Bygg med CometAPITrenger du ett API for flere modeller?Test arbeidsflyten i Playground, og opprett deretter en API-nøkkel når modellen og kostnaden passer bruksområdet ditt.
OpenAI Agents API er en administrert plattform for å bygge KI‑agenter som resonnerer, bruker verktøy, kjører kode og fullfører flertrinnsoppgaver. Den er laget for applikasjoner som må fortsette arbeid på tvers av omganger, kjøre verktøy og hente seg inn etter avbrudd uten å implementere hele agentløkken selv. Denne veiledningen hjelper utviklere å vurdere muligheter, integrasjonsalternativer og kostnader.
I motsetning til et konvensjonelt LLM‑API støtter OpenAI Agents API vedvarende økter, administrerte kjøremiljøer, koordinering mellom flere agenter, strømming av hendelser og artefakter. Utviklere kan bruke native OpenAI Agents API‑endepunkter for administrert kjøring, eller integrere støttede OpenAI‑modeller via CometAPI for å bygge egendefinerte agentarbeidsflyter. Dette er ulike integrasjonsveier.
Viktige punkter
OpenAI Agents API håndterer vedvarende økter og flertrinnsutførelse, og reduserer orkestreringen utviklere må drifte.
Kjernemulighetene inkluderer sandboxet kodekjøring, verktøy og MCP‑tilkoblinger, underagenter og lagrede artefakter.
Gjennomgått for klarhet, kildeangivelse og gjeldende API-terminologi.
Kostnader for OpenAI Agents API kombinerer modeltokens, kvalifiserte verktøy og valgfri hostet compute; evaluer kostnad per fullført oppgave.
Kunderapporterte gevinster gir arbeidslast‑spesifikk dokumentasjon, ikke en standardisert benchmark for alle applikasjoner.
Native administrert kjøring og egendefinerte agenter via CometAPI er separate integrasjonsvalg med ulike infrastrukturansvar.
Hva er OpenAI Agents API?
OpenAI Agents API er en administrert kjøre‑tjeneste for applikasjoner som utfører flertrinnsoppgaver med resonnementmodeller og eksterne verktøy. Den eksponerer Codex agent harness som en tjeneste. I stedet for å håndtere modellkall, verktøykjøring, øktstatus og gjenoppretting manuelt, kan utviklere delegere mye av den koordineringen til runtime‑miljøet.
En konvensjonell chatbot genererer et svar; en agent kan planlegge steg, kjøre kode i et autorisert miljø, inspisere feil, prøve på nytt og levere genererte filer. Dette gjør API‑et egnet til operasjonelle arbeidsflyter snarere enn kun chat.
OpenAI Agents API‑arbeidsflyt
En agentarbeidsflyt samler fire deler: agenten definerer modellen, instruksjonene og tilgjengelige verktøy; miljøet tilbyr compute og filtilgang; økten bevarer kontekst og lagret arbeid; og hendelser og elementer eksponerer fremdrift og resultater. Sammen lar disse komponentene applikasjonen din sende inn en oppgave, følge utførelsen og fortsette arbeidet i senere omganger. Se oversikt over Agents API for underliggende konsepter.
Typisk arbeidsflyt: opprette en økt; sende inn et mål; la modellen resonner og velge tillatte verktøy; kjøre disse verktøyene; inspisere mellomresultater; og strømme fremdrift og endelige artefakter. Økten kan fortsettes ved behov.
Den offisielle diagrammet viser applikasjonen som utveksler input og hendelser med det administrerte harness‑et og sandboxen. Arkitekturskjema fra dokumentasjonen for OpenAI Agents API‑arkitektur; originalillustrasjon av OpenAI.
Hva er de viktigste funksjonene i OpenAI Agents API?
Mulighetene i det administrerte harness‑et dekker kodekjøring, konteksthåndtering, verktøytilkoblinger, styring og delegering. Tilgjengelighet avhenger også av konfigurert miljø og verktøy.
Funksjon
Spesifikasjon
Praktisk fordel
Administrert kjøretid
Codex‑basert harness
Reduserer orkestreringskode
Øktpersistens
Tilstand over flere omganger
Støtter oppfølgingsarbeid
Konteksthåndtering
Administrert komprimering
Utvidede arbeidsflyter
Hostet kjøring
Linux‑sandbox; Python og Node.js
Reell kodekjøring
Egenhostet miljø
Utviklerstyrt compute
Kontroll over infrastrukturen
Multi‑agent kjøring
Konfigurerbare underagenter
Parallelle deloppgaver
Verktøykoblinger
Functions og MCP
Integrerer tjenester
Datamaskinbruk
Kontrollert UI‑interaksjon
Grensesnittautomatisering
Strømming og webhooks
Fremdriftshendelser
Responsive applikasjoner
Artefakter
Lagrede filer
Leverbare rapporter
Vedvarende økter og konteksthåndtering
Økter bevarer konfigurasjon, samtalekontekst og lagret arbeid på tvers av omganger. Utviklere kan sende inn en ny instruksjon til en eksisterende økt; konteksthåndtering bidrar til lengre oppgaver, samtidig som behovet for egendefinert transkript‑komprimering reduseres.
Sandboxing av kodekjøring
Miljø
Infrastruktur
Best egnet til
none
Ingen lokal kjøring
Arbeidsflyter med eksterne verktøy
openai_hosted
OpenAI‑administrert sandbox
Kode, analyse og filbehandling
self_hosted
Utviklerstyrt compute
Egendefinert infrastruktur
Hostede miljøer kan kjøre Python, Node.js og kommandolinjeprogrammer i et isolert arbeidsområde. Et egenhostet miljø lar den administrerte agenten bruke utviklerstyrt compute. Utviklere drifter og sikrer det miljøet, mens Agents API fortsatt håndterer agent‑harness og øktstatus.
Samarbeid mellom flere agenter
En koordinerende agent kan delegere uavhengige oppgaver til spesialist‑underagenter. Forskningsagenter kan undersøke separate kilder, mens en primæragent forener funnene. Paralellisering kan øke gjennomstrømningen, men flere modellkall og koordinering kan øke kostnadene. API‑et støtter konfigurerbar samtidighet og innstillinger for underagenter.
OpenAI Agents API vs Agents SDK vs Responses API vs AgentKit
Dimensjon
Agents API
Agents SDK
Responses API
AgentKit
Formål
Administrert kjøring
Kode‑først orkestrering
Inferens og verktøy
Agentkomponenter
Agentløkke
Administrert
App/SDK
Utviklerstyrt
Avhenger av komponent
Infrastruktur
Hostet eller ekstern
Utviklerstyrt
App pluss hostede verktøy
Varierer
Multi‑agent
Innebygd koordinering
Overleveringer
Egendefinert
Komponentspesifikk
Best egnet for
Varige autonome oppgaver
Tilpassede agenter
Finkornet kontroll
Innebygde agentverktøy
Agents API tilbyr administrert kjøring; Agents SDK passer applikasjoner som eier sin orkestreringsstakk; Responses API er egnet for inferens og enklere verktøy‑arbeidsflyter; AgentKit leverer komplementære utviklingskomponenter, ikke en ny, tilsvarende hostet agent‑runtime.
Hvordan komme i gang med OpenAI Agents API
Trinn 1: Konfigurer API‑tilgang
Bruk en OpenAI Platform‑prosjektnøkkel med agent‑ og inferensrettigheter som kreves av forutsetningene i hurtigstarten. curl‑eksemplene retter seg mot et Bash‑kompatibelt skall med curl installert; PowerShell‑eksemplet setter kun miljøvariabelen. Hold nøkler utenfor kildekontroll.
Bash‑kodeeksempel: Kjør følgende kommandoer i et Bash‑kompatibelt terminalvindu.
export OPENAI_API_KEY="your-openai-api-key"
PowerShell‑kodeeksempel: Sett API‑nøkkelen i gjeldende PowerShell‑prosess.
$env:OPENAI_API_KEY="your-openai-api-key"
Trinn 2: Opprett din første agent
Bash‑kodeeksempel: Kjør følgende kommandoer i et Bash‑kompatibelt terminalvindu.
curl --no-buffer --fail-with-body \
https://api.openai.com/v1/agents/sessions \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "OpenAI-Beta: agents=v1" \
-H "Content-Type: application/json" \
-d '{
"agent": {
"model": "gpt-6-astra",
"instructions": "Write reliable Python code, execute it, and report observed results."
},
"environment": {"type": "openai_hosted", "container_size": "small"},
"input": "Calculate the mean and standard deviation of [12,15,19,20,24] in Python.",
"stream": true
}'
Økten starter sin første omgang og strømmer statushendelser mens agenten kjører verktøy og forbereder et svar.
Trinn 3: Aktiver kjøring med flere agenter
Bash‑kodeeksempel: Kjør følgende kommandoer i et Bash‑kompatibelt terminalvindu.
curl --no-buffer --fail-with-body \
https://api.openai.com/v1/agents/sessions \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "OpenAI-Beta: agents=v1" \
-H "Content-Type: application/json" \
-d '{
"agent": {
"model": "gpt-6-astra",
"instructions": "Delegate independent analyses and reconcile the results.",
"multi_agent": {"enabled": true, "max_concurrent_subagents": 2}
},
"environment": {"type": "none"},
"input": "Compare two release changes: date filtering in search and export URL behavior.",
"stream": true
}'
Trinn 4: Fortsett en eksisterende økt
Bash‑kodeeksempel: Kjør følgende kommandoer i et Bash‑kompatibelt terminalvindu.
curl --fail-with-body \
"https://api.openai.com/v1/agents/sessions/$SESSION_ID/events" \
-H "Authorization: Bearer $OPENAI_API_KEY" \
-H "OpenAI-Beta: agents=v1" \
-H "Content-Type: application/json" \
-d '{"events":[{"type":"agent.session.input.message","input":[{"role":"user","content":[{"type":"input_text","text":"Summarize the findings in an executive report."}]}]}]}'
Lagre øktidentifikatorer, bruk retry‑mekanismer, og skill mellom nye instruksjoner og meldinger som brukes til å styre aktivt arbeid.
Trinn 5: Inspiser resultater og rydd opp
Bash‑kodeeksempel: Kjør følgende kommandoer i et Bash‑kompatibelt terminalvindu.
Resonnementinnsats påvirker ventetid, tokenforbruk og planleggingsdybde. Velg innsatsnivået som støttes av valgt modell og grensesnitt ved å følge offisielle retningslinjer for GPT‑6; modellnivå‑innstillinger bør ikke antas å gjelde identisk på hvert endepunkt.
Hvordan bygge en KI‑agent med CometAPI?
CometAPI kan levere modell‑inferens for en egendefinert agentapplikasjon. Applikasjonen din forblir ansvarlig for agentløkken, verktøykjøring, øktstatus, gjenoppretting og eventuell ruting mellom støttede modeller. Dette gir deg kontroll over orkestreringen, samtidig som den infrastrukturen er din å drifte.
Velg native Agents API‑integrasjon når du vil at OpenAI skal håndtere agentkjøring og øktstatus. Velg en CometAPI‑basert applikasjon når du vil bygge og drifte din egen orkestrering rundt støttede modell‑API‑er. Tilgang til en modell via CometAPI etablerer ikke i seg selv støtte for native Agents API‑øktendepunkter; sjekk grensesnittet du planlegger å bruke. Kostnader følger også ulike spor: native bruk faktureres av OpenAI, mens en egendefinert applikasjon kombinerer CometAPI‑kostnader med dine infrastrukturkostnader.
Trinn 1: Koble til CometAPI
Bash‑kodeeksempel: Kjør følgende kommandoer i et Bash‑kompatibelt terminalvindu.
Python‑kodeeksempel: Send en modell‑inferensforespørsel og skriv ut svaret.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["COMETAPI_KEY"],
base_url="https://api.cometapi.com/v1",
)
response = client.responses.create(
model="gpt-6-astra",
input=(
"Analyze an API latency spike after a database migration. "
"Identify possible causes and prioritize diagnostic steps."
),
)
print(response.output_text)
Utviklere kan få tilgang til GPT‑6 Astra API i CometAPI. Eksemplet ovenfor utfører modell‑inferens; implementering av verktøyløkken som beskrives nedenfor er et separat applikasjonsansvar.
Trinn 2: Legg til et lag for verktøykjøring
En egendefinert kontroller kan prompt’e modellen, inspisere forespørsler om verktøykall, autorisere og utføre handlinger, returnere resultater og gjenta til fullføring eller en forhåndsdefinert grense. Sett grenser for antall omganger, verktøykall, kjøretid og forbruk; krev uavhengig bekreftelse for destruktive operasjoner.
Hva er de beste bruksområdene for OpenAI Agents API?
Software engineering: Analysere problemer, generere kodeendringer, kjøre tester og forberede gjennomganger, med godkjenning før sammenslåing eller utrulling av endringer.
Dataanalyse og rapportering: Behandle opplastede datasett, kjøre Python‑beregninger, lage diagrammer og gjøre resultatene om til rapporter som støtter beslutninger.
IT‑hendelsesrespons: Inspisere varsler, korrelere logger, konsultere runbooks og anbefale utbedring, med menneskelig autorisasjon for risikable handlinger.
Automatisering av kundestøtte: Hente relevante oppføringer, oppsummere saker, lage utkast til svar og rute uløste saker via tillatt CRM‑tilgang.
Forskning og dokumentbehandling: Sammenligne dokumenter, sjekke påstander, trekke ut fakta og forberede funn med støttende siteringer.
Evaluer arbeidsflyten din
Start med en representativ oppgave fra din egen arbeidslast og definer hva vellykket fullføring betyr. Sammenlign agenten med dagens prosess ved å bruke samme input og akseptkriterier. Inkluder oppfølgingsforespørsler og verktøysvikt, slik at evalueringen tester gjenoppretting så vel som ideell sti.
Metrikk
Måler
Begrunnelse
Oppgavefullføring
Lykkede mål
Ende‑til‑ende‑nytte
Verktøysuksess
Korrekte integrasjoner
Feildeteksjon
Gjenopprettingsgrad
Fullføring etter feil
Holdbarhet
Tid til fullføring
Forløpt tid
Latens
Kostnad per fullført oppgave
Utgift / vellykket oppgave
Effektivitet
Menneskelig inngripen
Manuelle handlinger
Autonomi
Etterlevelse av sikkerhet
Policy‑etterlevelse
Risikokontroll
Les disse målene i sammenheng. En arbeidsflyt som fullfører flere oppgaver kan likevel være et dårlig valg hvis den krever hyppige manuelle korreksjoner eller overskrider tids‑ og kostnadsgrensene dine. Bruk resultatene til å avgjøre hvor du skal automatisere, hvor du skal beholde menneskelig gjennomgang, og hvilke feil som må adresseres før du utvider bruken.
Hvor mye koster OpenAI Agents API?
Det finnes ingen separat plattformavgift for administrert harness. Modelltokens, kvalifiserte verktøykall og valgfri hostet compute avgjør total brukskostnad. Modellratene nedenfor er USD per million tokens for Standard‑prosessering med korte kontekster (opptil 272K input‑tokens), sjekket 21. oktober 2026. Lengre prompt’er, andre prosesseringstrinn, cache‑skriv og regional prosessering kan endre gjeldende sats.
OpenAI‑modellpriser
Input / 1M
Cached input / 1M
Output / 1M
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
For modelltilgang via CometAPI kan utviklere bruke GPT‑6.1 Sol og GPT‑6 Luna. Tabellen over viser OpenAI‑satser; CometAPI‑fakturering følger sine egne gjeldende priser.
Ressurs eller verktøy
Konfigurasjon / faktureringsgrunnlag
Sats
Hostet container — Small
1 GB minne; 20‑minutters periode
$0.03 per periode
Hostet container — Medium
4 GB minne; 20‑minutters periode
$0.12 per periode
Hostet container — Large
16 GB minne; 20‑minutters periode
$0.48 per periode
Webbsøk
Per 1,000 kall; innholdstokens faktureres separat
$10 per 1,000 kall, pluss innholdstokens
Lagring for filsøk
Per GB per dag, etter gratis kvote
$0.10 per GB/dag
Eksempel: estimere kostnaden for en oppgave
Komponent
Illustrativ beregning
Kostnad
Input‑tokens
50,000 × $10 / 1M
$0.50
Output‑tokens
10,000 × $50 / 1M
$0.50
Webbsøk
2 × $0.01
$0.02
Liten container
Én 20‑minutters periode
$0.03
Totalt
Ekskl. tilfeldige tillegg
$1.05
Denne illustrative totalen på $1.05 forutsetter de viste tokenvolumene, to søk, én 20‑minuttersperiode i liten container og ingen ekstra fakturerbare søkeinnholdstokens eller cache‑skriv. Faktisk kostnad avhenger også av retries, bruk av underagenter, cache‑atferd og faktureringsreglene for sandboxen som gjelder for økten. Spor kostnad per vellykket fullført oppgave på tvers av en representativ arbeidslast.
Hva er begrensningene ved OpenAI Agents API?
Datalimitasjoner. Agents API støtter for øyeblikket kun dataresidens i USA og støtter ikke Zero Data Retention (ZDR). En egenhostet sandbox endrer ikke ZDR‑berettigelse. Før du sender sensitivt materiale, sjekk om tjenestens vilkår for lagring og residens oppfyller dine krav.
API‑ og modellkompatibilitet. Grensesnitt i offentlig beta kan endres, og støttede funksjoner kan variere per modell. Test nøyaktig den modellen, endepunktet, resonnementinnstillingene og verktøyene applikasjonen din bruker. Gjenta integrasjonstester når du bytter modell eller tar i bruk en API‑oppdatering.
Kontroll over utførelse. Flertrinnsoppgaver kan akkumulere tokens, ta variabel tid og møte verktøysvikt. Sett budsjetter og grenser for omganger og kjøretid, gi kun de tillatelsene oppgaven trenger, og overvåk langtidskjørende arbeid asynkront. Planlegg gjenoppretting fra avbrutte verktøykall og krev menneskelig godkjenning for handlinger med betydelige konsekvenser.
Vanlige spørsmål
Hvordan bør klienter av OpenAI Agents API gjøre retry av oppfølgingsmeldinger?
Gjenbruk samme innsendingnøkkel når du prøver på nytt for samme logiske melding, i tråd med mønsteret for øktinput og retry. Hold økt‑ID og innsendingnøkkel samlet i applikasjonstilstanden. En separat brukerinstruksjon skal bruke sin egen nøkkel; et tapt HTTP‑svar skal ikke automatisk behandles som en ny instruksjon.
Kan en OpenAI Agents API‑økt bytte modell?
Endepunktet for øktinnstillinger støtter oppdatering av modell, resonnementinnsats og tjenestenivå. Oppdateringer påvirker senere omganger; en aktiv omgang beholder sine eksisterende innstillinger. Bekreft at den resulterende konfigurasjonen støttes av valgt modell, og opprett en ny økt når du må endre innstillinger dette endepunktet ikke aksepterer.
Hvordan begrenser OpenAI Agents API nettverkstilgang i sandboxen?
OpenAI‑hostede miljøer støtter aktivert, deaktivert eller begrenset utgående tilgang. Begrenset modus bruker eksplisitte tillatelseslister for verter, og omdirigeringer eller underdomener kan trenge egne oppføringer. Konfigurer nettverkspolicy for sandbox for tjenestene en oppgave trenger; nettverkstilgang og applikasjonslegitimasjon er separate kontroller.
Konklusjon
Evaluer Agents API på en representativ oppgave som krever flere verktøykall og minst én oppfølgingsomgang. Mål fullføringsrate, gjenopprettingsatferd, latens og kostnad per vellykket oppgave. Disse resultatene vil vise om administrert kjøring oppfyller applikasjonens krav.
