Pętlę agenta prowadzi teraz OpenAI po swojej stronie. Wołanie modelu, wybór narzędzia, streszczanie historii, gdy okno kontekstu się kończy, wznowienie po zerwanej sesji. Aplikacja dostarcza narzędzia i wskazuje miejsce, w którym agent ma pracować. Tak działa OpenAI Agents API, otwarte w publicznej becie 10 września 2026. Poniżej jest to, co potwierdza dokumentacja, oraz to, czego w niej nie ma, a krąży po streszczeniach.
Publiczna beta od 10 września: agent, środowisko, sesja i rachunek
Dziennik zmian opisuje premierę jednym zdaniem. Udostępniono Agents API w publicznej becie, z zarządzanym silnikiem Codeksa. OpenAI bierze na siebie prowadzenie sesji, streszczanie kontekstu i odzyskiwanie pracy po awarii. W praktyce sięga się po nowy punkt końcowy POST /v1/agents/sessions i dokłada nagłówek OpenAI-Beta: agents=v1. W bibliotekach wszystko siedzi w przestrzeni oznaczonej jako testowa.
Dokumentacja opiera się na czterech pojęciach:
- agent to model razem z instrukcją, narzędziami i serwerami MCP,
- środowisko to opcjonalna piaskownica albo komputer, gdzie agent sięga po pliki i uruchamia polecenia,
- sesja to trwała instancja agenta, która pamięta poprzednie tury,
- zdarzenia i elementy to wejście oraz wyjście tej sesji.
Za samo Agents API nie ma osobnej opłaty. Płaci się za model po zwykłych stawkach interfejsu programistycznego. Narzędzia OpenAI idą po ich własnych stawkach, a piaskownice hostowane przez OpenAI po stawkach kontenerowych.
Konkretnie: kontener o pojemności 1 GB kosztuje 0,03 dolara za dwudziestominutową sesję, a największy z wymienionych wariantów, 64 GB, 1,92 dolara. Model z przykładów w dokumentacji, gpt-6-astra, to 10 dolarów za milion tokenów wejściowych. Za milion wyjściowych przy krótkim kontekście płaci się 50 dolarów. Przy długim kontekście stawki rosną do 20 i 75 dolarów. Końcowy rachunek zależy więc od wybranego modelu, liczby tokenów, użytych narzędzi oraz rozmiaru i czasu pracy kontenera.
{ agenci AI }Agent AI, który pracuje na danych Twojej firmy
Budujemy agentów, którzy odpowiadają klientom, czytają dokumenty i przygotowują raporty, podłączonych do Waszych systemów. Zaczynamy od jednego procesu i sprawdzamy efekt, zanim pójdziemy dalej.
Co OpenAI bierze na siebie, a co zostaje po twojej stronie
Cały sens tego produktu siedzi w jednym zdaniu dokumentacji. OpenAI zarządza sesjami, orkiestracją, kompresją kontekstu i odzyskiwaniem pracy. Aplikacja dostarcza narzędzia i wybiera środowisko wykonawcze. Podział wygląda tak:
| Robi OpenAI | Zostaje po twojej stronie |
|---|---|
| Prowadzi sesję i pamięta ją między turami | Obsługa narzędzi funkcyjnych, czyli twój kod wykonuje wywołanie i oddaje wynik |
| Wybiera kolejny krok i woła narzędzia | Wybór środowiska: brak, piaskownica OpenAI albo własna maszyna |
| Streszcza dotychczasową pracę, gdy kontekst się kończy | Uruchomienie i wyłączenie własnej piaskownicy, jeżeli wybierzesz tę drogę |
| Dzieli pracę na podzadania i rozdziela ją podagentom | Instrukcja agenta, lista narzędzi i adresy serwerów MCP |
| Wznawia sesję po przerwaniu | Odbieranie postępu strumieniem albo webhookiem |
| Udostępnia piaskownicę, jeśli o nią poprosisz | Poświadczenia i decyzja, do czego agent ma dostęp |
Jest tu jedna pułapka warta zapamiętania. Jeżeli obsługa narzędzia funkcyjnego po twojej stronie przestanie odpowiadać, agent, jak pisze dokumentacja, może po prostu czekać na wynik. Awaria w twojej aplikacji może więc nie zakończyć sesji, tylko zostawić agenta w oczekiwaniu.
Zapisanego agenta da się użyć wielokrotnie, podając jego identyfikator przy zakładaniu kolejnych sesji. Przy nadpisywaniu ustawień obowiązuje reguła, o którą łatwo się potknąć: podanie listy narzędzi zastępuje całą zapisaną listę, zamiast się z nią scalić.
Trzy środowiska pracy agenta i jedno ostrzeżenie o kluczu
Środowisko ustawia się na jedną z trzech wartości. none znaczy, że agent nie dostaje własnej maszyny. Wtedy odpadają wbudowane narzędzia powłoki i pliki przestrzeni roboczej, ale zdalne serwery MCP nadal działają. openai_hosted oznacza piaskownicę, którą stawia OpenAI. self_hosted to twoja infrastruktura.
Trzecia opcja jest najciekawsza technicznie. Wewnątrz swojego środowiska uruchamiasz codex exec-server, czyli wykonawcę, który rejestruje się identyfikatorem środowiska i ograniczonym kluczem, a potem łączy się po WebSockecie. Wszystkie połączenia idą na zewnątrz, więc nie trzeba otwierać portów przychodzących. Środowiskiem może być laptop, kontener albo funkcja w chmurze.
Jako dostawców piaskownic dokumentacja wymienia dziewięć nazw: Modal, Cloudflare, Vercel, Daytona, Blaxel, E2B, Runloop, DigitalOcean i Oracle Cloud Infrastructure.
Najważniejsze zdanie całego przewodnika dotyczy bezpieczeństwa i brzmi wprost: kod wygenerowany przez agenta może odczytać klucz wykonawcy. OpenAI zawęziło skutki, bo ten klucz pozwala wyłącznie podłączać środowiska i nie autoryzuje żadnej innej operacji. Zalecenie jest jednak jednoznaczne: osobny klucz z wyzerowanymi pozostałymi uprawnieniami, trzymany poza repozytorium, obrazami kontenerów i logami. Dokumentacja radzi też izolować środowiska per użytkownik, bo agenty dzielące jedno środowisko widzą te same pliki i poświadczenia. Ile warte jest takie zalecenie, opisywaliśmy przy okazji testu piaskownicy OpenAI, gdzie badacze trzykrotnie wyszli poza maszynę wirtualną.
Rezydencja danych tylko w USA i brak trybu zerowego przechowywania
Tu jest zdanie, którego nie znajdziesz w żadnym streszczeniu premiery, a dla polskiej firmy waży najwięcej. Agents API obsługuje na razie rezydencję danych wyłącznie w Stanach Zjednoczonych i nie obsługuje trybu zerowego przechowywania danych, po angielsku Zero Data Retention.
Dokumentacja dodaje do tego zastrzeżenie, które zamyka najbardziej oczywiste obejście. Wybranie własnej piaskownicy nie sprawia, że Agents API kwalifikuje się do zerowego przechowywania. Można więc wykonywać polecenia i operacje na plikach na swoim sprzęcie w Polsce i nadal mieć sesję prowadzoną po drugiej stronie Atlantyku.
Zespół, który ma w umowie z klientem zapis o przetwarzaniu danych w Europejskim Obszarze Gospodarczym, uderza tu w twardą blokadę. Słowo “na razie” w dokumentacji zostawia furtkę, ale terminu nikt nie podaje.
Co to zmienia przy agencie składanym w n8n albo w Claude Code
Dokumentacja zestawia trzy własne sposoby budowania agentów i różnica sprowadza się do nakładu pracy. Agents API ma nakład integracyjny opisany jako niski, bo pętlę prowadzi OpenAI. Agents SDK to średni, bo pętla działa w twojej aplikacji, za to z własnymi mechanizmami przekazywania zadań. Responses API to wysoki, bo agenta budujesz od zera.
Jeżeli składasz dziś przepływ w n8n, praktyczna różnica jest taka, że warstwę pamiętania i wznawiania pracy możesz oddać na zewnątrz zamiast rozwiązywać ją węzłami i bazą. W zamian oddajesz kontrolę nad tym, kiedy agent sam zdecyduje się streścić historię. Kto pracuje z trybem Auto w Claude Code, zna ten kompromis z drugiej strony: wygoda rośnie razem z liczbą decyzji podejmowanych bez pytania.
Wybór nie jest zresztą rozłączny. Podagenty, wykonywanie kodu w piaskownicy i wyszukiwanie w sieci można włączyć w jednej konfiguracji obok własnego serwera MCP, więc integracje, które masz, zostają tam, gdzie są. Jeżeli zaczynasz od zera, podstawy zebraliśmy w poradniku budowania agenta krok po kroku, a samo pojęcie agenta rozkładamy na części w przewodniku po agentach AI.
Jedno przypomnienie na koniec tej sekcji. Agent z dostępem do sieci i cudzych serwerów robi rzeczy, których nikt nie planował, co opisywaliśmy przy agentach przeczesujących martwą wiki. Konfiguracja narzędzi wyznacza więc zasięg działania agenta i warto poświęcić jej osobną chwilę.
Agenci AI · Kodożercy
Zbuduj sobie dział cyfrowych pracowników
Kurs Agenci AI od Kodożerców przeprowadza krok po kroku przez budowanie agentów w n8n. Pięciu agentów, pięć realnych zadań, a przy każdym wariant przeniesienia rozwiązania na Twój własny przypadek.
Sprawdź kurs Agenci AI →
Czego dokumentacja nie obiecuje
Cztery rzeczy, o które pyta się najczęściej, w czytanych przez nas stronach przewodnika nie padają.
Czytane przez nas strony nie podają żadnych twardych limitów. Ani liczby równoległych sesji, ani maksymalnego czasu tury, ani górnej granicy podagentów. W przykładzie kodu stoi czwórka jako liczba jednoczesnych podagentów, ale jest to wartość z przykładu, a nie zapisane maksimum.
Mechanizmu przekazywania zadania między agentami dokumentacja przypisuje Agents SDK, czyli innemu produktowi. Przy Agents API tego określenia nie używa, więc nie ma podstaw, żeby mu je przypisywać. Osobnej warstwy reguł bezpieczeństwa w czytanych stronach również nie opisano.
Porównania wydajnościowego z czymkolwiek nie ma. Zestawienie trzech sposobów budowania agentów mówi o nakładzie pracy i o tym, gdzie działa pętla, a nie o tym, który jest szybszy albo tańszy. My sami tego nie testowaliśmy i nie udajemy, że jest inaczej.
Ostatnia luka dotyczy dostępności. Dokumentacja odsyła do wymagań wobec uprawnień klucza interfejsu programistycznego, więc przed pierwszą próbą warto sprawdzić własne konto.
Najczęściej zadawane pytania
Ile kosztuje uruchomienie agenta w Agents API?
Za samo Agents API nie ma dodatkowej opłaty. Płaci się za zużycie modelu po stawkach interfejsu programistycznego, za narzędzia OpenAI po ich stawkach i za piaskownicę hostowaną przez OpenAI po stawkach kontenerowych. Kontener 1 GB to 0,03 dolara za dwudziestominutową sesję, 4 GB to 0,12 dolara, a 64 GB to 1,92 dolara. Przy modelu gpt-6-astra z przykładów milion tokenów wejściowych kosztuje 10 dolarów, a milion wyjściowych 50 dolarów przy krótkim kontekście.
Czy Agents API zastępuje Responses API?
Dokumentacja przedstawia je jako równoległe opcje, a nie jako następstwo. Agents API bierze na siebie pętlę agenta i nakład integracyjny opisuje jako niski. Responses API zostawia całą pętlę po stronie aplikacji i ten sam nakład opisuje jako wysoki. Wybór zależy od tego, ile kontroli nad przebiegiem pracy chcesz zatrzymać u siebie.
Czy agent może korzystać z moich własnych serwerów MCP?
Tak. Serwer MCP podaje się w konfiguracji agenta razem z etykietą i adresem, a dokumentacja pokazuje transport po HTTP. Zdalne serwery MCP działają nawet wtedy, gdy agent nie dostał własnego środowiska. Przy własnej piaskownicy dochodzą do tego lokalne serwery uruchomione wewnątrz niej.
Podsumowanie
Agents API wystawia silnik Codeksa jako usługę i przesuwa granicę odpowiedzialności. Sesję, kolejny krok, streszczanie kontekstu i wznawianie pracy prowadzi OpenAI. Aplikacja daje narzędzia oraz miejsce, w którym agent działa. Publiczna beta ruszyła 10 września 2026 i sięga się po nią nagłówkiem agents=v1. Rachunek składa się z kosztu modelu, użytych narzędzi oraz, przy piaskownicy OpenAI, kontenera, bez osobnej opłaty za sam interfejs. Agent może pracować bez środowiska, w piaskownicy OpenAI albo na twoim sprzęcie. Listę dostawców piaskownic otwierają Modal, Cloudflare i Vercel. Dwie rzeczy warto sprawdzić przed decyzją o wdrożeniu. Klucz wykonawcy jest czytelny dla kodu, który napisze agent, więc musi być osobny i wąski. Rezydencja danych działa na razie wyłącznie w Stanach Zjednoczonych i własna piaskownica tego nie zmienia.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
