OpenAI lanza su Agents API: sesiones gestionadas, sandbox y subagentes
La API da acceso al harness de Codex como servicio gestionado, con sandbox propio opcional, subagentes y sesiones que sobreviven entre turnos. No habrá retención cero de datos.
OpenAI ha publicado la Agents API, un servicio que expone el harness de Codex a través de una API que corre en su infraestructura. La compañía se encarga de las sesiones, la orquestación, la compactación de contexto y la recuperación; la aplicación que la consume aporta las herramientas y decide dónde se ejecuta el agente. La documentación está publicada en el sitio para desarrolladores de OpenAI y el anuncio ha escalado rápido en Hacker News.
Durante una sesión el agente puede ejecutar código, editar archivos, conectarse a servidores MCP y generar artefactos. La API se articula sobre cuatro piezas: el agente en sí (modelo, instrucciones, herramientas y servidores MCP), el entorno (un sandbox o equipo donde lee archivos, carga skills y lanza comandos), la sesión (instancia duradera que responde a la entrada del usuario) y los eventos e items que entran y salen de ella.
Qué gestiona OpenAI y qué pones tú
Con un sandbox alojado por OpenAI, la aplicación solo envía entrada y recibe eventos: el resto lo levanta y lo mantiene la plataforma. El harness gestionado cubre ejecución de comandos, aplicación de skills e instrucciones, conexión a datos externos vía herramientas o MCP, corrección del agente mientras trabaja, resumen del trabajo previo para controlar la ventana de contexto, división en subtareas delegadas a subagentes y reanudación de una sesión donde se dejó.
El flujo típico es crear la sesión con client.beta.agents.sessions.create, configurar el agente con modelo, instrucciones, herramientas y el bloque multi_agent (con un tope de subagentes concurrentes), y pasar la primera tarea. A partir de ahí se sigue el progreso por streaming o webhooks hasta que el agente termina o pide intervención, y se le pueden mandar más tareas o guiarlo en el turno en curso.
El entorno es opcional y también puede ser propio: el ejemplo de la documentación usa self_hosted con un directorio de trabajo y directorios de capacidades para las skills. La sesión guarda estado entre turnos sin necesidad de reconstruir el contexto, y se pueden borrar sesiones y artefactos publicados cuando ya no hacen falta.
Datos solo en Estados Unidos
El apartado que más condiciona un despliegue real está en los controles de datos: la Agents API solo soporta residencia de datos en Estados Unidos y no admite Zero Data Retention. Elegir un sandbox autoalojado no cambia eso; la plataforma lo dice explícitamente para que nadie lo asuma. Para equipos con requisitos de residencia en la UE o de retención cero, ese punto cierra la puerta por ahora.
El precio sigue tres tarifas: el uso del modelo a las tarifas de API del modelo elegido, las herramientas propias de OpenAI a su tarifa estándar y los sandboxes alojados por OpenAI a las tarifas estándar de contenedor.
Queda por ver qué implica operar esto en producción: cuánto aguanta una sesión larga antes de que la compactación de contexto muerda, cómo se factura un agente que lanza subagentes en paralelo y si la residencia fuera de EEUU llega antes o después. La documentación trae ejemplos completos (un agente de respuesta a incidentes, un bot de Slack, un analista de datos con SQL de solo lectura, un revisor de documentos) que sirven para hacerse una idea del alcance antes de tocar el SDK.
