OpenAI เปิดตัว Agents API รุ่น Public Beta ชูจุดเด่นจัดการโครงสร้างพื้นฐาน Agent ได้ใน API Call เดียว

OpenAI ประกาศเปิดตัว Agents API ในช่วง Public Beta ซึ่งช่วยให้นักพัฒนาสามารถเข้าถึง Harness และโครงสร้างพื้นฐานมาตรฐานเดียวกับที่ใช้รัน Codex โดย OpenAI จะเป็นผู้ดูแลรักษาระบบ Harness ดังกล่าวให้ทั้งหมด

ความน่าสนใจคือเหล่านักพัฒนาสามารถเลือกสภาพแวดล้อมในการประมวลผลของ Agent ได้อย่างยืดหยุ่น ไม่ว่าจะเป็นใน Sandbox ที่ OpenAI จัดการให้, บนโครงสร้างพื้นฐานของตนเอง หรือบน Sandbox ของเหล่าพาร์ทเนอร์ชั้นนำ

ปัจจุบันตัวบริการพร้อมใช้งานแล้วสำหรับนักพัฒนาทุกคนในรูปแบบ Public Beta อย่างไรก็ตาม ข้อมูลการใช้งานยังคงจำกัดอยู่ในพื้นที่สหรัฐอเมริกาเท่านั้น และในขณะนี้ยังไม่รองรับนโยบาย Zero Data Retention (ZDR)

สิ่งที่ OpenAI เปิดตัว

Agents API คือบริการแบบจัดการสำเร็จรูป (Managed Service) ที่ต่อยอดมาจาก Open-source Codex harness โดยทีม OpenAI ระบุว่าจากการพัฒนา Codex และ ChatGPT for Work ทำให้เห็นความต้องการของ Agent ที่ต้องทำงานต่อเนื่องยาวนาน ซึ่งจำเป็นต้องมี Harness ที่ช่วยจัดการ Context, การใช้เครื่องมืออย่างแม่นยำ และการประสานงานระหว่าง Subagents ภายใต้โครงสร้างพื้นฐานที่เสถียร

ในเอกสารทางเทคนิคได้จัดระเบียบ API นี้ไว้ผ่าน 4 แนวคิดหลัก:

• Agent: ประกอบด้วยตัวโมเดล, คำสั่ง (Instructions), เครื่องมือ (Tools) และ MCP Servers ที่พร้อมทำงาน
• Environment: Sandbox เสริมสำหรับให้ Agent เข้าถึงไฟล์ โหลดทักษะ (Skills) และรันคำสั่งต่างๆ
• Session: อินสแตนซ์ของ Agent ที่มีความคงทน (Durable) ทำหน้าที่รันภารกิจและตอบสนองต่อ Input
• Events and items: ข้อมูลขาเข้าและผลลัพธ์ที่ Agent ผลิตออกมา

กระบวนการทำงานของ Session จะแบ่งเป็น 4 ขั้นตอน เริ่มจากการสร้างและมอบหมายงาน ติดตามความคืบหน้าผ่าน Streaming หรือ Webhooks และสุดท้ายคือการสั่งดำเนินการต่อด้วยงานใหม่หรือควบคุมทิศทางในรอบปัจจุบัน

หนึ่ง API Call

OpenAI แสดงให้เห็นว่าเราสามารถสร้าง Agent สำหรับตรวจสอบเหตุการณ์ผิดปกติ (Anomaly Detection) ได้ด้วยการเรียกใช้ (Call) เพียงครั้งเดียว ดังตัวอย่างโค้ดด้านล่างนี้:

import OpenAI from "openai";
const client = new OpenAI();
const session = await client.beta.agents.sessions.create({
agent: {
model: "gpt-6-astra",
tools: [
{
type: "mcp",
server_label: "observability",
transport: {
type: "http",
server_url: "https://observability.example.com/mcp",
},
},
],
multi_agent: { enabled: true, max_concurrent_subagents: 3 },
},
vault_ids: ["vault_YOUR_VAULT_ID"],
environment: {
type: "openai_hosted",
capability_directories: ["/workspace/capabilities/skills"],
},
input:
"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.",
});

สำหรับผู้ที่เริ่มต้นใช้งาน สามารถศึกษาขั้นตอนการกำหนดสิทธิ์ API Key และการตั้งค่า SDK ได้ที่คู่มือ Quickstart

จุดที่ Agent ทำงาน

การเลือกสภาพแวดล้อม (Environment) ถือเป็นการตัดสินใจสำคัญในเชิงสถาปัตยกรรม โดย Agents API รองรับ Sandbox 3 รูปแบบหลัก และยังเลือกทำงานแบบไม่มี Sandbox ได้เช่นกัน

• OpenAI-hosted sandbox: ใช้ระบบ Sandboxing เดียวกับ Codex และ ChatGPT ที่ปรับแต่งค่าผ่านไฟล์ แพ็กเกจ และทักษะต่างๆ ได้
• Self-hosted: รัน codex exec-server ภายในสภาพแวดล้อมของคุณเอง เชื่อมต่อผ่าน WebSocket แบบขาออก (Outbound) เพื่อความปลอดภัย
• Partner sandboxes: รองรับการทำงานร่วมกับ Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop และ Vercel ในระดับ First-class

สิ่งที่ Harness จัดการ

OpenAI จะเป็นผู้ดูแล Harness ควบคู่ไปกับการอัปเดตโมเดลใหม่ๆ โดยฟีเจอร์สำคัญที่ Harness จัดการให้มีดังนี้:

Long sessions: ระบบจะ บีบอัดข้อมูลโดยอัตโนมัติ (Automatically Compacts) เมื่อ Context ใกล้เต็ม ช่วยให้นักพัฒนาไม่ต้องเขียนระบบจัดการ Memory เอง

การใช้เครื่องมืออย่างมีประสิทธิภาพ: ฟีเจอร์ Tool search จะโหลดคำจำกัดความเครื่องมือเฉพาะที่จำเป็นเพื่อประหยัด Token และค่าใช้จ่าย ส่วน Programmatic tool calling ช่วยให้ Agent รันงานขนานกันและกรองเฉพาะข้อมูลสำคัญกลับเข้า Context

Subagents: รองรับ การทำงานแบบ Multi-agent โดย Agent หลักสามารถแยกงานที่ซับซ้อนให้ Subagents ประมวลผลแบบเป็นอิสระต่อกันก่อนจะรวบรวมผลลัพธ์ในขั้นตอนสุดท้าย

Agents API vs Agents SDK vs Responses API

ตารางเปรียบเทียบ Runtime Comparison ของ OpenAI แสดงความแตกต่างของ 3 ทางเลือกไว้ดังนี้:

ผลลัพธ์จากการใช้งานจริง

OpenAI ได้เผยแพร่ข้อมูลประสิทธิภาพจากกลุ่มลูกค้ากลุ่มแรก (ข้อมูลจากผู้ให้บริการ) ดังนี้:

Ciridae พบว่าคะแนนการประเมินเพิ่มขึ้นจาก 0.71 เป็น 0.85 และความล่าช้า (Latency) ลดลงถึง 4 เท่าในส่วนของ Subagent Flows ส่วน SafetyKit สามารถลดค่าใช้จ่ายต่อกรณีลงได้ถึง 60%

ขณะที่ Hypha ระบุว่าการตอบสนองที่ล้มเหลวลดลง 86% หลังแยก Harness ออกจาก Sandbox และ Nash.ai ประสบความสำเร็จในการรัน Agent หลายพันตัวในเครือข่ายโลจิสติกส์ระดับโลก

ประเด็นสำคัญ

• Agents API มอบแนวทางใหม่ในการรัน Managed Codex harness ผ่าน API ในช่วง Public Beta
• เลือกจุดรัน Agent ได้หลากหลาย ทั้งบน OpenAI, Self-hosted หรือพาร์ทเนอร์อีก 9 ราย
• มีระบบอัจฉริยะในตัว ทั้งการบีบอัด Context, การค้นหาเครื่องมือ และการจัดการ Subagents
• จ่ายตามการใช้งานจริง (Token, Tool, Container time) โดยไม่มีค่าธรรมเนียมการจัดการเพิ่มเติม
• ข้อจำกัดปัจจุบันคือยังใช้งานได้เฉพาะในสหรัฐฯ และยังไม่มีนโยบาย ZDR ซึ่งอาจส่งผลต่อธุรกิจที่เคร่งครัดเรื่องความเป็นส่วนตัวของข้อมูล