DevDay 2026: Agents API siūlo Codex „harness" kaip valdomą paslaugą

OpenAI pristatė Agents API — valdomą paslaugą, sukurtą ant Codex harness, kurioje kūrėjas apibrėžia įrankius, duomenis, instrukcijas ir vykdymo aplinką, o OpenAI valdo patį harness ir aplink jį esančias paslaugas. Pranešėjai aprašė API sluoksnius (Responses API kaip pagrindą, Codex ir Agents API viršuje) bei tris inžinerinius iššūkius: harness atskyrimą nuo aplinkos, agento veiksmų matomumą ir būsenos išsaugojimą valandas trunkančioms užduotims.
Pilna santrauka
Agentai 2026-aisiais ir pranešėjai0:21
Pranešimą vedė Charlie iš OpenAI developer experience komandos ir Steve, API komandos inžinierius. Įžangoje teigiama, kad jau daugiau nei metus kalbama apie agentus kaip kitą AI evoliucijos etapą, o 2026-aisiais tai iš tikrųjų tapo realybe: agentų galima prašyti ištirti sistemos gedimą, išspręsti palaikymo užklausą ar suderinti finansus. Pačioje OpenAI agentai naudojami visose srityse — nuo inžinerijos iki finansų ir rinkodaros — daugiausia per Codex ir ChatGPT work.
Didžiausia to dalis yra pats modelis: kuo modeliai pajėgesni, tuo sudėtingesnių darbų galima jiems patikėti; Astra ir GPT‑6.1 Sol gali atlikti didesnes užduotis nuo pradžios iki pabaigos. Tačiau kiekvieną kartą, kai modelis gali daugiau, turi keistis ir aplink jį esanti programinė įranga — nuo API endpoint ant inference steko pereita prie viso harness kaip paslaugos.
Nuo Assistants iki Responses API1:25
Steve apžvelgė istoriją. Tai ne pirmas bandymas spręsti šią problemą: su Assistants API buvo tyrinėjama, kaip kūrėjams pasiūlyti hostinamus workflow su įrankiais File Search ir Code Interpreter. 2023 m. GPT‑4 Turbo tokiais įrankiais galėjo atlikti vos kelių sekundžių trukmės darbus, o GPT‑6 Astra gali efektyviai naudoti dešimtis įrankių valandas ar dienas. Su reasoning modeliais prireikė lankstesnio pagrindo, todėl 2025 m. buvo paleista Responses API, sprendžianti bazinę problemą: kūrėjams reikėjo siųsti modeliui įvairaus tipo turinį (tekstą, vaizdus, reasoning) ir gauti atgal įvairaus tipo turinį.
Tai tapo galingu pagrindu ir leido atsirasti naujai agentinių produktų bangai, įskaitant Codex ir ChatGPT work.
API sluoksniai palyginti su torto sluoksniais arba savotiška Maslow inference hierarchija: Responses API yra pamatas, suteikiantis patikimą sąsają agentiniams harness; Codex yra ant jo ir suteikia agentui „rankas" — galimybę koduoti, redaguoti prezentacijas, naudoti naršyklę; o Agents API yra „saviaktualizacija", leidžianti produktui pasiekti visą potencialą kuriant agentus, automatizuojančius svarbias verslo dalis, be vargo patiems eksploatuoti harness dideliu mastu.
Kodėl kurta Agents API2:56
Kodėl dar kartą imtasi agentinio harness už API? Iš pradžių manyta, kad kūrėjai norės patys statyti šią infrastruktūrą — prieš atsirandant geriems harness kaip Codex, dauguma rašė savus, o 2025 m. buvo išleistas lokalus agentų harness, Agents SDK, visiškai kontroliuojamas pačių kūrėjų. Tačiau pokalbiuose komandos, aiškiai žinančios, kokį produktą ir workflow nori sukurti, klausdavo OpenAI, kaip tai statyti: kokius įrankius naudoti, ar agentas turi veikti sandbox viduje, ar išorėje, kaip tvarkyti paslaptis (secrets). Galiausiai jie tiesiog klausdavo, kaip padaryti, kad OpenAI tai valdytų už juos.
Išvada: nors kūrėjas gali turėti aiškią nuomonę apie įrankius, duomenis ir vykdymo aplinką, tai nereiškia, kad jis nori pats valdyti visą harness. Tai ir yra Agents API esmė — valdoma paslauga, pastatyta ant Codex harness: kūrėjas apibrėžia įrankius, duomenis, instrukcijas ir pasirenka aplinką, o OpenAI valdo harness ir aplinkines paslaugas, nuolat jį tobulindama kartu su modeliais, taip kad kūrėjams nereikėtų patiems kartoti kiekvieno patobulinimo.
Trys inžineriniai iššūkiai5:01
Toliau buvo aptarti trys esminiai inžineriniai iššūkiai: kaip harness, sukurtą veikti nešiojamame kompiuteryje, saugiai paleisti debesyje, kai aplinka yra visiškai kitas kompiuteris; kaip kūrėjams parodyti, ką agentas daro, kai jis pats sprendžia žingsnius eigoje; ir kaip išsaugoti būseną valandas trunkančiose užduotyse net diegiant naują kodą ar žlugus serveriui.
Pirmoji problema: Codex harness rėmėsi prielaida, kad veikia lokaliai — gali skaityti failų sistemą, keisti failą ir matyti rezultatą. Reikėjo atskirti harness nuo aplinkos, kurioje iš tikrųjų vykdomos komandos: kūrėjas gali norėti naudoti savo valdomus sandbox arba leisti OpenAI juos valdyti. Tam reikėjo būdo, kaip debesyje veikiantis harness bendrauja su bet kokia aplinka. Kyla papildomas klausimas: jei modelis prašo išvardyti failus kataloge, reikia rasti su ta sesija susietą aplinką, nusiųsti komandą ir greitai gauti rezultatą; prijungus daug aplinkų, kiekvienos sesijos komandos ir rezultatai turi būti atskirti.
Komanda, kuri anksčiau buvo lokali, dabar kaskart turi keliauti per šį ryšį. Pastarąsias savaites Agents API naudotojai galėjo atsinešti savo sandbox arba naudoti OpenAI paleistą; abiem atvejais agentai gali daug nuveikti per terminalą. Kaip minėta keynote, pridedama nauja, dažnai prašyta funkcija — computer use per API, suteikianti Astra gebėjimą naudotis GUI OpenAI hostinamose aplinkose.
Antroji problema, kurią pristatė Charlie: ką rodyti naudotojams, kol agentas dirba. Agento kelio neįmanoma numatyti iš anksto, nes jis priklauso nuo daugybės įvesčių — naudotojo prompt, įrankių rezultatų; skirtingais paleidimais agentas gali atidaryti kitus failus, bandyti alternatyvų kelią ar perduoti dalį darbo kitam agentui. Vis dėlto naudotojams reikia sekti eigą, ypač ilgose užduotyse — žinoti, ką agentas daro ir ar neužstrigo. Iš pradžių manyta, kad užteks pateikti neapdorotus tool calls ir modelio atsakymus, bet kūrėjams to nepakako.
Viena vidinė komanda, kurianti su API, susidūrė su tuo: jų sesijose būdavo keli naudotojo ir agento pokalbio ratai, ir jie norėjo vizualizuoti tool calls bei atsakymus pagal „turns", tačiau pirminis API dizainas to lengvai neleido. Jie būtų galėję patys sekti tuos ryšius, bet tai reikštų perkurti dalį harness, kurį kaip tik norėjo patikėti OpenAI. Todėl informacija apie turns buvo padaryta prieinama per API. Pabrėžta, kad statant harness kaip paslaugą tokių dizaino sprendimų yra dešimtys ir jie lemia, kiek darbo galima perleisti OpenAI, o kiek lieka pačiam kūrėjui.
Trečioji problema: kaip išlaikyti agentą patikimai dirbantį valandas. Kuo ilgiau agentas dirba, tuo daugiau kaupiasi istorijos, kuri gali viršyti modelio kontekstinį langą. Tam skirtas compaction — harness perneša naudingą informaciją į priekį, kad agentas tęstų darbą per kelis kontekstinius langus; kitaip kiekvienas kūrėjas turėtų pats spręsti istorijos valdymą. Kontekstas – tik vienas apribojimas: GPT‑6 gali dirbti dienomis, bet kartais reikia diegti naują kodą, serveriai miršta arba yra perkraunami.
Didžioji dalis debesų programinės įrangos sukurta trumpoms užklausoms (užklausa ateina, paliečia duomenų bazę, grąžina atsakymą per mažiau nei sekundę), o agentai dirba valandas ir juos darbo metu gali norėtis koreguoti — tad reikia surasti konkrečią sesiją tarp visų serverių ir nukreipti ten užklausą. Codex taip pat gali laukti įrankio rezultato iš kito kompiuterio. Visa tai priklauso nuo kitų sistemų: modelio inference, saugyklos, įrankių iškviečiamų paslaugų. Kad būtų pasiektos trys devynetos patikimumo, visos šios sistemos turi būti bent tiek pat patikimos.
Jei Codex krenta arba serveris keičiamas diegimo metu, reikia tęsti tiksliai nuo tos pačios vietos — agentas galėjo jau valandą tirti problemą arba atlikti veiksmų, kurių nenorima kartoti. Todėl būsena sekama labai tiksliai, serveriai rotuojami tinkamu metu, o gijos atnaujinamos akimirksniu. Konkretus pavyzdys: agentas nori redaguoti failą, komanda nusiunčiama į aplinką, bet ryšys nutrūksta — neaišku, ar failas pakeistas; rezultato nebuvimas nieko nepasako, o komandos pakartojimas gali duoti blogą rezultatą. Saugiam tęsimui reikia atsižvelgti ir į tai, kas įvyko vykdymo aplinkoje, ir į tai, ką pranešė harness.
Agents API visą šį sudėtingumą valdo už kūrėją.
Demo: skrydžių perrezervavimas11:43
Charlie parodė demonstraciją. Scenarijus: atšaukiamas jungiamasis skrydis. Pavienis keleivis galėtų naudoti Codex ar savo asistentą paieškai ir persirezervavimui, bet čia žiūrima oro linijų bendrovės pusė. Rodoma skrydžio AL204 iš San Francisko į Čikagą valdymo lenta; skrydis atšauktas, tad reikia perrezervuoti dešimtis ar šimtus keleivių. Rodomi keli sudėtingesni atvejai, kurie paprastai atitektų operacijų komandai: vienas keliautojas privalo nusileisti konkrečiame oro uoste, kita rezervacija — keturi keleiviai (šeima su vaikais), kurie turi keliauti kartu.
Paleidus perrezervavimo procesą fone sukuriamos dvi Agents API sesijos, o activity skirtuke matoma, kad agentas pradėjo darbą.
Laukdamas Charlie parodė kodą. Sesija yra pagrindinis Agents API statybinis blokas; JavaScript pavyzdyje ji sukuriama mažiau nei dešimčia eilučių. Nurodoma aplinka — OpenAI hostinamas sandbox (galima atsinešti savo arba naudoti trečiųjų šalių sandbox tiekėjus), plačiai išjungiama tinklo prieiga, o sesija prašoma srautu grąžinti įvykius, kad UI būtų atnaujinamas gyvai.
Perrezervavimo agentui duotas flight rebooking skill, nurodantis tikslius žingsnius keleiviui perrezervuoti; jis užkrautas iš lokalaus failo, pridėtas į agento workspace ir dalijamas sesijoje per capability directories lauką, kuriuo galima dalintis ne tik skills, bet ir nurodyti kelius į pluginus, įskaitant MCP serverius. Svarbi dalis — search flight inventory įrankis, leidžiantis tikrinti laisvas vietas įvairiuose skrydžiuose; aprašyme nurodyta, kad rezultatai yra patariamieji: galima sukurti bilieto rezervaciją (hold), bet galutinai patvirtinti turi žmogus.
Papildomas patikros sluoksnis: instrukcijose agentui liepta deleguoti sėdimų vietų ir atvykimo patikras dviem subagentams ir palaukti abiejų atsakymų prieš skelbiant pasiūlymą. Tam įjungtas multi-agent mode, o maksimalus vienu metu veikiančių subagentų skaičius nustatytas į du — šį lauką galima didinti ar mažinti pagal lygiagretaus darbo kiekį, tačiau didesnės reikšmės greičiausiai sunaudos daugiau tokenų. Galiausiai agento paprašyta grąžinti failus: JSON su galutiniu pasiūlymu, JSON su palygintomis alternatyvomis ir Python skriptą, deterministiškai patikrinantį logiką pagal duotus apribojimus.
Rezultatai: Erin reikia patekti į O'Hare, kiti variantai netinka, pageidauja išvykti rytoj ryte. Activity skirtuke matoma, kad agentas atidarė sandbox, paleido komandas, panaudojo įrankį skrydžių prieinamumui tikrinti ir delegavo dviem subagentams, galiausiai rezervavo vietas patvirtinimui ir pateikė rekomendaciją su paaiškinimais. Vietos laikomos rezervuotos, kol žmogus patvirtina; Charlie patvirtino. Ava rezervacija — keturi žmonės, įskaitant vaikus, visi turi būti perrezervuoti kartu.
Eiga panaši, o workspace skirtuke matyti atliktos patikros: skrydis AL314 atmestas, nes turėjo tik vieną laisvą vietą, o AL744 — nes, nors turėjo keturias vietas, nebuvo galima garantuoti, kad jos bus kartu, o tai buvo reikalavimas. Files skirtuke yra galutinio pasiūlymo JSON, visų svarstytų variantų palyginimas ir Python failas logikos patikrai. Pažymėta, kad nors parodyti tik du keleiviai, vienas atšauktas skrydis gali sukurti dešimtis tokių atvejų, o Agents API leidžia juos apdoroti lygiagrečiai, matyti, kodėl kiekvienas skrydis rekomenduotas, ir palikti galutinį sprendimą žmogui.
Nauda kūrėjams ir klientų pavyzdžiai17:22
Pastebėta, kad patyrę agentinių programų kūrėjai galėtų panašų dalyką sukurti ir su Responses API — daug statybinių blokų jau egzistuoja — bet, kaip rodė Steve, reikia daug ką teisingai sutvarkyti. Su Agents API nereikia kurti ar prižiūrėti tos infrastruktūros: galima susitelkti į pačią programą, perrezervavimo taisykles ir tai, kada reikalingas žmogaus patvirtinimas; be to, su Codex galima iteruoti greičiau, nes mažiau kodo rašyti, testuoti ir prižiūrėti.
Pateikti klientų pavyzdžiai: Notion external agents leidžia iš Notion dirbančioms komandoms paskirti darbą ir atlikti jį asinchroniškai, o dabar per Agents API į šį workflow galima įtraukti OpenAI agentus. Rakuten integruoja Agents API į savo produktus ilgai trunkančioms užduotims — naudotojai paveda agentui darbą ir vėliau grįžta duoti krypties bei atsiliepimų. Bain naudoja Agents API sintetinėms auditorijoms klientams kurti — tai lyg virtualios fokus grupės, AI simuliuoti klientai, paremti realiais klientų tyrimais, kurie pateikia atsiliepimus apie naujus produktus, reklamas ar apklausas; rezultatus vis tiek tikrina žmonės ekspertai.
Tiems, kurie nori likti AWS ekosistemoje, kaip minėta keynote, galima kurti su Bedrock managed agents, veikiančiais su OpenAI; dirbta glaudžiai su AWS komanda, panaudojant Agents API branduolį ir giliai jį integruojant.
Kvietimas plėsti agentų mastą18:24
Pabaigoje Charlie kvietė pagalvoti apie kūrėjų ambicijas: kokį darbą imtumeisi, jei turėtum gerokai daugiau žmonių ar laiko, ką sukurtum, jei galėtum paleisti 100, 1 000 ar 10 000 agentų — pavyzdžiui, ištirti kiekvieną mikroservisą dėl saugumo spragų, imtis anksčiau neįsivaizduojamų programinės įrangos megaprojektų ar vienu metu tyrinėti šimtus skirtingų tyrimo klausimo sprendimo būdų. Būtent tuo ir žavi Codex harness prieinamumas per API: darbą, kuris iš prigimties yra lygiagretinamas, galima dramatiškai išplėsti.
Originalas: Harness-as-a-Service: Building with the Agents API | DevDay 2026 (OpenAI YouTube kanalas)