OpenAI 10. septembrī publiskajā beta versijā atvēra Agents API, kas ārējiem izstrādātājiem dod to pašu dzinēju, uz kura strādā Codex. Sesiju uzturēšanu, konteksta saspiešanu, rīku izvēli un atkopšanos pēc kļūdas tagad kārto OpenAI puse. Izstrādātājs padod uzdevumu, rīkus un izvēlas, kur izpildās kods.
Līdz šim šo daļu katra komanda rakstīja pati. Agents SDK cikls griezās lietotnes iekšienē, Responses API vēstures sasaisti atstāja izstrādātāja rokās. Agents API to pārceļ uz serveri. Sesija ir noturīgs objekts, kam var sekot straumē vai ar tīmekļa āķiem. Sesiju var apturēt vai pagriezt citā virzienā darba vidū.
Atšķirība ir stāvoklī. Agents SDK stāvokli glabā tur, kur izstrādātājs to noliek, Responses API prasa vēsturi sasaistīt manuāli ar katru nākamo izsaukumu. Agents API stāvokli tur sesijā. Tāpēc garš uzdevums vairs nesabrūk, kad process lietotnes pusē tiek pārstartēts.
Ko dzinējs dara pats
Sesija sastāv no četrām daļām. Agent apraksta modeli, instrukcijas, rīkus un MCP serverus. Environment nosaka smilškasti, kurā aģents lasa failus un izpilda komandas. Session ir pati strādājošā instance. Events un items ir ievade un izvade.
Kad saruna tuvojas konteksta robežai, dzinējs pats veic saspiešanu un patur to, kas vajadzīgs darba turpināšanai. Rīku definīcijas uzvednē neieiet uzreiz: tool search tās ielādē pēc vajadzības, tāpēc žetonu skaits paliek mazāks un modeļa kešatmiņa netiek salauzta. Programmatiskā rīku izsaukšana ļauj izsaukumus laist paralēli, saķēdēt un rezultātu atfiltrēt kodā, pirms tas nonāk atpakaļ kontekstā.
Rīkus var pievienot trijos veidos. MCP serveri pieslēdzas pa HTTP, savas funkcijas aprakstāmas kā parasti, bet daļa rīku ir iebūvēti OpenAI pusē, to skaitā tīmekļa meklēšana. Failus, ar kuriem aģents strādā, tur glabātavās, kuras sesijai padod ar lauku vault_ids.
Sesijas dzīves ciklā ir četri soļi. Izstrādātājs sesiju izveido, seko gaitai straumē vai ar tīmekļa āķiem, tad turpina vai koriģē uzdevumu. Dzinēju uztur OpenAI. Katram jaunam modelim tā izdod tam piesaistītu dzinēja versiju.
Vairāku aģentu režīmā galvenais aģents sadala uzdevumu gabalos. Katrs apakšaģents saņem savu kontekstu, uzdevumus tiem dala galvenais. Paralēlo apakšaģentu skaitu ierobežo parametrs max_concurrent_subagents, OpenAI piemērā tas ir 3.
Kur izpildās kods
Vide ir atdalīta no dzinēja. Aģentu var palaist bez smilškastes vispār, OpenAI mitinātā smilškastē uz tās pašas infrastruktūras, ko lieto Codex un ChatGPT, vai uz sava dzelža. Savā serverī jāpalaiž codex exec-server, kas pats atver izejošu WebSocket savienojumu uz OpenAI. Ienākošie porti nav jāatver.
Deviņi mākoņu pakalpojumi ir pievienoti kā gatavas vides: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop un Vercel. OpenAI mitinātajā smilškastē var iepriekš sagatavot failus, pakotnes, prasmes un spraudņus, lai aģentam nebūtu jāsāk no tukša konteinera.
Maksā par žetoniem un konteinera laiku
Atsevišķas abonēšanas maksas par pašu saskarni nav.
Agents API nav papildu maksas. Sesiju apmaksā modeļi un rīki, ko tā izmanto.
Tā norēķinus apraksta OpenAI dokumentācija. Rēķinā nonāk modeļa žetoni, maksas rīku izsaukumi un konteinera laiks pēc parastajām likmēm. Piemēros lietotais gpt-6-astra maksā 10 dolāru par miljonu ievades žetonu un 50 dolāru par miljonu izvades žetonu. Ja smilškaste darbojas pie trešās puses, tās rēķins nāk atsevišķi.
Praksē tas nozīmē, ka aģents ar trim paralēliem apakšaģentiem un pusstundu ilgu sesiju var izmaksāt vairāk nekā desmit īsi Responses API izsaukumi. Fiksētu skaitli te neviens nenosauks, jo katra sesija patērē tik, cik uzdevums prasa. Rēķins klusi aug divās vietās. Konteksta saspiešana vecos žetonus pārraksta no jauna. Apakšaģentu kontekstus apmaksā atsevišķi.
Klientu skaitļi nāk no OpenAI
Kopā ar laidienu publicēti astoņu agrīno lietotāju rezultāti. Ciridae vērtējuma rādītājs cēlies no 0,71 uz 0,85, bet apakšaģentu plūsmu aizture samazinājusies četras reizes. SafetyKit ziņo par 60 % zemākām izmaksām uz vienu lietu. Hypha pēc pārejas uz pārvaldīto dzinēju fiksējusi 86 % mazāk neizdevušos atbilžu. Nash.ai ar šo saskarni tur tūkstošiem ilgi strādājošu aģentu loģistikas tīklos.
Šos skaitļus publicējis pats OpenAI, neatkarīgu pārbaudi neviens nav veicis. Sarakstā ir arī Long Lake, WithCoverage, Dwelly un deepsense.ai. Metodika nav atklāta nevienā gadījumā: nav zināms, ar ko tieši Hypha salīdzināja neizdevušās atbildes pirms pārejas, kā arī tas, cik ilgā periodā SafetyKit mērīja izmaksas uz lietu.
Divi ierobežojumi, kas beta versijā paliek
Dati glabājas tikai ASV. Eiropas datu rezidences izvēles nav, tāpēc komandām, kurām līgumi prasa datus turēt ES, šī saskarne pagaidām neder. Otrs ierobežojums ir Zero Data Retention režīma trūkums: sesijas saturu nevar atzīmēt kā neglabājamu, kā to var darīt ar Responses API.
Publiskā beta pieejama visiem API izstrādātājiem bez atsevišķa pieteikuma. Uzdevuma definīcija, glabātavu izvēle un vides izvēle joprojām jāraksta pašam. OpenAI pārņēma ciklu, kas šo darbu apkalpo, tomēr saturs tajā jāieliek izstrādātājam.
Komentāri
Šim rakstam vēl nav komentāru. Esi pirmais, kurš dalās ar savu viedokli.