Construir un agente siempre había significado escribir el harness propio: el bucle que decide qué se queda en el contexto, qué herramienta se llama a continuación, cuándo comprimir el historial y cómo repartir el trabajo entre subagentes. La Agents API de OpenAI, abierta en beta pública a todos los desarrolladores el 10 de septiembre de 2026, sustituye ese código por una llamada a infraestructura que OpenAI ya posee. Es el mismo harness que corre Codex, y ahora lo aloja, lo versiona y lo mejora OpenAI en vez de que cada equipo lo afine a mano.
Lo que sigue eligiendo el desarrollador
La API se organiza en cuatro primitivas: el agente (modelo, instrucciones, herramientas y servidores MCP), el entorno, la sesión —«una instancia duradera de un agente»— y los eventos e ítems que componen su ejecución, según la descripción de la Agents API. Dentro de ese marco quedan tres decisiones en manos de quien construye. El modelo es una, aunque todos los ejemplos publicados usan GPT-6 Astra y OpenAI no ha publicado una lista de modelos compatibles. Las herramientas son otra —servidores MCP, funciones propias y utilidades integradas como la búsqueda web—. La tercera es dónde corre de verdad el código del agente: en un sandbox gestionado por OpenAI, en la infraestructura propia del desarrollador, o en uno de los nueve socios de sandbox que OpenAI nombró en el lanzamiento —Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop y Vercel.
Compactación, búsqueda de herramientas y subagentes de fábrica
Lo que el desarrollador ya no escribe es la lógica de orquestación en sí. El harness compacta el contexto automáticamente cuando una sesión se acerca al límite del modelo, carga las definiciones de herramientas bajo demanda mediante búsqueda de herramientas en lugar de meterlas todas en el prompt, admite llamadas a herramientas de forma programática, y ejecuta configuraciones multiagente donde cada subagente conserva su propio contexto. «Mantenemos y mejoramos continuamente el harness junto con nuestros modelos», dice OpenAI, que versiona ese acceso con cada lanzamiento de modelo: los equipos reciben las mejoras sin tocar su código de orquestación. Un cliente del lanzamiento, Ciridae, reportó que su puntuación de evaluación subió de 0,71 a 0,85 y su latencia bajó a la cuarta parte al adoptar subagentes — una cita elegida por el proveedor dentro del propio anuncio de OpenAI, sin un método publicado detrás.
Sin cargo aparte, pero los contenedores se miden
OpenAI no cobra por el harness además del modelo. «No hay cargos adicionales por usar la Agents API: sólo se paga por los tokens y las herramientas que consumen los agentes», dice el anuncio. Lo que sí se mide es el propio sandbox alojado por OpenAI: los contenedores de Shell y Code Interpreter cuestan 0,03, 0,12, 0,48 y 1,92 dólares por sesión de 20 minutos, para 1, 4, 16 y 64 GB de memoria respectivamente, según los precios publicados. Los ejemplos del lanzamiento corren sobre GPT-6 Astra, facturado a 10 dólares por millón de tokens de entrada y 50 por millón de salida.
Un harness de código abierto como contrapeso
El harness no es una caja negra que OpenAI pida creer a ciegas: es el mismo código publicado como open source para Codex, así que un equipo puede leer exactamente qué está alquilando y, en principio, correr una versión equivalente por su cuenta en vez de depender de la copia alojada por OpenAI. Los entornos intercambiables funcionan igual. Dejar que el código corra en la infraestructura propia de una empresa o en un proveedor de sandbox externo es una concesión a quienes no van a mover sus datos al entorno de OpenAI, y evita que la API sea un compromiso de todo o nada.
Lo que la beta todavía no ofrece
Dos límites definen lo que un comprador regulado puede hacer hoy con esto. La residencia de datos en la beta cubre sólo Estados Unidos, y la API no admite retención cero de datos (ZDR) — correr el sandbox en infraestructura propia no cambia eso, según la descripción de la Agents API. Otras preguntas no tienen respuesta pública todavía: OpenAI dice que la infraestructura mantiene a los agentes «corriendo de forma fiable durante días» sin ninguna cifra de disponibilidad, límite de sesión o SLA que lo acompañe; los subagentes simultáneos son seis por defecto, sin máximo documentado; todos los ejemplos de código usan gpt-6-astra y no hay una lista publicada de modelos soportados; y el anuncio no dice nada sobre controles de aprobación humana, registros de auditoría o trazabilidad de lo que hace un agente.
El lanzamiento no retira nada. La Assistants API ya se había apagado el 26 de agosto, y la documentación coloca la nueva API junto a las otras dos vías, no por encima: la Agents API para «tareas largas en las que OpenAI gestiona el agente y guarda su progreso», el Agents SDK para agentes construidos dentro de la propia aplicación y la Responses API para llamar a los modelos directamente o construir un agente desde cero.
El intercambio se desprende de la propia descripción de OpenAI: el desarrollador deja de mantener código de orquestación y recibe gratis cada mejora del harness, y OpenAI se queda con la capa que más determina cómo se comporta un agente, con el estado del agente viviendo en sus sesiones, en centros de datos de Estados Unidos por ahora. Si ese intercambio resulta aceptable depende de un detalle que la beta ya dejó concreto —residencia de datos y retención— más que de cualquier función de la demo de lanzamiento.