modell abhängen wie vom Modell selbst. Der Vorteil besteht darin, dass die eingesparte Entwicklungszeit dafür genutzt werden kann, die Ergebnisse zuverlässiger zu machen. Im Falle eines Neversuchs bedeutet das, dem nächsten Entwickler einen Fehler zur Verfügung zu stellen, den er reproduzieren kann, sowie Beweise, die er überprüfen kann.

Dies spiegelt die offizielle Dokumentation von OpenAI wider, wie sie am 15. September 2026 überprüft wurde. Die Beispiele für den Arbeitsablauf sowie die Ratschläge zur Bewertung sind ingenieurtechnische Analysen, keine Benchmark-Ergebnisse.

Verwandte Literatur

  • GemStuffer: Wie KI-Agenten RubyGems und RubyDoc in einen Angriffsweg verwandelten — Im Jahr 2026 veröffentlichten OpenAI-Agenten mehr als 2.000 Gem-Pakete, führten Code auf RubyDoc-Build-Servern aus und scrapten Websites der britischen Regierung. Was geschah, warum das von Bedeutung ist und wie Builds gesichert werden können.