Inicio / Artículos

API de Agents de OpenAI: Un entorno Codex gestionado y lo que los equipos siguen teniendo.

La API Agents de OpenAI ejecuta el framework Codex por usted, con sesiones, herramientas MCP, subagentes y entornos de pruebas. Lo que su equipo sigue controlando: la verificación, el acceso y los datos.

Editor: REACTAPP.TOP7 min de lectura1560 palabras

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

Imagínese un agente asignado a un problema que solo aparece cuando un cliente vuelve a intentar una solicitud fallida. Este lee el ticket, busca en el código y determina una causa probable. Luego las cosas se complican: hay que instalar dependencias, reproducir el fallo, examinar un segundo servicio y ejecutar pruebas. A mitad del proceso, un colega agrega un detalle clave: solo los clientes antiguos se ven afectados.

En ese momento, el código que rodea al agente tiene mucho que hacer. Debe conservar los hallazgos hasta el momento, incorporar el nuevo detalle, mantener el entorno de trabajo y hacer un seguimiento de lo que realmente se ha verificado. Una conexión interrumpida no debería obligar a reiniciar la investigación desde cero.

La API Agents de OpenAI se enfoca en este tipo de tareas. Ofrece el Codex como servicio gestionado, donde OpenAI se encarga de las sesiones, la orquestación, la compresión del contexto y su recuperación. La lección técnica es que más de los componentes que mantienen productivo a un agente pueden convertirse en funciones de la plataforma, de modo que los equipos no tienen que volver a desarrollarlos para cada aplicación. También cambia el punto al que los equipos deben prestar especial atención.

El Codex es la parte interesante

Un modelo puede concluir que debe abrir un archivo o ejecutar una prueba. Sin embargo, otro programa aún debe llevar a cabo esa acción, devolver el resultado y preparar la siguiente llamada al modelo. Ese programa es el Codex, y sus responsabilidades aumentan a medida que las tareas se vuelven más complejas: gestionar la conversación, coordinar herramientas, superar interrupciones y ayudar al agente a mantener el hilo de trabajo.

La API de Agents permite que otras aplicaciones utilicen una versión gestionada del framework Codex. Las funciones documentadas incluyen resumir trabajos anteriores para gestionar el contexto, aplicar habilidades, asignar subtareas a otros agentes y reanudar sesiones. La propia comparación de tiempos de ejecución realizada por OpenAI distingue tres opciones:

  • API de Agents: OpenAI ejecuta el framework Codex y mantiene la sesión del agente.
  • SDK de Agents: el bucle del agente se ejecuta dentro de tu aplicación, lo que te permite controlar de manera más estricta la integración y el despliegue.
  • API de Responses: tu aplicación trabaja con las respuestas brutas del modelo y diseña el flujo de trabajo correspondiente.

Dado que la API de Respuestas también cuenta con opciones de gestión de estado, las conversaciones guardadas no constituyen un límite claro. Lo que añade la API de Agentes es la gestión de sesiones combinada con un entorno de ejecución de agentes gestionado. Según una interpretación, esto modifica una decisión habitual en el desarrollo: antes de crear otra capa de coordinación, un equipo puede preguntarse cuánto de ella realmente debe ser de su responsabilidad.

Seguir una investigación

Tomemos nuevamente el error de reintentos. El flujo de trabajo que se muestra a continuación es una propuesta, no un informe de un sistema que ya se haya ejecutado. La aplicación abre una sesión con instrucciones, herramientas y un entorno de trabajo adecuado, y luego pide al agente que reproduzca el fallo y lo explique, citando el código relevante y los resultados de las pruebas.

Según la documentación de la sesión, lo que persiste entre turnos es la configuración del agente, el diálogo y cualquier trabajo ya guardado. Un turno corresponde a un ciclo de trabajo. La entrada que llega mientras la sesión está inactiva inicia un nuevo turno, mientras que la entrada enviada durante el trabajo activo dirige el turno actual. Se puede seguir el progreso mediante transmisiones en tiempo real o webhooks. Esto permite que los clientes antiguos tengan un destino claro: se unen a la investigación existente, sin necesidad de realizar una nueva solicitud ni reconstruir la historia.

A continuación, se presentan las pruebas del sistema de seguimiento de problemas. A través del Model Context Protocol, un servidor puede ofrecer herramientas para buscar problemas o obtener registros, y la Agents API descubre esas herramientas y ejecuta llamadas al servidor, de modo que la aplicación no necesita transmitir cada una de ellas. La detección aquí se refiere a la identificación de capacidades en los servidores configurados. Alguien aún debe conectar los sistemas adecuados y otorgar accesos apropiados.

El agente también podría dividir el trabajo, con un subagente que estudie el manejo de intentos repetidos y otro que verifique cómo los clientes antiguos forman las solicitudes. La documentación de los múltiples agentes describe contextos separados para los subagentes, mientras que el agente principal coordina y fusiona sus resultados. Eso funciona cuando las preguntas son independientes. Si ambos deben editar una función, la coordinación vuelve a ser un problema, y las directrices de OpenAI señalan explícitamente la necesidad de coordinar las ediciones en archivos compartidos. Lo que hace notable el tiempo de ejecución es que todo esto está interconectado en torno a una tarea continua.

Una sesión aún necesita un lugar donde trabajar

Leer un problema y ejecutar una prueba de reproducción requieren recursos diferentes. Según la documentación de arquitectura, el conjunto de herramientas que ejecuta el bucle del modelo y la herramienta está separado del entorno de ejecución, que proporciona recursos de cómputo y archivos cuando son necesarios. Su aplicación envía tareas, recibe eventos y gestiona las herramientas funcionales que haya definido. Existen tres opciones de entorno:

  • Ningún entorno en absoluto: el agente puede llamar a sus herramientas configuradas, sin shell ni archivos de espacio de trabajo.
  • Albergado por OpenAI: se crea y ejecuta un entorno aislado para usted, donde se ejecutan comandos y se almacenan archivos o artefactos generados.
  • Autoalbergado: usted proporciona los recursos de cómputo y los archivos, y su aplicación se encarga de la configuración y desmontaje.

Para la búsqueda de errores, el entorno debe contener el código, sus dependencias y la configuración de pruebas. Una sesión que recuerda la investigación no puede compensar la falta de un paquete o un servicio de pruebas inaccesible. Otra distinción también es importante. OpenAI indica que una sesión puede sobrevivir a su entorno, y con ejecución autohospedada la aplicación mantiene la responsabilidad por el procesamiento y los archivos. Recordar que se creó un archivo de prueba no es lo mismo que seguir teniéndolo, y los equipos deben verificar ambos aspectos antes de asegurar una reanudación sin problemas.

Preservar el trabajo no equivale a demostrar que está correcto

Supongamos que la ejecución finaliza con una explicación convincente y una prueba exitosa. Un ingeniero aún debe preguntarse si esa prueba reprodujo el fallo original. Quizás probó con un cliente actual mientras el error se encontraba en uno antiguo. Tal vez el agente modificó la prueba hasta el punto de que ya no analizaba ese comportamiento problemático.

Aquí es donde recae la línea de responsabilidad. El entorno de ejecución proporciona mecanismos para realizar y continuar el trabajo, mientras que el equipo de la aplicación define qué pruebas se consideran aceptables. Para esta investigación, eso significa un fallo que alguien pueda reproducir, la revisión exacta del código analizada, cada comando ejecutado junto con su salida, y cualquier duda que quede. Esos requisitos deben formar parte del flujo de trabajo, incluso cuando una plataforma ejecuta el ciclo.

La compactación merece la misma atención. Un resumen condensa el trabajo anterior dentro del contexto disponible del modelo, pero las decisiones clave también deben registrarse en un archivo duradero que las personas puedan revisar. En este caso, “solo clientes antiguos” debe permanecer vinculado a los criterios de aceptación de la tarea.

El análisis de un segundo agente es útil, pero no debe confundirse con una verificación independiente. Dos agentes pueden compartir una suposición errónea o basarse en las mismas pruebas insuficientes. Una prueba de reproducción que otro ingeniero pueda ejecutar nuevamente constituye una base más sólida.

La autoridad sigue la misma lógica. La guía de seguridad de OpenAI indica que el código generado por un agente puede acceder a los archivos, credenciales y redes que su entorno expone, por lo que el aislamiento y un control estricto del acceso deben configurarse intencionadamente. En este ejemplo, el acceso para investigar es suficiente. El permiso para inspeccionar una solicitud fallida no implica autorización para modificar datos en producción.

Cómo juzgarlo

Un ensayo sensato utiliza un flujo de trabajo definido, como la elaboración de un informe de investigación de errores para su revisión. Compárelo con el enfoque actual del equipo: con qué frecuencia genera pruebas útiles, cuánta corrección humana necesita y con qué fiabilidad reanuda su funcionamiento tras una interrupción. Calcule el costo total por resultado aceptado, ya que una investigación prolongada puede implicar numerosas llamadas al modelo, herramientas y subagentes.

La API ofrece registros de sesiones, eventos, historial guardado e inspección del uso de tokens. La documentación también menciona una limitación actual: la recuperación de trazas y los exportadores de trazas externos no forman parte de la beta pública, lo cual es importante para los equipos que ya cuentan con sistemas de monitoreo. También merece atención temprana la información relativa a los requisitos de datos. Según el resumen, en el momento en que se redactó, la API de Agents solo admitía la residencia de datos en los Estados Unidos y no ofrecía política de cero retención de datos, y un entorno de pruebas autohospedado no elimina esa restricción.

Si esas limitaciones son aceptables, surge la pregunta práctica: ¿el entorno de ejecución gestionado elimina suficiente trabajo de infraestructura como para justificar depender de él? A algunos equipos les gustará este equilibrio, mientras que otros preferirán tener el control de un SDK o su propia orquestación.

La tendencia general es positiva. Mantener el contexto bajo control, ejecutar código, coordinar agentes y llevar adelante el trabajo ahora se presentan como infraestructura compartida, lo que respalda la idea de que los agentes útiles dependen tanto de los sistemas que rodean al modelo como del propio modelo. La ventaja radica en que el tiempo de ingeniería ahorrado se destina a hacer que los resultados sean más fiables. En el caso de los intentos repetidos, eso significa entregar al siguiente ingeniero un fallo que pueda reproducir y pruebas que pueda examinar.

Esto refleja la documentación oficial de OpenAI tal como fue revisada el 15 de septiembre de 2026. El ejemplo de flujo de trabajo y los consejos de evaluación son análisis de ingeniería, no resultados de pruebas de rendimiento.

Leer más

  • GemStuffer: Cómo los agentes de IA convirtieron RubyGems y RubyDoc en una vía de ataque — En 2026, los agentes de OpenAI publicaron más de 2,000 gemas, ejecutaron código en los servidores de compilación de RubyDoc y escanearon sitios del gobierno del Reino Unido. Qué sucedió, por qué es importante y cómo reforzar los procesos de compilación.