OpenAI Agents API: что это, как работает и сколько стоит

OpenAI Agents API — управляемый сервис OpenAI для запуска облачных ИИ-агентов. Он даёт приложению доступ к Codex harness — той же «обвязке», которая управляет моделью и инструментами в Codex. OpenAI берёт на себя сессии, оркестрацию, сжатие контекста и восстановление после сбоев, а разработчик описывает агента, подключает инструменты и выбирает, где выполнять код. API вышел в публичную бету 10 сентября 2026 года. Отдельной платы за сам API нет: оплачиваются токены модели, инструменты и время песочницы (документация OpenAI, журнал изменений).

Материал предназначен для разработчиков, технических руководителей и владельцев бизнеса, которые выбирают платформу для агентов. Разбираем архитектуру, окружения, инструменты, стоимость, лимиты беты и сценарии, где сервис подходит или не подходит. Сравнение с Claude Managed Agents вынесено в отдельную статью, юридическую оценку конкретного проекта этот текст не заменяет.

Редакция: AI студия Владимира Ломтева. Подготовлено 4 октября 2026 года по официальной документации OpenAI, проверенной в этот день. Сервис редакция самостоятельно не тестировала: примеры кода и результаты взяты из документации и помечены. Статья опубликована на сайте AI студии Владимира Ломтева, которая внедряет ИИ-агентов; блок об услугах расположен перед заключением. Партнёрских ссылок и вознаграждений от OpenAI в материале нет.

Коротко о главном

Agents API запускает агента на стороне OpenAI: цикл «модель → инструмент → результат» и состояние сессии хранит провайдер.
Код агент может выполнять в песочнице OpenAI, в собственной инфраструктуре или вообще без песочницы.
Инструменты: ваши функции, MCP-серверы, веб-поиск, управление браузером, навыки и плагины.
Цена складывается из токенов модели, платных инструментов и контейнерного времени; плата за сам API не взимается.
Ограничения беты: данные хранятся только в США, Zero Data Retention не поддерживается. Россия не входит в список стран, где доступен API OpenAI.

Содержание

Что такое OpenAI Agents API
Agents API, Agents SDK и Responses API: в чём разница
Из чего состоит Agents API
Как работает сессия
Окружения: без песочницы, песочница OpenAI или своя
Инструменты агента
Секреты и безопасность
Субагенты и мультиагентная работа
Сколько стоит Agents API
Лимиты и ограничения бета-версии
Быстрый старт на Python
Что стало с Assistants API и Agent Builder
Когда Agents API подходит, а когда нет
Доступность в России и правовые вопросы
Частые вопросы

Что такое OpenAI Agents API

ИИ-агент — программа, в которой языковая модель сама планирует шаги, вызывает инструменты и учитывает их результаты, пока не выполнит задачу. Harness, или обвязка агента, — код вокруг модели: он передаёт ей контекст, исполняет вызовы инструментов, хранит историю и решает, что делать при ошибке. Обычно обвязку пишет команда продукта. В Agents API её предоставляет OpenAI: по формулировке документации, API «запускает Codex harness и управляет инфраструктурой агента» (обзор Agents API).

Codex harness — обвязка, на которой работает агент для программирования Codex. В объявлении о запуске OpenAI описывает новый API так: «создавайте и запускайте облачных агентов с Codex harness, полностью управляемым OpenAI» (объявление на форуме OpenAI). Исполнитель для собственных песочниц входит в пакет Codex CLI, код которого опубликован в репозитории Codex на GitHub. В управляемую обвязку входят выполнение команд в песочнице, загрузка навыков и инструкций, подключение внешних данных через инструменты и MCP, корректировка задачи на ходу, сжатие истории, делегирование субагентам и продолжение сессии с места остановки (обзор Agents API).

Хронология короткая. Публичная бета открылась 10 сентября 2026 года. 29 сентября, в день DevDay 2026, OpenAI добавила в Agents API управление браузером (computer use) (журнал изменений, обзор DevDay в InfoQ). Поэтому часть функций ещё помечена как бета, а контракты API могут меняться. Анонсы DevDay мы разбирали в статье «OpenAI DevDay 2026: все анонсы».

Agents API, Agents SDK и Responses API: в чём разница

У OpenAI три способа построить агента, и они отличаются главным: где работает цикл агента и кто хранит его состояние. Документация сводит различия в одну таблицу; ниже — её перевод с сокращениями (раздел Agents).

Критерий	Agents API	Agents SDK	Responses API
Для чего	Длительные задачи, где OpenAI управляет агентом и сохраняет прогресс	Агенты с собственными инструментами и процессами в вашем приложении	Прямые вызовы модели или агент «с нуля»
Где работает агент	Управляемый Codex harness на стороне OpenAI	Библиотека внутри вашего приложения	Ваше приложение, опционально с хостинговой оркестрацией
Трудозатраты на интеграцию	Низкие	Средние	Высокие
Состояние между задачами	Сохранённые настройки сессии, ходы и элементы	Ваше хранилище и сессии SDK	История вручную, цепочки ответов или Conversations
Где выполняется код	Песочница OpenAI, своя песочница или без неё	Ваша среда и интеграции с провайдерами песочниц	Ваша среда

Разница в ответственности. Agents SDK — открытая библиотека: цикл агента, передачу задач между агентами и хранение состояния вы запускаете и сопровождаете сами (репозиторий Agents SDK). Agents API переносит этот цикл к OpenAI: приложение отправляет задачи и получает события. Responses API — нижний уровень, отдельный вызов модели, над которым агент строится вручную.

Практическое правило вытекает из таблицы. Если нужен полный контроль над циклом, хранением и развёртыванием, выбирайте SDK. Если важнее быстро получить долгоживущего агента с песочницей и восстановлением, подходит Agents API. Для одной операции — классификации, извлечения полей, ответа по документу — агент обычно не нужен: достаточно одного запроса к Responses API.

Из чего состоит Agents API

API построен вокруг четырёх сущностей (обзор Agents API):

Агент (agent) — модель, инструкции, инструменты и MCP-серверы, доступные агенту.
Окружение (environment) — необязательная песочница или компьютер, где агент работает с файлами, загружает навыки и запускает команды.
Сессия (session) — долговременный экземпляр агента, который выполняет задачи и отвечает на ввод.
События и элементы (events, items) — входящие сообщения и всё, что агент производит во время сессии.

Конфигурацию агента можно передать при создании сессии или сохранить отдельно и переиспользовать по agent_id. Изменения сохранённого агента применяются только к новым сессиям: каждая сессия копирует настройки в момент создания. У существующей сессии через POST /v1/agents/sessions/{session_id} меняются только модель, уровень рассуждения (reasoning.effort) и уровень обслуживания (service_tier). Инструкции, инструменты и настройки мультиагентности так поменять нельзя — нужна новая сессия (настройка агентов).

Архитектурно в системе три участника (архитектура). Harness работает у OpenAI и ведёт цикл модели и инструментов. Окружение исполняет команды и хранит файлы; это может быть удалённая песочница, ноутбук, Docker-контейнер или функция AWS Lambda. Сервер приложения — ваш код: он отправляет задачи, получает события, обрабатывает вызовы функций и, если окружение ваше, управляет его жизненным циклом.

Как работает сессия

Сессия хранит конфигурацию агента, переписку и сохранённую работу. Внутри сессии работа делится на ходы (turns). Сообщение в простаивающую сессию запускает новый ход, а сообщение во время активного хода корректирует текущую работу (steering). Ходы выполняются асинхронно: прогресс получают через поток событий или вебхуки (сессии).

Типичный цикл выглядит так:

Приложение создаёт сессию с агентом и первой задачей. При размещении у OpenAI провайдер сам готовит песочницу.
Задача запускает ход, как только окружение готово.
Приложение читает поток событий или ждёт вебхук о завершении либо о необходимости ввода.
Приложение отправляет следующую задачу в ту же сессию или корректирует текущую.

Документация несколько раз подчёркивает неочевидные моменты. Событие agent.session.turn.completed значит, что ход закончен, но не гарантирует, что каждый инструмент отработал успешно — результат нужно проверять. Статус простоя (agent.session.idle) или закрытый поток тоже не означают успеха. Поток не воспроизводит пропущенные события: после обрыва приложение заново открывает поток, загружает сохранённые элементы сессии и восстанавливает состояние по item_id (события и элементы).

Для повторной отправки сообщений документация рекомендует ключ идемпотентности. Ключ создают один раз на логическое сообщение и переиспользуют при повторах после тайм-аута, чтобы агент не получил одну задачу дважды. Когда агенту нужен результат вашей функции или подключение окружения, сессия переходит в статус requires_action, а список ожидающих действий находится в поле required_actions (управление сессиями).

Вебхуки удобны, если приложение не держит поток открытым. Поддерживаются события создания сессии, необходимости действия, начала работы, простоя и сбоя. Запросы подписаны, подпись нужно проверять до обработки (вебхуки сессий).

Окружения: без песочницы, песочница OpenAI или своя

Тип окружения задаётся полем environment.type, и от выбора зависит, кто отвечает за вычисления и файлы (архитектура).

Вариант	Когда выбирать	Что учесть
`none`	Агент отвечает на вопросы или работает с внешними сервисами через инструменты	Нет встроенных Bash и apply-patch, файлов рабочей области и MCP, запускаемых в окружении
`openai_hosted`	Нужно запускать скрипты, править файлы, создавать артефакты без своей инфраструктуры	Пакеты, файлы и сеть настраиваются; песочница удаляется после часа без активности
`self_hosted`	Нужны своя инфраструктура, частная сеть или специфичное ПО	Запуск, переподключение, остановку и сохранность файлов обеспечиваете вы

Песочница OpenAI

Песочница OpenAI — Linux-среда с Python, Node.js и инструментами командной строки; рабочий каталог /workspace. Перед стартом агента можно установить пакеты Python, системные пакеты и npm, выполнить команды подготовки, загрузить файлы и задать переменные окружения. Ненулевой код возврата команды подготовки не даёт агенту стартовать. Повторяющиеся настройки сохраняют в шаблон окружения (песочницы OpenAI).

Размер	vCPU	Память
`small`	1	1 ГБ
`medium` (по умолчанию)	2	4 ГБ
`large`	4	16 ГБ

Сетевой доступ имеет три режима: enabled (по умолчанию), disabled и restricted. В ограниченном режиме разрешены только перечисленные хосты — от 1 до 100 точных имён без масок, протоколов и путей. Поддомены и адреса перенаправлений добавляются отдельно (песочницы OpenAI).

Файлы живут, пока существует песочница. Всё, что агент сохранил в /workspace/outputs, публикуется как неизменяемый артефакт при завершении хода и остаётся доступным для скачивания после удаления песочницы. Сама песочница может быть удалена, если в течение часа нет ни активности, ни keep-alive-сигналов; этот тайм-аут не настраивается. Закрытие потока событий задачу не отменяет — для остановки нужно отменить ход (файлы и артефакты).

Собственная песочница

В режиме self_hosted OpenAI по-прежнему запускает harness, а внутри вашей среды работает исполнитель codex exec-server. Он выполняет команды, читает и пишет файлы и запускает локальные MCP-серверы по запросу harness. Все соединения исходящие: исполнитель регистрируется через https://api.openai.com и получает команды по WebSocket через wss://codex-cloud-environments.chatgpt.com (собственные песочницы).

Для исполнителя создают отдельный ключ окружения, который разрешает только подключение окружений. Основной API-ключ приложения в песочницу не передают: код, сгенерированный агентом, может прочитать всё, что лежит в его среде. Если исполнитель не подключён, API ждёт подключения до пяти минут, затем отправка завершается ошибкой. Удаление сессии не останавливает ваши вычисления — их нужно гасить отдельно (жизненный цикл песочницы).

При запуске OpenAI назвала поставщиков песочниц с готовой интеграцией: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle Cloud, Runloop и Vercel (объявление на форуме OpenAI). Это удобно, когда нужны GPU, особые конфигурации памяти или размещение в своём VPC.

Инструменты агента

Набор инструментов задаётся в agent.tools. Инструменты различаются тем, где они исполняются и кто отвечает за их результат.

Функции (function tools). Вы описываете функцию JSON-схемой, агент запрашивает вызов, ваш код выполняет его и возвращает результат событием agent.session.input.tool_result с теми же turn_id и call_id. Результат больше 4 МиБ будет отклонён. Для функций с побочными эффектами документация советует сохранять результаты по сессии, ходу и вызову: после сбоя проверяйте, не выполнена ли операция, прежде чем запускать её снова (функции).

{
  "type": "function",
  "name": "get_customer",
  "description": "Look up a customer by ID.",
  "parameters": {
    "type": "object",
    "properties": { "customer_id": { "type": "string" } },
    "required": ["customer_id"],
    "additionalProperties": false
  }
}

Пример определения функции взят из документации OpenAI.

MCP-серверы. Model Context Protocol — открытый протокол, через который внешний сервер публикует инструменты для модели. В Agents API есть три способа подключения (MCP):

Подключение	Откуда идёт соединение	Нужна песочница
HTTP, `connection_origin: "service"` (по умолчанию)	Из инфраструктуры OpenAI	Нет
HTTP, `connection_origin: "environment"`	Из окружения сессии	Да
stdio	Процесс внутри окружения	Да

Параметр allowed_tools ограничивает, какие инструменты сервера видит агент, а required: true проваливает ход, если сервер не запустился. Для серверов во внутренней сети подходит подключение из окружения: серверу не нужен публичный адрес.

Веб-поиск. Встроенный поиск работает в режимах live, cached или disabled. Его можно ограничить списком до 100 доменов и задать местоположение для локальных запросов. Просьба «поищи в интернете» в промпте поиск не включает — инструмент должен быть в конфигурации (веб-поиск).

Управление браузером (computer use). Агент работает в браузере, размещённом у OpenAI. Перед первым обращением к каждому новому сайту нужно одобрение пользователя, вход в аккаунты обрабатывает ваше приложение. Одобрение сайта не гарантирует подтверждения каждого действия, поэтому для покупок и необратимых операций нужен отдельный контроль. Содержимое сайтов документация требует считать недоверенным: страница не может выдавать агенту разрешения (computer use).

Поиск инструментов и программные вызовы. При большом каталоге функций определения можно загружать по требованию: defer_loading: true плюс инструмент tool_search. Programmatic Tool Calling позволяет агенту вызывать инструменты из кода, параллельно и цепочками (функции).

Навыки и плагины. Плагин упаковывает навыки (инструкции в SKILL.md) и MCP-конфигурацию. В свою песочницу его копируют каталогом, в песочницу OpenAI загружают ZIP-архивом. После изменения плагина нужна новая сессия: существующие сессии инструменты не перезагружают (плагины).

Секреты и безопасность

Главный принцип документации: код, который сгенерировал агент, имеет доступ ко всем файлам, учётным данным и сети своего окружения (безопасность песочницы). Из него следуют четыре правила:

Изоляция. Разные пользователи и нагрузки — в разных окружениях; для приложения — отдельный проект OpenAI.
Минимальные права ключей. Ключу приложения нужны api.agents.read, api.agents.write и api.responses.write, а для работы с хранилищами секретов — api.vaults.read и api.vaults.write.
Ограничение сети. Исходящий трафик разрешают только к нужным адресам.
Секреты вне песочницы. Сторонние ключи не кладут в окружение.

Для последнего пункта есть хранилища (vaults). Учётные данные MCP-серверов типа static_bearer или mcp_oauth использует сама OpenAI при подключении к серверу. Тип environment_variable работает иначе: код в песочнице видит только заглушку, а сетевой прокси подставляет настоящий секрет в HTTPS-запросы к разрешённым хостам. Так агент может вызвать, например, API GitHub, не зная токена (хранилища). Заглушку нельзя использовать для локальных вычислений вроде подписи запроса — такие операции лучше оставить в приложении и открыть агенту через функцию.

Удаление учётных данных из хранилища не отзывает исходный токен у провайдера и не останавливает работающую сессию. Отзыв и отмену выполняет ваше приложение. Подробнее о защите агентов от вредоносных инструкций — в нашем материале «Безопасность ИИ-агентов».

Субагенты и мультиагентная работа

Параметр agent.multi_agent.enabled: true разрешает агенту делегировать задачи субагентам. У каждого субагента свой контекст, работать они могут параллельно, а главный агент координирует их и собирает результат. Инструменты создания, отправки сообщений, ожидания и прерывания субагентов harness добавляет сам. Лимит одновременных субагентов задаётся max_concurrent_subagents (мультиагентность).

Ограничения важны для архитектуры. Субагенты используют общее окружение и файловую систему — отдельная песочница для них не создаётся. Они наследуют MCP-инструменты с их учётными данными и настройки веб-поиска, но не поддерживают функции. Значит, вызовы вашего бэкенда должен делать главный агент. Документация советует отдавать субагентам независимые задачи — например, разбор разных документов или проверку разных гипотез о сбое, — а короткие и зависимые шаги оставлять главному агенту.

Сколько стоит Agents API

Отдельной платы за Agents API нет. По документации, модель тарифицируется по своим ставкам API, инструменты OpenAI — по стандартным тарифам, а песочницы OpenAI — по стандартным контейнерным ставкам (обзор Agents API). Стоимость задачи складывается так:

Стоимость = токены всех вызовов модели (агент + субагенты + повторы) + платные инструменты + время контейнера + сторонние сервисы.

Ставки моделей на 4 октября 2026 года, стандартная обработка, короткий контекст, долл. США за 1 млн токенов (цены OpenAI):

Модель	Ввод	Кэшированный ввод	Вывод
gpt-6-astra	$10,00	$1,00	$50,00
gpt-6.1-sol	$2,00	$0,10	$10,00
gpt-6-luna	$0,10	$0,01	$0,50

Контейнеры по той же странице стоят $0,03 (1 ГБ), $0,12 (4 ГБ) и $0,48 (16 ГБ) за 20-минутную сессию контейнера. Для подходящих сессий тарификация поминутная с минимумом 5 минут. Размеры small, medium и large песочницы Agents API соответствуют 1, 4 и 16 ГБ памяти. Как именно ставки применяются к вашему счёту, проверяйте в панели расходов OpenAI.

Пример расчёта (иллюстрация, а не прогноз). Допустим, агент на gpt-6.1-sol за задачу обработал 400 000 входных токенов, из них 250 000 из кэша, сгенерировал 30 000 выходных токенов и 40 минут работал в песочнице medium:

Статья	Расчёт	Сумма
Некэшированный ввод	150 000 × $2 / 1 млн	$0,30
Кэшированный ввод	250 000 × $0,10 / 1 млн	$0,025
Вывод (включая рассуждения)	30 000 × $10 / 1 млн	$0,30
Контейнер 4 ГБ	40 мин × ($0,12 / 20 мин)	$0,24
Итого		$0,865

В расчёт не вошли запись в кэш, у которой у этих моделей отдельная цена, платные инструменты и повторы. Документация предупреждает: поля использования в Agents API заполняются «по мере возможности», могут быть пустыми и не показывают отдельно запись в кэш, поэтому не являются итоговым счётом (наблюдаемость и расходы). Высокая доля кэша тоже не равна экономии на задаче: кэшированные токены оплачиваются, а длинная история повторно обрабатывается при каждом вызове.

Что сильнее всего влияет на счёт:

Выбор модели. Ставки gpt-6-astra и gpt-6-luna на вводе различаются в 100 раз.
Длина истории. Каждый вызов модели заново читает инструкции, определения инструментов и накопленный контекст.
Число субагентов. Каждый субагент делает собственные вызовы модели.
Время песочницы. Незакрытые сессии с окружением продолжают тарифицироваться; удаляйте их после работы.

Сравнить облачные API и собственное развёртывание помогает наш разбор «Облачная или локальная LLM: как сравнить TCO», а характеристики флагманской модели — обзор GPT-6 Astra.

Лимиты и ограничения бета-версии

Параметр	Значение	Источник
Статус	Публичная бета; запросы с заголовком `OpenAI-Beta: agents=v1`	Быстрый старт
Хранение данных	Резидентность данных только в США; Zero Data Retention не поддерживается, в том числе при своей песочнице	Обзор
Инструкции + конфигурация инструментов	До 4 МиБ	Настройка
Входные данные запроса	До 4 МиБ	Сессии
Файлы при создании сессии	50 файлов; inline — 5 МиБ на файл и 10 МиБ всего; из Files API — 50 МиБ на файл	Файлы
Артефакты	200 МиБ на файл, 500 МиБ на одну публикацию	Файлы
Простой песочницы OpenAI	Удаление после часа без активности, не настраивается	Песочницы OpenAI
Ожидание своей песочницы	До 5 минут	Жизненный цикл

Ограничение по хранению данных стоит проверить до архитектурных решений: Agents API хранит состояние сессии на стороне OpenAI, чтобы работу можно было продолжить. Сессии и опубликованные артефакты можно удалить, но, по документации, физическая очистка может идти асинхронно (управление сессиями).

Быстрый старт на Python

Минимальный пример из официального быстрого старта создаёт сессию с песочницей OpenAI, просит агента написать и запустить скрипт tree.py и выводит поток событий. Ключу API нужны права api.agents.read, api.agents.write и api.responses.write. Хранить ключ нужно вне песочницы агента (быстрый старт).

pip install --upgrade openai
export OPENAI_API_KEY="your-api-key"

from openai import OpenAI

with OpenAI() as client:
    with client.beta.agents.sessions.create(
        agent={
            "model": "gpt-6-astra",
            "instructions": "Write clean code, run it, and report the actual output.",
        },
        environment={"type": "openai_hosted"},
        input="Create tree.py, a Python script that prints a readable tree of the files in the current directory. Run it and show me the output.",
        stream=True,
    ).with_result_collection() as stream:
        for event in stream:
            print(event.to_json(indent=None), flush=True)
        result = stream.get_final_result()
    print(result.output_text)
    session_id = result.session_id

Код приведён по документации OpenAI на 4 октября 2026 года; редакция его не запускала.

Что делать дальше: сохранить session_id, отправить в ту же сессию уточнение, проверить в событиях исход хода и удалить сессию после работы. Для агента без выполнения кода достаточно environment={"type": "none"}. Тогда начальный ввод обязателен уже при создании сессии.

Отлаживать удобно в панели логов: на вкладке Agents по идентификатору сессии видны её ходы, вызовы инструментов и субагенты. Трассировка включена по умолчанию, трассы можно выгрузить в формате OTLP JSON (трассировка).

Что стало с Assistants API и Agent Builder

Agents API появился на фоне смены инструментов OpenAI для агентов. В марте 2025 года вышли Responses API и открытый Agents SDK (OpenAI). В октябре 2025 года OpenAI представила AgentKit с визуальным конструктором Agent Builder (OpenAI). Дальше часть инструментов начали выводить из эксплуатации (страница прекращения поддержки):

Assistants API отключён 26 августа 2026 года; рекомендованная замена — Responses API и Conversations API.
Agent Builder объявлен устаревшим 3 июня 2026 года, отключение запланировано на 30 ноября 2026 года. Для миграции OpenAI предлагает Agents SDK или ChatGPT Workspace Agents. ChatKit остаётся доступным.
Платформа Evals будет отключена 30 ноября 2026 года, с 31 октября существующие оценки станут доступны только для чтения.

Для команд, которые строили агентов на Assistants API или в визуальном конструкторе, это повод пересмотреть архитектуру. Agents API ближе к Assistants API по модели «состояние хранит провайдер», но рассчитан на долгие задачи с песочницей и инструментами.

Когда Agents API подходит, а когда нет

Подходит, если:

задача длится минуты или часы, включает много шагов и запуск кода — анализ данных, разбор репозитория, подготовка отчёта с файлами;
команде не хочется писать и сопровождать свою обвязку: хранение состояния, сжатие контекста, восстановление после сбоев;
нужен изолированный запуск кода, а инфраструктура песочниц не принципиальна;
данные и юрисдикция допускают хранение состояния в США у OpenAI.

Лучше выбрать другой вариант, если:

нужен полный контроль над циклом агента, хранилищем и развёртыванием — тогда Agents SDK или собственная обвязка;
требования запрещают хранить данные у провайдера или требуют Zero Data Retention: в бете Agents API их нет, своя песочница этого не меняет;
задача сводится к одной операции модели — агентная обвязка добавит стоимость и задержку без пользы;
приложение работает в стране, которой нет в списке поддерживаемых OpenAI, — подробности ниже;
нужны независимость от одного поставщика или модели, развёрнутые в своём контуре.

Отдельный довод «против» часто недооценивают. Управляемая обвязка не снимает инженерную работу полностью: обработчики функций, вебхуки, контроль затрат, восстановление после обрывов потока и права доступа остаются на вашей стороне. Как проверять агента целиком, а не только модель, мы разбирали в статье «Обвязка ИИ-агента». Уровни самостоятельности агента описаны в материале «Управление автономностью ИИ-агентов».

Доступность в России и правовые вопросы

На 4 октября 2026 года России нет в списке стран и территорий, где OpenAI поддерживает доступ к своим API. На той же странице сказано, что использование сервисов или предоставление доступа к ним вне перечисленных стран может привести к блокировке или приостановке аккаунта (поддерживаемые страны). Для российских компаний и продуктов с пользователями в России это ограничение важнее любых технических характеристик.

Второй вопрос — персональные и коммерческие данные. Agents API хранит состояние сессий в США и не поддерживает Zero Data Retention. Если агент обрабатывает персональные данные, допустимость их передачи и хранения за рубежом нужно оценивать с юристом до разработки. Эта статья не является юридической консультацией.

Если облачные API зарубежных провайдеров недоступны или не подходят, рассматривают модели, развёрнутые в собственной инфраструктуре, и российские облачные сервисы. Архитектурные приёмы Agents API — долгие сессии, песочница с ограниченной сетью, секреты вне окружения, проверка результата каждого хода — применимы и к таким системам.

Частые вопросы

Нужно ли платить за сам Agents API?

Нет. По документации OpenAI отдельной платы за API нет: оплачиваются токены модели по её ставкам, инструменты по стандартным тарифам и песочницы OpenAI по контейнерным ставкам. Своя песочница оплачивается у вашего провайдера.

Чем Agents API отличается от Agents SDK?

Agents SDK — библиотека, которая запускает цикл агента внутри вашего приложения: состояние и развёртывание за вами. Agents API запускает Codex harness на стороне OpenAI и сам хранит сессии, сжимает контекст и восстанавливает работу. SDK даёт больше контроля, API требует меньше инфраструктуры.

Можно ли запускать код агента на своих серверах?

Да. В режиме self_hosted внутри вашей среды работает исполнитель codex exec-server с исходящим подключением к OpenAI. Сам цикл агента при этом остаётся у OpenAI, поэтому требования к хранению данных и отсутствие Zero Data Retention сохраняются.

Какие модели работают в Agents API?

В примерах документации используется gpt-6-astra. Модель задаётся в конфигурации агента; для существующей сессии её можно сменить, если новая модель поддерживает выбранные настройки. Актуальный список уточняйте в справочнике API — в бете он может меняться.

Поддерживает ли Agents API MCP?

Да. HTTP-серверы подключаются из инфраструктуры OpenAI или из окружения сессии, stdio-серверы запускаются внутри окружения. Учётные данные передаются в конфигурации сессии или через хранилища (vaults).

Как ограничить расходы агента?

Выберите модель под сложность задачи, держите инструкции и определения инструментов стабильными для кэширования, ограничьте число субагентов и удаляйте сессии с песочницей после работы. Расход по ходам смотрите в логах Agents и в полях usage, учитывая, что они не являются итоговым счётом.

Что будет с песочницей, если агент долго простаивает?

Песочница OpenAI может быть удалена после часа без активности и keep-alive-сигналов. Файлы из /workspace/outputs, опубликованные как артефакты, остаются доступными. Остальные файлы нужно сохранить заранее.

Как AI студия Владимира Ломтева помогает внедрить облачного ИИ-агента

Выбор между Agents API, собственной обвязкой и моделью в своём контуре зависит от процесса, данных и ограничений компании, а не от одной платформы. AI студия Владимира Ломтева проектирует ИИ-агентов, интегрированных с каналами связи и бизнес-системами, и разворачивает модели, в том числе на серверах заказчика. Для задач из этой статьи полезны три направления работы:

аудит процесса и данных: какие шаги агенту нужны, какие системы он затрагивает и какие данные нельзя передавать во внешний сервис;
разработка MVP агента с интеграцией в CRM, ERP или 1С, тестированием и подключением инструментов с ограниченными правами;
развёртывание и настройка языковой модели в контуре компании, если внешние API недоступны или не подходят по требованиям к данным.

Первый шаг — описать один процесс: его текущие показатели, источники данных, ограничения и критерий успешного выполнения задачи агентом. После этого понятно, какую архитектуру стоит пилотировать. Обсудить задачу.

Заключение

OpenAI Agents API — управляемый вариант агентной разработки: OpenAI запускает Codex harness, хранит сессии, сжимает контекст и даёт песочницу, а команда описывает агента и подключает инструменты. Это сокращает объём инфраструктурного кода для долгих задач с файлами и запуском программ, но оставляет за вами обработчики функций, права доступа, контроль затрат и проверку результата.

Перед выбором проверьте три вещи: допустима ли юрисдикция и модель хранения данных, хватает ли лимитов беты и выдерживает ли экономика задачи формулу «токены + инструменты + контейнер». Если ответы положительные, начните с одной сессии без субагентов, с ограниченной сетью и измеримым критерием результата. Если нет — сравните управляемые платформы разных провайдеров или собственную обвязку с моделью в своём контуре.