Agents API kompresuje pamięć agenta w trakcie pracy. Jak ma działać?
OpenAI udostępniło Agents API w publicznej becie jako usługę do budowania agentów, które mogą pracować w długich sesjach, korzystać z narzędzi i delegować fragmenty zadań. Firma stawia tu na automatyczne kompaktowanie kontekstu oraz ładowanie narzędzi dopiero wtedy, gdy są potrzebne — skuteczność tych rozwiązań nie została jednak niezależnie zweryfikowana.
Jedno wywołanie zamiast własnego zaplecza agenta
Według OpenAI w pojedynczym wywołaniu API twórca określa zadanie, model, zestaw narzędzi i środowisko wykonawcze. To nie jest więc sam dostęp do modelu językowego, lecz gotowa warstwa organizująca jego kolejne działania.
Tę warstwę firma nazywa harnessem. Koordynuje ona wywołania modelu, narzędzi i kontekstu rozmowy; w Agents API ma być oparta na otwartoźródłowym harnessie Codexa, rozwijanym przez OpenAI. W praktyce obietnica dotyczy przejęcia części mechaniki potrzebnej do prowadzenia agenta, a nie automatycznego rozwiązania konkretnego problemu biznesowego.
Kontekst jest kompresowany, gdy sesja dobija do limitu
Najbardziej praktyczny detal dotyczy długiej pracy. Gdy sesja zbliża się do limitu kontekstu, Agents API ma automatycznie kompaktować wcześniejszą część historii, aby agent mógł kontynuować zadanie przez kolejne okna kontekstowe.
To ma ograniczyć konieczność ręcznego zarządzania coraz dłuższą historią przez osobę budującą aplikację. Kompaktowanie nie oznacza jednak gwarancji bezbłędnego zachowania każdej ważnej informacji: w materiałach OpenAI nie ma niezależnych danych pokazujących, jak mechanizm radzi sobie z utratą szczegółów w realnych zadaniach.
Narzędzia mają pojawiać się dopiero wtedy, gdy agent ich potrzebuje
Drugim elementem jest tool search. Zamiast przekazywać modelowi definicje wszystkich dostępnych narzędzi na starcie, system ma ładować definicję tego potrzebnego w danej chwili. To bezpośrednio łączy się z długimi sesjami: kontekst nie musi od początku zawierać pełnego katalogu możliwości.
OpenAI opisuje też programistyczne wywoływanie narzędzi. Pozwala ono uruchamiać wywołania równolegle, łączyć operacje i filtrować ich wyniki, zanim trafią do modelu. Agent może korzystać z MCP, własnych funkcji oraz narzędzi wbudowanych, takich jak wyszukiwanie w sieci, ale samo API nie daje mu automatycznie dostępu do dowolnego prywatnego systemu czy danych. To wymaga właściwie skonfigurowanych narzędzi i środowiska.
Subagenci dzielą pracę, lecz beta nie jest audytem skuteczności
W bardziej złożonych zadaniach główny agent może rozdzielić części pracy między subagentów działających równolegle. Każdy zachowuje własny kontekst, a agent koordynujący zbiera wyniki. Mechanizm ma więc służyć podziałowi zadania, nie magicznemu pomnożeniu wiedzy modelu.
Kompaktowanie kontekstu, ładowanie narzędzi na żądanie i równoległa praca subagentów mają pozwolić prowadzić dłuższe, bardziej złożone sesje, ale na razie są deklarowanymi możliwościami usługi w publicznej becie. OpenAI zapowiada dalsze zmiany przed udostępnieniem wersji ogólnej. Komunikat nie przynosi też niezależnych testów wydajności, kosztów, opóźnień ani porównania z innymi sposobami wdrażania agentów. Najuczciwiej traktować usługę jako gotowy, rozwijany fundament do eksperymentów — nie jako potwierdzoną receptę na niezawodnego autonomicznego pracownika.
Źródła
