Powrót do Wiadomości
ProduktAI Understanding odprawa

OpenAI udostępnia programistom narzędzia do wykonywania agentów w stylu Codex

BigGo Finance donosi, że OpenAI uruchomił interfejs Agents API w publicznej wersji beta, udostępniając narzędzia pochodzące z Codex do długotrwałej, wieloetapowej pracy agentów.

4 min readRead the linked source
Source-provided image accompanying OpenAI opens Codex-style agent execution tools to developers
Odniesienie do źródłaŹródło zapisane
Wydawca
finance.biggo.com
Link źródłowy
finance.biggo.comhttps://finance.biggo.com/news/b64d6f7e-581d-4fba-9fa5-951a6a80ae20
Typ źródła
Źródło powiązane — nie ustalono statusu źródła pierwotnego.
KontekstZrozum to w 60 sekund

Zacznij tutaj

Kluczowe terminy

API (interfejs programowania aplikacji)
Ustrukturyzowany sposób wysyłania żądań przez jeden system oprogramowania i otrzymywania odpowiedzi z innego systemu.
MCP (protokół kontekstu modelu)
Otwarty protokół, który umożliwia aplikacjom AI łączenie się z zewnętrznymi narzędziami, źródłami danych i dostawcami kontekstu w standardowy sposób.
Zerowe przechowywanie danych
Zasada, zgodnie z którą ładunki żądań/odpowiedzi nie są przechowywane po przetworzeniu poza krótkotrwałe okna operacyjne.
Sprawdź sięQuiz dotyczący agentów AI

Co się stało

BigGo Finance informuje, że OpenAI uruchomił interfejs Agents API w publicznej wersji beta i udostępnia platformę wykonawczą używaną z Codex zewnętrznym programistom. Struktura zarządza kontekstem, użyciem narzędzi, sekwencjonowaniem zadań, przepływami pracy obejmującymi wiele agentów i wykonywaniem kodu w piaskownicy. Z raportu wynika, że ​​interfejs API nie podlega osobnej opłacie za użytkowanie, ale nadal obowiązują opłaty za model, narzędzie i piaskownicę.

Według BigGo Finance firma OpenAI ogłosiła publiczną wersję beta interfejsu Agents API 10 stycznia i udostępniła programistom „uprząż” Codex. W raporcie opisano uprząż jako strukturę wykonania, która zarządza kontekstem zadań, wywołuje narzędzia i koordynuje sekwencje pracy, a nie po prostu wywołuje model.

Z raportu wynika, że ​​długotrwałe zadania mogą automatycznie kompresować wcześniejszy kontekst, podczas gdy wielu agentów podrzędnych może pracować równolegle, a agent główny może łączyć swoje wyniki. Mówi także, że programiści mogą korzystać z wyszukiwarki internetowej, połączeń MCP i niestandardowych narzędzi, uruchamiać operacje jednocześnie i wybierać piaskownice zarządzane przez OpenAI, własną infrastrukturę lub obsługiwane środowiska spośród Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop i Vercel.

BigGo Finance twierdzi, że interfejs Agents API nie ma osobnej opłaty za użytkowanie, ale opłaty naliczane są za tokeny modeli bazowych, narzędzia i piaskownice dostarczane przez OpenAI. Raportuje wyniki klientów z SafetyKit, Hypha, Cirridae i Nash, w tym niższe koszty, mniej awarii, lepsze wyniki oceny, zmniejszone opóźnienia i długotrwałe wdrożenia na dużą skalę. Liczby te przypisano do raportu i nie zostały tu niezależnie potwierdzone.

Szczegóły źródła: finance.biggo.com ↗

Dlaczego to ma znaczenie

Zgłoszona zmiana może obniżyć koszty inżynieryjne agentów budowlanych, którzy nie tylko generują odpowiedzi. Zapewniając infrastrukturę dla trwałego kontekstu, koordynacji narzędzi, równoległych agentów podrzędnych i wykonywania kodu, OpenAI konkuruje zarówno w warstwie przepływu pracy, jak i warstwie modelu. Ma to znaczenie dla firm decydujących o tym, czy samodzielnie zbudować środowiska wykonawcze agentów, czy też polegać na zarządzanej platformie. Źródło nie weryfikuje niezależnie zgłoszonych wyników klientów i nie ustala ogólnej dostępności poza publiczną wersją beta ani nie pokazuje, jak system radzi sobie z szerszymi obciążeniami.

Jeśli zgłoszone możliwości będą działać zgodnie z opisem, programiści będą mogli poświęcić mniej wysiłku na tworzenie podstawowego środowiska wykonawczego potrzebnego agentom, którzy czytają i zapisują pliki, wykonują kod i kontynuują pracę przez dłuższy czas. To przesuwa ważną część konkurencji z samej jakości modelu w stronę niezawodności wykonania i orkiestracji.

Takie podejście mogłoby również stworzyć zależność od platformy: OpenAI utrzymywałby wiązkę przewodów w przypadku zmiany modeli, podczas gdy klienci mogliby podłączać zewnętrzne piaskownice i narzędzia. Może to uprościć konserwację, ale sprawia, że ​​kontrola bezpieczeństwa API, obsługa danych, przenośność i całkowity koszt operacyjny są ważnymi kwestiami zakupowymi.

Źródło przedstawia wczesne wskaźniki dotyczące klientów, ale nie podaje żadnej metodologii, szczegółów bazowych ani niezależnej walidacji. Wyniki te należy zatem traktować jako zgłoszone studia przypadków, a nie dowód wyników na szerszym rynku deweloperskim.

Interactive Mechanism

Mechanizm interaktywny: jak to faktycznie działa

Poznaj interaktywnie technologię leżącą u podstaw tego rozwoju.

Agent Lifecycle Stage:
1
User Intent & Planning: "Audit customer refund request #4092 and settle payment."
2
Tool Calling: Emits structured JSON call crm_get_transaction(id='4092').
3
Guardrail & Verification:🛡️ Paused: High-value action requires human operator sign-off.
4
Final Settlement: Refund recorded, email receipt dispatched, and audit log stored.
Core takeaway: An AI agent is not just a language model—it is a closed loop of planning, tool invocation, and environment feedback. Production systems require self-healing retries and strict human approval guardrails.
Interaktywna kontrola koncepcji+10 Points
AI Agents Quiz

An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?

Co obejrzeć dalej

Programiści będą musieli ocenić niezawodność, koszty, bezpieczeństwo i przenośność w rzeczywistych wdrożeniach. Z raportu wynika, że ​​miejsce przechowywania danych jest obecnie ograniczone do Stanów Zjednoczonych i że funkcja jest niedostępna, co może ograniczać wykorzystanie poufnych informacji. Źródło nie podaje daty ogólnej dostępności, pełnego harmonogramu cen, szczegółów kwalifikowalności modelu ani niezależnych testów zgłaszanego wzrostu wydajności.

W raporcie wskazano, że aktualnym limitem jest miejsce przechowywania danych w Stanach Zjednoczonych i funkcja zerowego przechowywania danych nie jest oferowana. Organizacje przetwarzające poufne dane będą musiały ustalić, czy warunki te spełniają ich wymogi prawne, umowne i dotyczące bezpieczeństwa wewnętrznego.

Źródło nie dokumentuje daty ogólnej dostępności, pełnego cennika, limitów stawek, obsługiwanych modeli ani granic publicznej wersji beta. Nie potwierdza również w sposób niezależny cytowanych wdrożeń u klientów ani ulepszeń wydajności.

Przyszłe aktualizacje mogą wykazać, czy programiści przyjmą zarządzaną warstwę wykonawczą OpenAI, będą kontynuować tworzenie własnych środowisk wykonawczych, czy też będą korzystać z konkurencyjnych dostawców infrastruktury. Szczególnie istotne będą niezawodność w przypadku długotrwałych zadań oraz koszt powtarzalnych wywołań modeli i narzędzi.

Powiązane przewodniki i quizy

Agenci AIWyjaśnienie modeli AIChatGPT i LLMSprawdź swoją wiedzę — wypróbuj darmowy quiz dotyczący sztucznej inteligencjiWyszukaj termin związany ze sztuczną inteligencją w naszym glosariuszuPostępuj zgodnie z modułem śledzenia wydań modeli AI
Uznałeś to za przydatne?