API Agents firmy OpenAI: zarządzana alternatywa dla niestandardowych frameworki agentów

OpenAI uruchomił publiczną wersję beta nowej Agents API; krótko mówiąc: to samo narzędzie, które obsługuje Codex, jest teraz dostępne jako zarządzany serwis chmurowy dla wszystkich. Zamiast samodzielnie budować warstwę orkiestracji, wystarczy opisać zadanie, wybrać model, połączyć potrzebne narzędzia i określić miejsce, gdzie agent ma działać. Jedna wywołanie API uruchamia wtedy agent gotowy do użycia w produkcji, a wszystkie skomplikowane aspekty – obsługa kontekstu, planowanie narzędzi, koordynacja podzadań – są załatwiane i hostowane przez samego OpenAI.

Jedno wywołanie zastępuje całe Twoje frameworki

const client = new OpenAI();

const session = await client.beta.agents.sessions.create({
  agent: {
    model: "gpt-6-astra",
    tools: [{ type: "mcp", server_label: "observability" }],
    multi_agent: { enabled: true, max_concurrent_subagents: 3 },
  },
  environment: { type: "openai_hosted" },
  input: "Investigate the spike in 5xx errors for service-api over the last 30 minutes. Delegate the deployment, error, and dependency analysis to sub-agents. Save your findings and mitigation recommendations to /workspace/outputs."
});

Konstruowanie solidnego agenta od zera tradycyjnie oznaczało dużo mało atrakcyjnej pracy inżynieryjnej: zarządzanie tym, ile zmieści się w oknie kontekstowym, dostosowywanie użycia tokenów przy wywoływaniu narzędzi oraz ręczne tworzenie logiki w celu synchronizacji podzadań. API dla agentów zostało zaprojektowane tak, aby przejąć cały ten obszar pracy:

• Automaticzne kompresowanie kontekstu: gdy sesja zbliża się do swojego limitu kontekstowego, system sam przycinają i podsumowują starsze informacje, dzięki czemu nie musisz używać specjalnej logiki do utrzymania długotrwałych zadań w toku.
• Definicje narzędzi ładowane w trybie opóźnionym poprzez wyszukiwanie narzędzi, co zapewnia nienaruszone cache modelu i zmniejsza ogólne zużycie tokenów.
• Programowe wywoływanie narzędzi z obsługą wywołań równoległych i łączenia ich, dzięki czemu tylko te elementy dużego zestawu danych, które są rzeczywiście istotne, trafiają z powrotem do kontekstu głównego agenta.

Zintegrowana orkiestracja wielu agentów: główny agent dzieli złożone zadanie na części, przekazuje je podagentom działającym równolegle, przy czym każdy podagent ma swój własny izolowany kontekst.

Sługa ta obecnie działa na najnowszym modelu OpenAI, GPT-6-Astra.

Wybierz własne środowisko wykonywania

Nie każde zadanie agenta wymaga tej samej infrastruktury, dlatego API Agents oferuje trzy różne sposoby uruchamiania agentów:

• Sandbox hostowany przez OpenAI, oparty na tym samym backendzie, który już obsługuje Codex i ChatGPT
• Infrastruktura samodzielnie zarządzana, w której agent działa bezpośrednio w Twojej własnej sieci VPC
• Sandboxy zarządzane przez partnerów, w tym Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop i Vercel

To, która ścieżka jest sensowna, zależy od tego, co chcesz optymalizować. Do szybkiego tworzenia prototypów hostowana środowisko sandbox zapewnia najszybsze rozpoczęcie pracy z minimalnymi przeszkodami. W przypadku obciążeń produkcyjnych wymagających spełnienia norm regulacyjnych lub ograniczeń dotyczących lokalizacji danych, działanie wewnątrz własnej sieci VPC daje niezbędną kontrolę. Każda z opcji wiąże się ze swoimi kompromisami pod względem mocy obliczeniowej, pamięci, dostępu do GPU, czasu uruchamiania oraz ceny, więc możesz dopasować środowisko do konkretnego zadań.

Sygnały od wczesnych użytkowników

Niewielka grupa zespołów, które przetestowały wersję beta, już zgłosiła pozytywne wyniki:

• Ciridae zwiększyła swoje wyniki oceny z 0,71 do 0,85, jednocześnie zmniejszając opóźnienia czterokrotnie
• SafetyKit obniżył koszty przeglądania przypadków o 60 procent, a także zapewnił znaczące ulepszenia pod względem efektywności tokenów

Stosunek awarii narzędzi do cięcia hif dostąpił spadku o 86 procent po oddzieleniu paska od warstwy sandbox

CTO firmy Ciridae wspomniał, że zespół spędził miesiące na rozwijaniu własnych narzędzi do monitorowania i zarządzania podagentami wewnętrznie, a przejście na zarządzaną API przyniosło natychmiastowe, mierzalne korzyści bez konieczności dodatkowej kalibracji. Wspólnym mianownikiem tych wyników jest prosta zasada: gdy nie musisz już dbać o infrastrukturę dostosowanych agentów, możesz skupić te wysiłki na logice, która naprawdę wyróżnia twój produkt.

Przejrzystość od samego początku, a nie „czarna skrzynka”

Sługa ta jest zbudowana na bazie otwartego oprogramowania Codex harness, a odpowiadający mu kod pozostaje dostępny publicznie na GitHubie. OpenAI zarządza infrastrukturą i ją utrzymuje, ale żadna część kluczowej logiki działania nie jest ukryta — można ją sprawdzić w dowolnym momencie. Oznacza to, że korzystanie z tej usługi zarządzanej nie wymaga zaufania do zamkniętego systemu; przejrzystość otwartego oprogramowania przenosi się również na produkt hostowany.

Rozważanie rzeczywistych kosztów

Cirkuluje żart, że to nowe rozwiązanie doprowadziło do upadku ponad stu startupów, i nie jest to w pełni żart. Ilekroć dostawca platformy włącza element kluczowej infrastruktury do swojej usługi zarządzanej, firmy, których całym produktem była właśnie ta warstwa pośrednia, muszą nagle znaleźć nowy kierunek działania.

Rozwijający już zwrócili uwagę na poważny problem związany z cenami: jedna próba wykonania skomplikowanego zadania może wywołać tuzin wywołań narzędzi, a każde z nich dodaje swój pełny ślad do kontekstu. Możliwe jest wygenerowanie znacznie wyższej rachunku, zanim w ogóle uzyskamy funkcjonalny wynik. Na razie OpenAI nie pobiera żadnych dodatkowych opłat za sam API Agents podczas publicznego beta – płacisz tylko za tokeny, które zużywasz, oraz za wykonywane operacje narzędzi. Oznacza to oszczędność na kosztach inżynieryjnych związanych z budową i uruchamianiem własnego frameworku, ale możesz ostatecznie zapłacić więcej za sam czas jego działania. Znalezienie odpowiedniej równowagi pomiędzy stopniem automatyzacji wywołań narzędzi przez twój agent a kosztami tego procesu to coś, z czym musi sobie poradzić każdy zespół.

Praktyczne wnioski

Testowanie nowego konceptu agenta nigdy nie było tak tanie ani szybkie. Zespoły, które nie posiadają już własnego internego stacku agentów, mogą teraz budować bezpośrednio na bazie Codex i całkowicie pominąć etap tworzenia podstaw inżynieryjnych. Jeśli twoja organizacja ma już własną ramę roboczą dla agentów, warto zadać konkretne pytanie: czy tworzenie i utrzymywanie tej ramy faktycznie przyczynia się do tego, że twój produkt jest wyjątkowy? Jeśli nie, przechodzenie na usługę zarządzaną taką jak ta może zaoszczędzić znaczną ilość czasu poświęcanego na prace inżynieryjne.

API dla agentów nadal znajduje się w fazie publicznego beta i jest obecnie dostępny bezpłatnie w tej fazie, więc nie ma powodu, by nie stworzyć testowego agenta za pomocą jednego wywołania API i nie sprawdzić, co on tak naprawdę potrafi.

To wdrożenie pasuje do szerszego wzorca w sposobie, w jaki duże modele językowe coraz bardziej kompresują warstwy, które wcześniej deweloperzy musieli sami budować. Najpierw pojawiły się modele jako usługa, potem narzędzia do ich obsługi jako usługa, a teraz coś bliższego botom jako usłudze. Każdy krok przesuwa deweloperów wyżej w łańcuchu rozwoju, z dala od infrastruktury technicznej, w kierunku tworzenia aplikacji i doświadczeń, które naprawdę wyróżniają ich produkty — i ta tendencja nie wykazuje oznak spowolnienia.

Literatura pokrewna

• Zrozumienie różnicy między elementami a wiadomościami w API odpowiedzi OpenAI — Wyjaśnia, jak API odpowiedzi OpenAI przekształca wyniki modeli na elementy zamiast wiadomości oraz dlaczego ta zmiana ma znaczenie dla wywoływania narzędzi i prac w modelach agentowych.

Zrozumienie agentów AI: cele, narzędzia, pamięć i pętla agenta — Przystępne dla początkujących wyjaśnienie, w jaki sposób agenci AI różnią się od chatbotów, obejmujące podstawowe komponenty, pętlę decyzyjną, poziomy autonomii oraz praktyczne zastosowania w rzeczywistym świecie.