API Agents від OpenAI: керована альтернатива користувацьким фреймворкам агентів
У цій статті пояснюється, як новий API Agents від OpenAI керує управлінням контекстом, оркестрацією інструментів та середовищами виконання, щоб команди могли уникнути необхідності створення власної інфраструктури агентів.
OpenAI випустила публічну бета-версію нового Agents API, і коротко кажучи: та сама система, яка працює з Codex, тепер доступна як керований хмарний сервіс для будь-кого. Замість того, щоб створювати власний шар оркестрації, ви просто описуєте завдання, обираєте модель, під’єднуєте необхідні інструменти та визначаєте місце, де має працювати агент. Одна лише виклик API створює готовий до експлуатації агент, причому всі складні аспекти — обробка контексту, планування інструментів, координація підзавдань — бере на себе та обслуговує сам OpenAI.
Ви можете використовувати будь-які інструменти та з’єднувачі, на яких вже покладаєтесь, приєднати їх до средовища типу sandbox на ваш вибір та дозволити агенту продовжити роботу з ними.
Один виклик замінює всю вашу фреймворк-структуру
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."
});
Створення надійного агента з нуля традиційно означало велику кількість не надто привабливої інженерної роботи: керування обсягом інформації, що вміщується у вікні контексту, налаштування використання токенів під час викликів інструментів та ручна реалізація логіки для синхронізації підзавдань. API Agents розроблений для того, щоб взяти на себе всі ці аспекти роботи:
- Автоматичне стиснення контексту: коли сесія наближається до свого ліміту контексту, система самостійно видаляє та узагальнює старі повідомлення, тож вам не потрібна власна логіка для підтримки довготривалих завдань.
- Визначення інструментів з завантаженням за потребою через пошук інструментів, що зберігає кешування моделі та зменшує загальне споживання токенів.
- Програмні виклики інструментів із підтримкою паралельних викликів та послідовного оброблення, що дозволяє передавати у контекст основного агента лише ті частини великого набору даних, які справді мають значення.
Цей сервіс наразі працює на найновішій моделі OpenAI — GPT-6-Astra.
Виберіть власне середовище виконання
Не кожен набір завдань для агентів має однакові вимоги до інфраструктури, тому API Agents пропонує три різні способи запуску ваших агентів:
- Сандбокс, розміщений на серверах OpenAI та побудований на тому ж бекенді, що вже використовується для Codex та ChatGPT
- Самокерована інфраструктура, де агент працює безпосередньо всередині вашого власного VPC
- Сандбокси, якими керують партнерські постачальники, зокрема Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop та Vercel
Вибір оптимального шляху залежить від того, що ви намагаєтесь оптимізувати. Для швидкого створення прототипів хостований сандбокс дозволяє почати роботу з мінімальними перешкодами. Для продакшн-завдань із вимогами до конформності чи обмеженнями щодо розташування даних робота всередині власної VPC забезпечує необхідний контроль. Кожен варіант має свої компроміси щодо обчислювальних ресурсів, пам’яті, доступу до GPU, часу запуску та вартості, тож ви можете підібрати середовище під конкретну роботу.
Сигнали від перших користувачів
Невелика група команд, які протестували бета-версію, вже повідомила про обнадійливі результати:
- Ciridae підвищила свої оцінки з 0,71 до 0,85, водночас скоротивши затримку у чотири рази
- SafetyKit знизив витрати на перегляд випадків на 60 відсотків, а також досяг значного покращення ефективності використання токенів
CTO компанії Ciridae зазначив, що команда протягом кількох місяців розробляла власну систему для моніторингу та оркестрації підагентів, і перехід на керований API приніс негайну, вимірювану користь без додаткової налаштування. Загальний мотив усіх цих результатів простий: як тільки ви більше не несете відповідальності за підтримку інфраструктури користувацьких агентів, ви можете спрямувати ці зусилля на логіку, яка справді робить ваш продукт унікальним.
Прозорість за замовчуванням, а не „чорна скринька“
Ця послуга побудована на основі відкритого коду Codex harness, а базовий код залишається загальнодоступним на GitHub. OpenAI керує та підтримує інфраструктуру, але жодна частина основної логіки виконання не є прихованою — ви можете переглянути її у будь-який час. Це означає, що для використання цієї керованої послуги не потрібно довіряти закритій системі; прозорість відкритого коду передається і на продукт, який надається в хостингу.
Роздуми про реальні витрати
Існує жарт про те, що цей запуск призвів до закриття понад сотні стартапів, і це не зовсім жарт. Кожного разу, коли постачальник платформи включає частину основної інфраструктури до своєї керованої послуги, компанії, чий продукт полягав саме у цьому проміжному рівні, раптово змушені шукати новий підхід.
Розробники вже вказали на серйозну проблему, пов’язану з ціноутворенням: одна спроба виконання складного завдання може призвести до десятка викликів інструментів, кожен з яких додає свою повну інформацію про хід виконання до загального контексту. Це може призвести до значно вищих рахунків ще до отримання функціонального результату. Наразі OpenAI не стягує додаткових зборів за сам API Agents під час публічної бета-версії — ви оплачуєте лише токени, які використовуєте, та виконання інструментів, які запускаєте. Це означає, що ви економите на витратах на створення та обслуговування власної платформи, але можете заплатити більше за пряме використання ресурсів. Знаходження правильного балансу між ступенем автоматизації викликів інструментів вашим агентом та витратами на це — завдання, яке кожна команда мусить вирішити самостійно.
Практичні висновки
Тестування нової концепції агента ще ніколи не було таким дешевим та швидким. Команди, у яких немає власної внутрішньої структури агентів, тепер можуть будувати їх безпосередньо на основі Codex, повністю оминувши етап створення фундаментальної інженерної бази. Якщо у вашій організації вже є власна платформа для агентів, варто поставити конкретне запитання: чи є створення та підтримка цієї платформи справді частиною того, що робить ваш продукт унікальним? Якщо ні, перехід на подібний керований сервіс може звільнити значну кількість часу, призначеного для роботи інженерів.
API Agents все ще знаходиться у стадії публічного бета-тестування, і на цьому етапі його можна використовувати безкоштовно, тому немає причин не створити тестового агента за допомогою одного виклику API, щоб побачити, що він насправді може робити.
Цей запуск є частиною загальної тенденції до постійного скорочення кількості елементів, які розробники раніше мусили самостійно створювати для роботи з великими мовними моделями. Спочатку з’явилися моделі як послуга, потім інструменти для їх використання як послуга, а тепер — щось ближче до ботів як послуга. Кожен крок веде розробників все вище у ієрархію, подалі від технічних аспектів інфраструктури та ближче до створення додатків та функцій, які справді роблять їхні продукти унікальними — і ця тенденція не показує ознак уповільнення.
Пов’язана література
- Розуміння понять Items та Messages у API відповідей OpenAI — пояснює, як API відповідей OpenAI реорганізує результати роботи моделей у елементи замість повідомлень, та чому ця зміна має значення для використання інструментів та автономних робочих процесів.