OpenAI Luncurkan Agents API Beta Publik, Codex Harness Cuma Satu Panggilan API

OpenAI baru saja drop Agents API ke public beta tanggal 10 September 2026, dan ini bukan sekadar update kecil. API ini ngasih akses langsung ke Codex harness yang sama yang nge-power ChatGPT for Work dan Codex CLI — artinya kamu dapet infrastructure yang udah dibuktikan handle agent yang jalan berhari-hari tanpa perlu bangun dari nol. OpenAI yang ngurusin harness-nya, kamu cuma fokus di logic agent doang.

Yang bikin beda sama Agents SDK atau Responses API: di sini OpenAI yang jalanin harness-nya. Kamu kirim task, harness-nya yang planning, panggil tool, streaming event balik. Kamu pilih mau jalan di sandbox OpenAI-hosted, self-hosted lewat codex exec-server, 9 partner sandbox (Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel), atau tanpa sandbox sama sekali. Fleksibilitas compute-nya di tangan kamu.

Satu Panggilan API Bikin Agent Investigasi Insiden

Contoh di announcement-nya OpenAI tunjukin betapa gampangnya: satu panggilan `client.beta.agents.sessions.create()` udah bisa bikin agent investigasi insiden lengkap dengan subagent. Kamu definisikan model (contohnya `gpt-6-astra`), tool MCP buat observability, aktifin multi-agent dengan max 3 subagent concurrent, kasih vault ID, environment OpenAI-hosted dengan capability directories, terus kasih input natural language: "Investigate service-api's elevated 5xx rate over the last 30 minutes. Delegate deployment, error, and dependency analysis to subagents. Save findings, evidence, and recommended mitigation in /workspace/outputs." Harness-nya yang handle sisanya.

Session jalan dalam 4 langkah: create session, kasih task, follow progress lewat streaming atau webhook, terus continue dengan task baru atau steer current turn. State session tetep tersimpan antar turn, jadi kamu nggak perlu rebuild conversation setiap kali. Ini beda jauh sama Responses API yang manual history-nya.

Fitur Built-in yang Biasa Bikin Pusing Developer

Harness-nya udah handle hal-hal yang biasanya bikin sakit kepala: context compaction otomatis saat session mendekati limit — nggak perlu tulis logic compaction sendiri. Tool search cuma load definisi tool yang dibutuhkan, jadi hemat token dan preserve model cache. Programmatic tool calling jalanin panggilan paralel dan filter hasil di kode sebelum masuk context. Subagent support bawa `multi_agent.enabled` dan `max_concurrent_subagents`, tiap subagent punya context sendiri, main agent cuma koordinasi dan merge hasil.

Tool yang didukung: MCP servers, custom functions, dan built-in kayak web search. Environment choice jadi keputusan arsitektur utama — OpenAI-hosted sandbox pake infrastruktur di balik Codex/ChatGPT, self-hosted jalanin `codex exec-server` di env kamu dengan koneksi outbound WebSocket, partner sandbox punya integrasi first-class, atau no sandbox kalau kamu mau full control.

Biaya, Batasan, dan Early Results

Biaya: nggak ada fee tambahan Agents API. Model billed at API rates, OpenAI tools at standard rates, hosted sandbox at container rates. Tapi ada dua batasan penting: data residency cuma US-only, dan Zero Data Retention (ZDR) nggak didukung — bahkan kalau kamu pilih self-hosted sandbox, Agents API tetap nggak ZDR-eligible. Ini bikin workload regulated harus mikir dua kali sebelum adopt.

OpenAI publish angka dari early customer (vendor-supplied, bukan independent benchmark): Ciridae evaluation score naik dari 0.71 ke 0.85 dengan 4x latency reduction pada subagent flows. SafetyKit potong 60% cost per case pas migrasi case review workflow. Hypha lihat 86% fewer failed agent responses setelah pisahin harness dari sandbox. Nash.ai jalanin ribuan long-running agents across global logistics networks. Angka-angka ini menjanjikan tapi tetap butuh verifikasi real-world.

Buat kamu yang mau coba: quickstart di docs cover API key permissions dan SDK setup. Public beta terbuka buat semua developer hari ini, OpenAI bilang bakal iterate based on feedback menuju general availability. Kalau kamu udah main Agents SDK atau Responses API, Agents API ini posisi-nya low integration effort tapi high managed infrastructure — trade-off yang worth dipertimbangkan tergantung use case kamu.