Agents API de OpenAI: migración, costes y controles de datos

La Agents API de OpenAI convierte el bucle de Codex en un servicio gestionado. No elimina los permisos de tu producto, las pruebas de aceptación ni los compromisos sobre los datos. La decisión de compra es concreta: ¿qué infraestructura puedes dejar de mantener sin perder controles que tus clientes necesitan?

OpenAI anunció la beta pública el 10 de septiembre de 2026. El anuncio de la Agents API describe compactación automática, búsqueda de herramientas, llamadas programáticas y subagentes en paralelo, con distintas opciones de entorno. Esta revisión trata esa decisión de producto; la definición general corresponde a nuestra guía de arquitectura de un harness de agentes.

Qué demuestran realmente las cifras del lanzamiento

Las cifras proceden de clientes distintos en el anuncio de OpenAI. Justifican una prueba, pero no forman un benchmark común ni garantizan el resultado de tu carga de trabajo.

Estos testimonios no aportan un conjunto común de tareas, tamaños de muestra ni reproducción independiente. El cambio de Ciridae es de 0,14 puntos absolutos; sin conocer la rúbrica, presentarlo como precisión para el cliente sería engañoso. Lo útil es comparar ambos sistemas con tareas cuyo resultado sepas aceptar o rechazar.

Agents API frente a Agents SDK y Responses API

Los nombres se parecen; las responsabilidades operativas no. La comparación oficial del SDK distingue entre dejar que una biblioteca ejecute el bucle e implementarlo en tu aplicación. La Agents API gestionada añade otra opción de operación.

Con funciones personalizadas, el flujo documentado de llamadas de Responses sigue ejecutándose en tu aplicación: recibir la llamada propuesta, ejecutar código y devolver el resultado. Cambiar de cliente API no migra automáticamente funciones, autenticación ni aprobaciones. Primero identifica lo que hace tu harness actual.

Tampoco es lo mismo que la arquitectura de Ramp Inspect con un sandbox por sesión. El sandbox proporciona un entorno de ejecución. Un harness gestionado añade orquestación. Contratar uno no demuestra que hayas sustituido el otro.

Tres comprobaciones de despliegue más importantes que la demo

Separa dónde opera el harness, dónde se ejecutan las herramientas y dónde persiste el estado. Un sandbox en tu red no traslada el harness gestionado de OpenAI a esa red. Los argumentos y resultados pueden seguir atravesando el límite. La documentación de controles de datos distingue estado de aplicación, retención para prevenir abusos y elegibilidad por endpoint. La aprobación de uno no demuestra la de otro.

Límite de esta revisión, 13 de septiembre de 2026: pudimos consultar el anuncio y la guía general de datos, pero no recuperar la nueva página de descripción de Agents API enlazada desde el anuncio. Por ello no presentamos la disponibilidad solo en Estados Unidos, la incompatibilidad con Zero Data Retention ni un plazo específico de retención de sesiones como hechos verificados del endpoint. Consulta de nuevo la documentación y solicita confirmación escrita para tu despliegue antes de transferir datos sensibles.

No significa que todo trabajo europeo o regulado esté prohibido. Significa que no debes aprobar producción cuando falta un control obligatorio. Un piloto con datos sintéticos permite resolver preguntas de ingeniería sin anticipar la decisión de contratación. Nuestra guía de residencia de datos de IA en la UE cubre la arquitectura más amplia.

Sin tarifa de plataforma no significa coste cero por tarea aceptada

El anuncio indica que Agents API no añade una tarifa propia. Calcula por separado modelos, herramientas y ejecución con la documentación de precios vigente. No traslades el precio de un sandbox de otro proveedor ni el cupo de una suscripción de chat a un presupuesto de API.

Coste por tarea aceptada =
  (modelo + herramientas + cómputo + reintentos + revisión + operación)
  / tareas aceptadas de forma independiente

Ejemplo ilustrativo, no una tarifa de OpenAI: 100 intentos cuestan 30 € de uso de máquina y 70 € de revisión. Con 80 resultados aceptados, cada uno cuesta 1,25 €. Reducir el uso de máquina a 12 €, pero aumentar la revisión a 100 € con solo 70 resultados aceptados, eleva el coste a 1,60 €. Una llamada más barata puede encarecer el proceso.

Es especialmente importante con subagentes. Limita la concurrencia inicial, mide el uso total de la ejecución y separa tiempo transcurrido de consumo de cómputo. El paralelismo puede reducir la espera y aumentar el trabajo comprado. Prueba también la compactación: el contexto reducido debe conservar la información necesaria para superar la aceptación.

Un ejemplo mínimo sin acceso a producción

Este JavaScript adapta la estructura de creación de sesiones del anuncio oficial. Usa datos ficticios, no conecta sistemas de negocio y requiere activar expresamente la ejecución de pago. No es un servicio completo. El instalador del artículo no ejecuta este ejemplo ni configura agentes en tus sistemas.

import OpenAI from "openai";

// Opt in explicitly: this example can incur API and compute charges.
if (process.env.RUN_PAID_AGENTS_DEMO !== "yes") {
  throw new Error("Set RUN_PAID_AGENTS_DEMO=yes to enable this demo.");
}
if (!process.env.OPENAI_API_KEY) {
  throw new Error("OPENAI_API_KEY is required on the server.");
}

const client = new OpenAI({ maxRetries: 0 });
if (!client.beta?.agents?.sessions?.create) {
  throw new Error("Install an OpenAI SDK version supporting Agents API beta.");
}

try {
  const session = await client.beta.agents.sessions.create({
    agent: {
      model: process.env.OPENAI_AGENT_MODEL || "gpt-6-astra",
      multi_agent: { enabled: true, max_concurrent_subagents: 2 },
    },
    environment: { type: "openai_hosted" },
    input:
      "Use only these fictional facts: Service A had 4 errors in 100 requests; " +
      "Service B had 9 errors in 300 requests. Compare the error rates, " +
      "have a second agent check the arithmetic, and save a short report " +
      "under /workspace/outputs. Do not contact external services.",
  });
  console.log(JSON.stringify({ session_id: session.id }));
} catch (error) {
  // Do not dump prompts, credentials or the complete server response.
  console.error("Session creation failed. Reconcile its status before retrying.");
  process.exitCode = 1;
}

Utiliza una versión del SDK con el recurso beta y fíjala después de validarla. Ejecuta el ejemplo solo en un servidor, con proyecto y modelo aprobados. Imprimir un identificador de sesión no acredita la finalización del informe. Implementa aparte observación del ciclo documentado, cancelación, descarga de artefactos y limpieza. Aquí se desactivan los reintentos automáticos de creación para no iniciar trabajo duplicado tras un fallo de red incierto. Pedir que no se contacten servicios externos no sustituye una política de salida de red impuesta técnicamente.

Migrar sin perder los controles del negocio

Empieza por un adaptador claro: recibe una tarea y devuelve una referencia de sesión y, finalmente, un artefacto. Conserva el ID de negocio, la autorización, permisos de herramientas, aprobación y aceptación fuera de las instrucciones del modelo. La guía de seguridad MCP destaca confianza en servidores externos, inyección de instrucciones y aprobación de acciones sensibles. Utiliza el contrato de aprobación de tu API, sin copiar campos de otro endpoint.

Separa dos experimentos. Mantener modelo y herramientas ayuda a aislar el cambio de orquestación. Comparar las mejores versiones viables de ambas pilas responde a la pregunta comercial, pero no atribuye toda la mejora al harness. Las buenas prácticas de evaluación recomiendan pruebas específicas y evaluación continua. Incorpora fallos de tu operación, no solo una demo convincente.

Proponemos probar un timeout después de una escritura posiblemente realizada, entradas duplicadas, credenciales caducadas, resultados contradictorios entre subagentes, instrucciones ocultas en documentos, desconexión del cliente y un dato que deba sobrevivir a la compactación. El camino alternativo debe reconciliar la tarea original antes de repetirla. De lo contrario, la recuperación puede duplicar la acción que pretendía rescatar.

Siete pilotos acotados que merece la pena estudiar

Son propuestas, no siete casos que Wavect u OpenAI afirmen haber validado en producción. Cada uno tiene un artefacto revisable y puede comenzar sin escrituras autónomas en sistemas empresariales.

Cuándo migrar y cuándo conservar tu harness

Considera la API gestionada cuando mantener la orquestación de larga duración consume capacidad y puedes satisfacer requisitos de datos, herramientas y contratación. Conserva tu solución cuando ya sea sencilla y fiable, falte comportamiento crítico o los controles de despliegue necesarios sigan sin verificarse. Un lanzamiento atractivo no justifica rehacer un proceso transaccional estable.

La guía de producción de OpenAI trata capacidad operativa, costes y seguridad. Para esta migración, asigna responsables de versiones, evaluación de regresiones, conciliación del consumo e incidentes. Mantén un inventario de configuración y una salida para estado de tareas y artefactos aceptados. El identificador de sesión de un proveedor no debería ser tu único registro de negocio.

La consultoría e implementación de IA de Wavect puede delimitar el recorrido de datos, contratos de herramientas y pruebas de aceptación. El caso Twinsoft AI aporta contexto de implementación, no un benchmark de Agents API. Consulta la comparación de software a medida y soluciones existentes para decidir responsabilidades, o plantea una revisión acotada de migración a Agents API con tu flujo, costes actuales y controles obligatorios.