OpenAI вынесла Codex harness в облачный Agents API

Codex harness становится управляемым сервисом

OpenAI представила Agents API в публичной beta — программный интерфейс к тому же классу harness и инфраструктуры, на которых работает Codex. Сервис управляет контекстом, вызовами tools и координацией subagents, а также поддерживает сессии, способные продолжаться несколько дней. Разработчику не нужно самостоятельно собирать этот orchestration layer, но задача, model, tools и environment по-прежнему задаются в приложении.

Основная единица API — session. В опубликованном примере один вызов sessions.create получает конфигурацию agent с model gpt-6-astra, MCP tool и multi_agent, идентификаторы vault, описание environment и текст задачи. Формулировка «один API call» относится к созданию production-oriented сессии с готовым harness, а не к автоматическому проектированию надёжного бизнес-процесса из одной строки.

OpenAI размещает и обновляет harness, однако вычислительная среда остаётся выбором клиента. Agent можно запустить в OpenAI hosted sandbox, на собственной инфраструктуре или у интегрированного sandbox provider. Такой контракт отделяет логику оркестрации от места, где код читает файлы, использует secrets и создаёт artifacts.

Длинные задачи получают compaction и отдельные контексты

Когда сессия приближается к пределу контекста, Agents API автоматически выполняет compaction ранней истории и сохраняет информацию, которая нужна для продолжения работы. OpenAI заявляет, что благодаря этому workflow может проходить через несколько context windows без собственной реализации compaction. Практический риск при этом не исчезает: приложение всё равно должно проверять, какие решения, ограничения и результаты пережили сокращение истории.

Multi-agent режим разбивает сложную задачу на независимые части и передаёт их subagents, работающим параллельно. У каждого subagent свой контекст, а основной agent координирует результаты. В конфигурации можно ограничить число одновременно работающих subagents; пример OpenAI задаёт max_concurrent_subagents: 3.

Компания приводит customer quote Ciridae: после перехода evaluation score вырос с 0,71 до 0,85, а latency subagent workflow снизилась в четыре раза. Другой пользователь, Dwelly, сообщает о 60-процентном снижении cost per case при сохранении performance. Это результаты отдельных клиентов, а не универсальный benchmark API, поэтому их нельзя переносить на иной workload без собственного набора задач и измерений.

Tool search уменьшает постоянно загруженную схему

Для большого набора tools API предлагает tool search: определения подгружаются по мере необходимости, чтобы не держать их все в контексте и не разрушать model cache. После выбора tools programmatic tool calling позволяет параллельно выполнять независимые вызовы, связывать зависимые операции и фильтровать результаты кодом до возврата в контекст модели.

Agents API поддерживает MCP, custom functions и встроенные tools, включая web search. Это расширяет поверхность интеграции, но не отменяет прикладную авторизацию. MCP server, функция или поисковый инструмент должны получать только те полномочия и данные, которые нужны конкретной сессии; сам факт подключения к managed harness не делает внешний tool безопасным или идемпотентным.

OpenAI hosted sandbox предоставляет среду для запуска кода, работы с файлами и выпуска artifacts. Её можно конфигурировать собственными files, packages, skills и plugins. Для регулируемого workflow этого недостаточно считать готовой политикой: отдельно остаются срок жизни данных, доступ к secrets, сетевые ограничения, журналирование операций и проверка результата перед необратимым действием.

Открытая основа не означает переносимость всей платформы

OpenAI подчёркивает, что Agents API работает на open-source Codex harness: разработчики могут изучать публичный код, который координирует model calls, tools и context. Управляемый сервис при этом включает ещё и поддерживаемую OpenAI инфраструктуру. Следовательно, доступность исходного harness помогает понимать orchestration, но сама по себе не воспроизводит hosted sessions, sandbox lifecycle и эксплуатационные гарантии API.

Публичная beta доступна всем разработчикам. Отдельной платы за Agents API нет: клиент оплачивает использованные tokens и tools по действующему pricing. OpenAI обещает быстро менять продукт на пути к general availability, поэтому production-интеграции стоит привязывать к документированным схемам и проверять несовместимые изменения, а не полагаться на стабильность beta-поведения.

Главная ценность релиза — стандартный execution layer для долгоживущего agent, а не новая модель. Команда может сосредоточиться на своих tools, knowledge и workflows, передав OpenAI compaction, координацию и инфраструктуру сессии. Но качество итоговой системы всё равно определяется собственными evals, ограничением прав, восстановлением после частичных ошибок и readback каждого внешнего изменения.