OpenAI presentó el 10 de septiembre de 2026 la Agents API, una nueva interfaz para crear y ejecutar agentes de inteligencia artificial en la nube. La novedad no es otro modelo, sino una capa de infraestructura: el sistema que organiza el contexto, las herramientas, los entornos de ejecución y las tareas largas puede integrarse ahora en aplicaciones de terceros.
Esto importa porque construir un agente fiable exige bastante más que escribir un buen prompt. Hay que conservar el estado, recuperar una tarea si se interrumpe, controlar qué herramientas puede usar, gestionar archivos, observar lo que hace y decidir cuándo una acción necesita supervisión humana. La Agents API de OpenAI intenta concentrar buena parte de ese trabajo en un servicio gestionado.
La propuesta llega pocos días después de GPT-6 Astra y su salto en tareas de agentes, pero conviene no confundir ambas piezas: Astra es un modelo; Agents API es la infraestructura que puede coordinar un modelo, herramientas y entornos para completar trabajos de varios pasos.
Qué es exactamente la Agents API de OpenAI
Según la documentación oficial, Agents API da acceso mediante una API al mismo tipo de harness o sistema de coordinación que utiliza Codex. En términos sencillos, ese armazón mantiene el bucle de trabajo del agente: recibe una tarea, llama al modelo, selecciona herramientas, conserva el contexto, registra los resultados y continúa hasta terminar o necesitar una intervención.
OpenAI gestiona las sesiones, la orquestación, la compactación del contexto y la recuperación. El desarrollador sigue eligiendo el modelo, las instrucciones, las herramientas y el lugar donde se ejecutarán los comandos. Por tanto, no es un «empleado digital» listo para cualquier empresa con una sola frase, sino una base técnica para construir agentes adaptados a un proceso concreto.
- Agente: reúne el modelo, las instrucciones y las herramientas disponibles.
- Entorno: es el espacio opcional donde el agente ejecuta código y trabaja con archivos.
- Sesión: conserva una instancia duradera del agente y permite continuar el trabajo.
- Eventos y elementos: muestran las entradas, acciones y resultados que se producen durante la ejecución.
Qué cambia frente a una automatización basada solo en prompts
Una automatización sencilla suele encadenar varias llamadas: se envía un prompt, se interpreta la respuesta, se llama a una herramienta y se vuelve a empezar. Ese enfoque funciona en procesos cortos, pero se vuelve frágil cuando aparecen decenas de pasos, archivos, errores, pausas o tareas que duran horas.
Sesiones que pueden continuar
Agents API mantiene el estado de la sesión para que una aplicación pueda enviar nuevas instrucciones o retomar el trabajo sin reconstruir toda la conversación desde cero. Cuando el contexto crece, el sistema puede compactar la información anterior y conservar lo necesario para las siguientes etapas. La finalidad es equilibrar calidad, coste y latencia, no proporcionar una memoria perfecta e ilimitada.
Herramientas cargadas cuando hacen falta
La plataforma admite herramientas integradas, funciones propias y conexiones mediante MCP. También incorpora búsqueda de herramientas para cargar sus definiciones bajo demanda y llamadas programáticas que permiten encadenar, filtrar o combinar resultados. Esto puede reducir el contexto desperdiciado cuando una aplicación ofrece muchas capacidades, aunque la selección correcta sigue dependiendo de unas instrucciones y permisos bien diseñados.
Coordinación de varios subagentes
Un agente principal puede delegar trabajos independientes a subagentes con su propio contexto y reunir después las conclusiones. Es útil, por ejemplo, para revisar documentos distintos o investigar en paralelo varias causas de una incidencia. La propia guía de OpenAI advierte de que las tareas breves o dependientes deberían permanecer en el agente principal y de que varios agentes que editan los mismos archivos necesitan coordinación.
Tres formas de ejecutar el trabajo
La separación entre el sistema de coordinación y el entorno de ejecución es una de las decisiones más importantes del diseño. El desarrollador puede escoger entre tres configuraciones principales.
Sin entorno propio
Para responder preguntas o utilizar servicios externos mediante herramientas remotas, el agente puede funcionar sin un entorno de cómputo. En ese caso no dispone de archivos de trabajo, shell ni herramientas de ejecución locales. Es la opción más contenida cuando la tarea no necesita código ni manipulación de documentos.
Sandbox alojado por OpenAI
Si debe ejecutar scripts, editar archivos o crear resultados descargables, OpenAI puede provisionar un espacio Linux con Python, Node.js y utilidades de línea de comandos. Se pueden aportar paquetes y archivos de entrada, además de limitar la red a dominios autorizados. Esta vía reduce el trabajo de infraestructura, pero añade consumo de contenedor al coste total.
Infraestructura propia
Las organizaciones que necesitan software específico, una red privada o mayor control pueden conectar un entorno autogestionado. En ese escenario, la aplicación se ocupa de aprovisionar, reconectar y cerrar el sistema, así como de conservar los archivos necesarios. La API mantiene la coordinación, pero la empresa asume más responsabilidad operativa.
Aplicaciones prácticas de los agentes duraderos
La documentación propone casos como investigar una incidencia técnica, revisar documentos, analizar datos con consultas de solo lectura o estudiar un problema reportado en un repositorio. El patrón común es un trabajo que combina razonamiento, búsqueda, herramientas y comprobaciones durante más tiempo del que suele durar una respuesta convencional.
- Soporte técnico: reunir registros, comparar cambios recientes y preparar una hipótesis antes de que una persona autorice la corrección.
- Análisis documental: dividir un conjunto de contratos, informes o políticas entre subagentes y consolidar discrepancias.
- Investigación: consultar fuentes, guardar evidencias intermedias y actualizar un informe cuando aparece información nueva.
- Programación: reproducir un fallo, modificar archivos, ejecutar pruebas y documentar el resultado.
- Operaciones de negocio: clasificar solicitudes, consultar sistemas autorizados y preparar acciones para su aprobación.
Para una pequeña empresa, el cambio potencial está en poder automatizar procesos completos y no únicamente fragmentos. Aun así, cuanto más cerca esté el agente de publicar, borrar, comprar, enviar o modificar datos reales, más importantes son los límites, los registros y las confirmaciones.
Cuánto cuesta: no hay tarifa extra, pero no es gratis
OpenAI indica que Agents API está disponible en beta pública para desarrolladores y que no aplica una tarifa adicional específica por utilizarla. Eso no significa que una ejecución tenga coste cero: se facturan los tokens del modelo elegido, las herramientas integradas que se consuman y, si se usa, el tiempo del sandbox alojado.
Un agente puede realizar varias llamadas al modelo para completar una sola tarea. Los subagentes, las repeticiones tras un error, las búsquedas y el entorno de ejecución también suman. Por eso, el coste real debe medirse por proceso terminado y no por una única respuesta. Una arquitectura más autónoma puede ahorrar trabajo humano y, al mismo tiempo, gastar más inferencia si no se limita bien.
Seguridad, privacidad y límites que conviene vigilar
La capacidad de ejecutar código y acceder a herramientas amplía tanto la utilidad como el riesgo. OpenAI recuerda que el código generado por el agente puede leer los archivos, credenciales y red que estén disponibles en su entorno. Sus recomendaciones incluyen separar cargas de trabajo, restringir el tráfico a destinos aprobados, mantener la clave principal de la aplicación fuera del sandbox y utilizar credenciales con el menor alcance posible.
Hay además una limitación relevante para organizaciones con requisitos estrictos de datos: en el momento del lanzamiento, Agents API solo admite residencia de datos en Estados Unidos y no es compatible con retención cero. Elegir un sandbox autogestionado no cambia por sí solo esa condición, porque el sistema de coordinación sigue siendo el servicio gestionado.
La observabilidad permite seguir eventos, revisar el historial de la sesión, identificar trabajo delegado y consultar el uso de tokens. Sin embargo, la documentación señala que la recuperación detallada de trazas y los exportadores externos de trazas no forman parte de la API durante la beta pública. Es otro motivo para tratar esta primera versión como una tecnología en evolución.
Qué no demuestra este lanzamiento
Agents API no demuestra que los agentes sean infalibles, que puedan operar sin supervisión ni que cualquier flujo empresarial deba automatizarse. Tampoco elimina la necesidad de evaluar resultados, controlar permisos, proteger datos o diseñar rutas de recuperación. El sistema facilita la infraestructura; la responsabilidad sobre el proceso sigue recayendo en quien lo construye y despliega.
Las mejoras de rendimiento citadas por OpenAI a partir de clientes iniciales son testimonios del proveedor y de esas empresas, no una comparación independiente aplicable a todos los casos. Los resultados dependerán del modelo, las herramientas, el entorno, las instrucciones y la dificultad de cada tarea.
Qué podría significar en los próximos meses y años
Hecho: OpenAI ha convertido en servicio una parte del sistema que permite a Codex trabajar durante sesiones largas, usar herramientas y coordinar subagentes. Inferencia razonable: esto puede reducir la barrera técnica para que más empresas construyan agentes complejos sin desarrollar desde cero toda la capa de orquestación.
Predicción: si la beta madura y mejora sus opciones de privacidad, los proveedores de modelos competirán cada vez más por la calidad del sistema completo —memoria operativa, herramientas, permisos, entornos y observabilidad— y no solo por los resultados de un modelo en pruebas aisladas. También es probable que aumente el interés por medir tareas completas: coste por caso resuelto, tasa de errores recuperados y porcentaje de acciones que necesitan intervención humana.
Lo prudente durante esta fase es empezar por procesos limitados, reversibles y fáciles de auditar. Un agente que prepara un informe para revisión ofrece una superficie de riesgo muy distinta a otro que modifica producción o se comunica con clientes. La autonomía útil no consiste en eliminar todos los controles, sino en colocar cada control en el punto adecuado.
Conclusión
La Agents API de OpenAI representa un cambio de capa: desde llamar a un modelo para obtener respuestas hacia encargar trabajos duraderos a un sistema coordinado. Sus sesiones persistentes, entornos configurables, herramientas y capacidad multiagente pueden acelerar automatizaciones antes complejas de mantener.
Pero la versión inicial sigue siendo una beta con costes acumulativos, límites de privacidad y responsabilidades de seguridad importantes. Su valor real no se medirá por cuántos pasos puede ejecutar sin parar, sino por cuántos procesos puede completar con resultados verificables, permisos mínimos y una supervisión proporcionada al riesgo.