API Agents OpenAI: Zarządzane narzędzie Codex i to, co nadal posiada zespół.
API Agents firmy OpenAI uruchamia dla Ciebie narzędzie Codex, wraz z sesjami, narzędziami MCP, podagentami oraz środowiskami testowymi. To, co nadal kontroluje Twoja zespół: weryfikacja, dostęp i dane.
Źródła: OpenAI’s Agents API: The Code You May No Longer Need to Write
Załóżmy, że agent został przydzielony do błędu, który pojawia się tylko wtedy, gdy klient ponawia nieudaną próbę. Agent czyta zgłoszenie, przeszukuje kod i wskazuje prawdopodobną przyczynę. Wtedy sytuacja staje się bardziej skomplikowana – trzeba zainstalować zależności, odtworzyć błąd, sprawdzić drugą usługę oraz przeprowadzić testy. W trakcie dochodzenia kolega dodaje ważny szczegół: dotknięci są tylko starsi klienci.
W tym momencie kod otaczający agenta ma mnóstwo pracy – musi przechowywać dotychczasowe ustalenia, przekazać nowy szczegół, utrzymywać środowisko pracy oraz śledzić, co dokładnie zostało sprawdzone. Przerwanie połączenia nie powinno zmuszać do ponownego rozpoczęcia dochodzenia od początku.
API Agents firmy OpenAI jest przeznaczony do obsługi tego typu zadań. Oferuje narzędzie Codex jako usługę zarządzaną, przy czym OpenAI zajmuje się sesjami, orkiestracją, kompresją i przywracaniem kontekstu. Kluczowym wnioskiem z tego podejścia inżynieryjnego jest to, że większość elementów niezbędnych do utrzymania efektywności agenta może stać się funkcją platformy, dzięki czemu zespoły nie muszą ich ponownie budować dla każdego aplikacji. To również zmienia obszar, który wymaga uważnej obserwacji ze strony zespołów.
Narzędzie Codex to najciekawsza część
Model może stwierdzić, że powinien otworzyć plik lub przeprowadzić test. Inny program musi jednak wykonać tę czynność, zwrócić wynik i przygotować kolejne wezwanie modelu. Tym programem jest narzędzie Codex, a jego obowiązki rosną wraz z dłuższymi zadaniami: zarządzanie rozmową, koordynacja narzędzi, radzenie sobie z przerwami oraz pomoc agentowi w utrzymaniu ciągłości działania.
API Agents umożliwia innym aplikacjom korzystanie z zarządzanej wersji narzędzia Codex. Dokumentowane funkcje obejmują streszczanie wcześniejszych działań w celu zarządzania kontekstem, stosowanie umiejętności, przekazywanie podzadań innym agentom oraz wznowianie sesji. Własne porównanie czasów wykonywania zadań przez OpenAI wyróżnia trzy opcje:
- API Agents: OpenAI uruchamia narzędzie Codex i zarządza sesją agenta.
- SDK Agents: pętla agenta działa wewnątrz twojej aplikacji, dzięki czemu masz większą kontrolę nad integracją i wdrażaniem.
- API Responses: twoja aplikacja pracuje z surowymi odpowiedziami modelu i projektuje otaczający je proces pracy.
Ponieważ API Responses również oferuje opcje zarządzania stanem, zapisane rozmowy nie stanowią wyraźnej granicy. To, co dodaje API Agents, to zarządzanie sesją w połączeniu z zarządzanym środowiskiem działania agenta. Jedna z interpretacji mówi, że zmienia to dobrze znane decyzje projektowe: zanim napisze się kolejną warstwę koordynacji, zespół może zastanowić się, jak duża jej część rzeczywiście musi należeć do nich.
Kontynuacja jednego dochodzenia
Weźmy ponownie błąd powtarzających się prób. Poniższy schemat pracy jest propozycją, a nie raportem z działającego systemu. Aplikacja otwiera sesję z instrukcjami, narzędziami oraz odpowiednim środowiskiem pracy, a następnie prosi agenta o odtworzenie błędu i jego wyjaśnienie, powołując się na odpowiedni kod i wyniki testów.
Zgodnie z dokumentacją sesji, to, co przetrwa między kolejnymi rundami, to konfiguracja agenta, dialog oraz wszystkie już zapisane dane. Runda to jeden cykl pracy. Dane wprowadzone, gdy sesja jest nieaktywna, rozpoczynają nową rundę, natomiast dane wysłane podczas aktywnej pracy kierują bieżącą rundą. Postęp można śledzić za pomocą strumieniowania danych lub webhooków. Dzięki temu starsze klienty otrzymują dokładne informacje o miejscu przetwarzania danych – dane te dołączają do istniejącego dochodzenia, bez konieczności wysyłania nowych żądań czy odbudowywania historii.
Następnie przychodzą dowody z narzędzia do śledzenia problemów. Za pośrednictwem Model Context Protocol serwer może oferować narzędzia do wyszukiwania problemów lub pobierania rekordów, a API agentów odkrywa te narzędzia i wysyła do serwera odpowiednie żądania, dzięki czemu aplikacja nie musi przekazywać każdego z nich osobno. Odkrywanie w tym kontekście oznacza znajdowanie możliwości dostępnych na skonfigurowanych serwerach. Ktoś nadal musi połączyć odpowiednie systemy i przyznać odpowiednie uprawnienia dostępu.
Agent może również podzielić pracę, przy czym jeden z podagentów bada obsługę ponownych prób, a inny sprawdza, w jaki sposób starsi klienci tworzą żądania. Dokumentacja dotycząca wielu agentów opisuje oddzielne konteksty dla podagentów, podczas gdy główny agent koordynuje i łączy ich wyniki. To działa wtedy, gdy pytania są niezależne. Jeśli obaj muszą edytować jedną funkcję, koordynacja ponownie staje się problemem, a wytyczne OpenAI wyraźnie wskazują na konieczność koordynacji edycji plików współdzielonych. To, co czyni ten proces godnym uwagi, to fakt, że wszystko to jest połączone wokół jednego ciągłego zadania.
Seans nadal potrzebuje miejsca do pracy
Czytanie problemu oraz przeprowadzanie testu reprodukcji wymagają różnych zasobów. Zgodnie z dokumentacją architektury, narzędzie obsługujące pętlę modelu i narzędzi jest oddzielone od środowiska wykonawczego, które dostarcza zasoby obliczeniowe oraz pliki w razie potrzeby. Twoja aplikacja wysyła zadania, odbiera zdarzenia i obsługuje wszystkie narzędzia funkcjonalne, które zdefiniowała. Istnieją trzy opcje środowisk:
- Brak żadnego środowiska: agent może wywoływać swoje skonfigurowane narzędzia, bez żadnego shella ani plików przestrzeni roboczej.
- Hostowane przez OpenAI: dla ciebie tworzone i uruchamiane jest środowisko typu sandbox, w którym wykonywane są polecenia, a pliki lub generowane artefakty są przechowywane.
- Samohostowane: ty dostarczasz zasoby obliczeniowe oraz pliki, a twoja aplikacja zajmuje się konfiguracją i dezinstalacją.
Podczas poszukiwania błędów środowisko musi zawierać kod, jego zależności oraz konfigurację testów. Sesja, która pamięta przebieg dochodzenia, nie może zrekompensować braku pakietu lub niedostępności usługi testowej. Ważna jest również druga różnica – dokumentacja OpenAI wskazuje, że sesja może przetrwać swoje środowisko, a przy samodzielnej eksploatacji aplikacja sama odpowiada za obliczenia i pliki. Pamiętanie o stworzeniu pliku testowego to nie to samo, co jego faktyczne posiadanie, dlatego zespoły powinny sprawdzić obie rzeczy, zanim obiecują płynne wznowienie pracy.
Zachowanie pracy nie jest dowodem na jej poprawność
Załóżmy, że proces zakończył się przekonującym wyjaśnieniem i pozytywnym wynikiem testu. Inżynier nadal musi sprawdzić, czy ten test odtworzył pierwotny błąd. Być może testował aktualnego klienta, podczas gdy błąd występował w starszym. Być może agent zmodyfikował test w taki sposób, że przestał sprawdzać problematyczne zachowanie.
Tutaj właśnie leży granica odpowiedzialności. Środowisko wykonywania dostarcza mechanizmów do kontynuowania pracy, a zespół aplikacji określa, jakie dowody stanowią przyjęcie rozwiązania. W ramach tej analizy oznacza to błąd, którego ktoś może odtworzyć, dokładną wersję kodu, którą sprawdzono, każdą wykonywaną komendę wraz z jej wynikiem oraz wszelkie pozostałe wątpliwości. Te wymagania muszą być uwzględnione w procesie pracy, nawet gdy pętlę uruchamia platforma.
Podobną uwagę należy poświęcić kompresji. Streszczenie pomaga zmieścić wcześniejsze prace w dostępnym kontekście modelu, jednak kluczowe decyzje powinny być również zapisywane w trwałym rejestrze, którym mogą się zapoznać inni. W tym przypadku opcja „tylko starsi klienci” musi pozostać powiązana z kryteriami przyjęcia zadania.
Analiza drugiego agenta jest przydatna, ale nie powinna być mylona z niezależną weryfikacją. Dwa agenci mogą dzielić się błędnymi założeniami lub opierać się na tych samych słabych dowodach. Test reprodukcji, który inny inżynier może ponownie przeprowadzić, stanowi solidniejszą podstawę.
Autorytet opiera się na tej samej logice. Wytyczne dotyczące bezpieczeństwa w środowisku sandbox OpenAI mówią, że kod generowany przez agenta może uzyskać dostęp do plików, danych uwierzytelniających oraz sieci dostępnych w jego środowisku, dlatego izolacja oraz ścisła kontrola dostępu muszą być celowo skonfigurowane. W tym przykładzie wystarczy dostęp do prowadzenia dochodzenia. Pozwolenie na sprawdzenie nieudanej żądania nie oznacza konieczności uprawnień do modyfikacji danych produkcyjnych.
Jak to ocenić
Rozsądne testy wykorzystują jeden ograniczony przepływ pracy, na przykład tworzenie raportu z dochodzenia w sprawie błędu w celu jego przeanalizowania. Porównaj to z obecnym podejściem zespołu: jak często dostarcza ono użytecznych dowodów, ile korekty ręcznej jest potrzebne oraz jak niezawodnie może być kontynuowane po przerwie. Oblicz całkowity koszt za każdy przyjęty wynik, ponieważ długie dochodzenie może wymagać wielu wywołań modeli, narzędzi oraz podagentów.
API oferuje logi sesji, wydarzenia, zapisaną historię oraz możliwość sprawdzania użycia tokenów. Dokumentacja wskazuje również na obecną ograniczenie: pobieranie śladów oraz zewnętrzne narzędzia do eksportu śladów nie są częścią publicznej wersji beta, co ma znaczenie dla zespołów posiadających już rozwiązania monitoringu. Wymagania dotyczące danych również wymagają wczesnego przyjrzenia się. W przeglądzie stwierdzono, że w momencie pisania dokumentacji API Agents obsługiwało przechowywanie danych wyłącznie w Stanach Zjednoczonych i nie oferowało opcji zerowego przechowywania danych, a samodzielnie zarządzany sandbox nie znosi tego ograniczenia.
Jeśli te ograniczenia są do przyjęcia, pojawia się pytanie praktyczne: czy zarządzany środowisko wykonawcze eliminuje wystarczająco dużo obciążeń infrastrukturalnych, aby uzasadnić poleganie na nim? Niektóre zespoły docenią tę alternatywę, podczas gdy inne będą chciały mieć kontrolę nad SDK lub własnym systemem orkiestracji.
Główny trend jest pozytywny. Kontrola kontekstu, wykonywanie kodu, koordynacja agentów oraz kontynuowanie pracy są teraz oferowane jako wspólna infrastruktura, co potwierdza pogląd, że przydatne agenty zależą od systemów otaczających model w takim samym stopniu, jak od samego modelu. Korzyścią jest możliwość przeznaczenia zaoszczędzonego czasu inżynierskiego na ułatwienie ufania uzyskiwanym wynikom. W przypadku ponownej próby oznacza to przekazanie następnemu inżynierowi błędu, który może odtworzyć, oraz dowodów, które może przeanalizować.
Odzwierciedla to oficjalną dokumentację OpenAI sprawdzoną 15 września 2026 roku. Przykłady procesów pracy oraz zalecenia dotyczące oceny to analiza inżynierska, a nie wyniki testów porównawczych.
Literatura pokrewna
- Dlaczego agenci kodujące wciąż mają trudności z kodem prywatnych firm — Real-SWE testuje osiem agentów kodujących na licencjonowanych bazach kodu prywatnych. Najlepszy z nich rozwiązuje 38,8 procent zadań, a pięć klas niepowodzeń pokazuje, gdzie agenci popełniają błędy.
- Używanie Codex w VS Code: zakres działania, punkty odzyskiwania oraz rozwiązania typowych problemów — Praktyczny przewodnik po rozszerzeniu Codex dla VS Code: instalacja, logowanie, pierwsze zadanie dla agenta, użycie chmury w porównaniu z interfejsem wiersza poleceń, wspólna konfiguracja oraz rozwiązania problemów z WSL, zatwierdzenia i autoryzacją zdalną.