OpenAI udostępniło wszystkim deweloperom publiczną betę Agents API. Usługa zapewnia warstwę wykonawczą agenta (agent harness) oraz infrastrukturę używaną przez Codex, dzięki czemu zespoły nie muszą samodzielnie budować mechanizmów zarządzania kontekstem, narzędziami i subagentami. Obliczenia mogą działać w piaskownicy OpenAI, środowisku klienta albo u jednego z partnerów.
Czym jest zarządzana warstwa wykonawcza Codex
Według publikacji z 10 września 2026 roku Agents API jest usługą zarządzaną, opartą na otwartej warstwie wykonawczej Codex. OpenAI hostuje i utrzymuje ten komponent, a także rozwija go razem ze swoimi modelami. Przy kolejnych premierach modeli firma ma zapewniać dostęp do wersjonowanych wydań warstwy wykonawczej.
OpenAI wskazuje, że doświadczenia ze skalowania Codex i ChatGPT for Work ujawniły wymagania agentów pracujących przez dłuższy czas. Potrzebują one mechanizmu, który kontroluje kontekst, sprawnie udostępnia narzędzia i koordynuje pracę subagentów. Równolegle wymagają infrastruktury pozwalającej niezawodnie wykonywać zadania nawet przez kilka dni.
Usługa jest dostępna dla wszystkich deweloperów w ramach publicznej bety. Materiał pokazuje też przykład agenta do badania incydentów, tworzonego jednym wywołaniem API. Dokumentacja startowa obejmuje konfigurację uprawnień klucza API oraz zestawu SDK, ale wyciąg źródłowy nie zawiera kodu tego przykładu.
Jak Agents API porządkuje działanie agenta
Model działania Agents API opiera się na czterech pojęciach. Rozdzielają one konfigurację agenta, jego środowisko robocze, stan długotrwałego zadania oraz dane wymieniane podczas wykonywania pracy:
- Agent obejmuje model, instrukcje, dostępne narzędzia oraz serwery MCP.
- Environment to opcjonalna piaskownica, w której agent uzyskuje dostęp do plików, ładuje umiejętności i uruchamia polecenia.
- Session oznacza trwałą instancję agenta, która wykonuje zadania i reaguje na kolejne dane wejściowe.
- Events and items obejmują informacje przekazywane agentowi oraz wyniki, które agent wytwarza podczas pracy.
Takie rozdzielenie pozwala kontynuować pracę z tą samą sesją bez tworzenia całej konfiguracji od początku. Środowisko pozostaje elementem opcjonalnym, więc agent może działać również bez piaskownicy, jeśli dany proces jej nie wymaga.
Jak przebiega sesja i obsługa długich zadań
Sesja przechodzi przez cztery etapy. Deweloper najpierw ją tworzy, a następnie przekazuje zadanie. Postęp można śledzić przez strumieniowanie odpowiedzi albo webhooki. Po wykonaniu pracy aplikacja może zlecić nowe zadanie lub zmienić kierunek bieżącej tury.
Agents API automatycznie kompaktuje wcześniejszy kontekst, gdy sesja zbliża się do limitu. Deweloper nie musi przygotowywać własnej logiki skracania historii. Ma to znaczenie w zadaniach trwających długo, gdzie kolejne instrukcje, wyniki narzędzi i informacje zwrotne stopniowo wypełniają dostępne okno kontekstowe.
Usługa ogranicza również ilość informacji o narzędziach ładowanych do kontekstu. Funkcja tool search pobiera definicje dopiero wtedy, gdy agent ich potrzebuje. Według opisu zmniejsza to zużycie tokenów i koszty, a jednocześnie pozwala zachować pamięć podręczną modelu.
Programowe wywoływanie narzędzi pozwala wykonywać operacje równolegle oraz łączyć je w sekwencje. Agent może filtrować albo scalać wyniki w kodzie, dzięki czemu do kontekstu wracają tylko potrzebne dane. Obsługiwane są serwery MCP, funkcje przygotowane przez użytkownika i wbudowane narzędzia, w tym wyszukiwanie internetowe.
W trybie wieloagentowym agent główny dzieli złożone zadanie na niezależne części. Każdy subagent utrzymuje własny kontekst, natomiast agent główny koordynuje pracę i łączy rezultaty. Źródło nie określa limitu liczby subagentów ani zasad naliczania kosztów dla poszczególnych przepływów.
Gdzie można uruchomić środowisko agenta
Najważniejszą decyzją architektoniczną pozostaje wybór środowiska wykonawczego. Piaskownica hostowana przez OpenAI korzysta z infrastruktury stojącej za Codex i ChatGPT. Deweloper może skonfigurować ją za pomocą plików, pakietów, umiejętności oraz wtyczek.
W wariancie self-hosted organizacja uruchamia codex exec-server we własnym środowisku. Serwer rejestruje się za pomocą klucza z ograniczonymi uprawnieniami i łączy się z usługą przez WebSocket. Wszystkie połączenia są wychodzące, co może uprościć wdrożenie w sieciach, które nie pozwalają na inicjowanie połączeń z internetu do infrastruktury firmy.
Trzecia opcja obejmuje piaskownice partnerów z gotowymi integracjami. OpenAI wymienia dziewięciu dostawców: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop i Vercel. Agents API może też działać bez piaskownicy.
Wybór miejsca uruchomienia wpływa na to, gdzie agent wykonuje polecenia i uzyskuje dostęp do plików. Nie zmienia jednak ograniczenia dotyczącego rezydencji danych samej usługi. W publicznej becie dane pozostają wyłącznie w Stanach Zjednoczonych.
Ile kosztuje Agents API i jakie ma ograniczenia
OpenAI nie pobiera dodatkowej opłaty za samo Agents API. Klienci płacą za wykorzystane tokeny, narzędzia oraz czas pracy kontenera. Materiał nie podaje stawek jednostkowych, przykładowych rachunków ani progów użycia, dlatego koszt konkretnego procesu zależy od konfiguracji i wymaga sprawdzenia w aktualnym cenniku.
Firma przedstawiła wyniki zgłoszone przez klientów, ale nie są to niezależne testy porównawcze. Ciridae podało wzrost wyniku oceny z 0,71 do 0,85 oraz 4-krotne skrócenie opóźnienia w przepływach korzystających z subagentów. SafetyKit zgłosiło spadek kosztu obsługi jednej sprawy o 60 proc. po migracji procesu przeglądu spraw.
Hypha odnotowała o 86 proc. mniej nieudanych odpowiedzi agentów po oddzieleniu warstwy wykonawczej od piaskownicy. Nash.ai informuje natomiast, że uruchamia tysiące długotrwałych agentów w globalnych sieciach logistycznych. Źródło nie opisuje metodologii tych pomiarów ani warunków, w których uzyskano rezultaty.
Publiczna beta ma dwa istotne ograniczenia. Agents API obsługuje wyłącznie rezydencję danych w Stanach Zjednoczonych i nie wspiera Zero Data Retention, czyli trybu bez zatrzymywania danych. Może to wykluczać część procesów regulowanych lub wymagających innych zasad przetwarzania informacji.
Dla firm w Polsce oznacza to konieczność sprawdzenia wymagań dotyczących transferu i przechowywania danych przed uruchomieniem procesu produkcyjnego. Własna piaskownica daje kontrolę nad środowiskiem wykonywania poleceń, ale nie usuwa ograniczeń rezydencji danych deklarowanych dla Agents API.
