Röviden: az OpenAI 2026. szeptember 10-én nyilvános bétában elindította az Agents API-t. A szolgáltatás a Codex mögött használt agent harnessre építve kezeli a hosszú munkameneteket, a kontextust, az eszközhasználatot és a részfeladatokra bontást. A fejlesztő választja meg a modellt, az eszközöket és a futtatókörnyezetet; a béta státusz miatt éles bevezetésnél változó felülettel és fokozott tesztigénnyel kell számolni.
Forrásállapot: 2026. szeptember 11. A képességek az OpenAI hivatalos Agents API bejelentéséből származnak. A gyártó által közölt ügyféleredmények saját környezetben mért példák, nem általános teljesítményígéretek.
Mi az Agents API lényege?
Egy klasszikus modellhívás bemenetet kap és választ ad. Egy üzleti agentnek ennél többre van szüksége: több lépésen át meg kell őriznie a feladat állapotát, eszközöket kell használnia, hibából kell helyreállnia, fájlokat kell kezelnie, és néha órákig vagy napokig kell folytatnia a munkát. Ezt a vezérlőréteget sok csapat eddig saját maga építette fel.
Az Agents API ezt a harness- és munkamenet-réteget kínálja menedzselt szolgáltatásként. Egy sessionben megadható a modell, az MCP-eszköz, a környezet és a feladat. Az OpenAI kezeli az agenthurkot és a kontextust, miközben az alkalmazás saját üzleti tudása, felülete és engedélyezési folyamata a fejlesztőnél marad.
Hol futhat az agent?
| Környezet | Előny | Fő kérdés |
|---|---|---|
| OpenAI által hosztolt sandbox | Gyors indulás, fájl- és kódfuttatási lehetőség | Adatkezelés, költség és régiós megfelelés |
| Saját infrastruktúra | Nagyobb környezeti és hálózati kontroll | Üzemeltetés, izoláció és skálázás |
| Sandbox partner | Választható CPU, GPU, memória és integráció | Partnerfüggés és teljes költség |
A futtatókörnyezet nem puszta technikai részlet. Meghatározza, hogy milyen fájlokat érhet el az agent, hol vannak a titkok, mely belső rendszereket láthatja, és hogyan állítható le. Éles használat előtt dokumentálni kell az adatútvonalat és az egyes eszközök írási jogosultságát.
Mire jó a több agentes felosztás?
Egy összetett feladat több független ágra bontható. Például egy weboldal-ellenőrzésnél külön agent vizsgálhatja a technikai SEO-t, a tartalmi hiányokat és a mérési hibákat, majd egy fő agent összerendezheti az eredményt. Ez csökkentheti a várakozást és javíthatja a fókuszt, de önmagában nem garantál jobb minőséget.
A párhuzamosítás költséget és koordinációs kockázatot is növel. A részagenteknek szűk feladat, egyértelmű kimenet és közös bizonyítékformátum kell. Ugyanazt a műveletet ne végezhessék el többször, és pénzügyi, törlési vagy külső kommunikációs lépés maradjon jóváhagyás-köteles.
Négy valós üzleti felhasználás
- Ajánlat-előkészítés: bejövő igény, belső árlista és korábbi projektek összerendezése tervezett ajánlattá.
- Üzemeltetési vizsgálat: naplók, változások és függőségek elemzése, bizonyítékokkal ellátott javaslattal.
- Dokumentumfeldolgozás: sok fájl osztályozása, adatkinyerése és kivételkezelése.
- Tartalomfrissítés: elavult oldalak azonosítása, forrásellenőrzés és szerkesztői feladatlista.
Élesítés előtti minimum
- Készíts feladatsiker-mutatót, költségplafont és maximális futási időt.
- Válaszd szét az olvasó és az író eszközöket; alapból csak olvasási jogot adj.
- Használj teszteseteket normál, hibás és rosszindulatú bemenetekkel.
- Naplózd a forrásokat, eszközhívásokat, jóváhagyásokat és végső kimenetet.
- Legyen megszakítás, újraindítás és emberi átvétel.
Az agent megbízhatóságát nem a legszebb demó, hanem a hibás esetek kezelése mutatja meg. Ehhez használható az AI-ügynökök 12 mutatós eval-kerete. Ha egy konkrét folyamatra szeretnéd illeszteni a technológiát, az üzleti folyamatautomatizálásnál érdemes a jelenlegi kézi lépésekkel és a jóváhagyási pontokkal kezdeni.