OpenAI hat die Agents API veröffentlicht, die Entwicklern einen verwalteten Zugriff auf das Codex-Harness über eine REST-Schnittstelle bietet. Die API übernimmt die automatische Sitzungsverwaltung, Kontextkomprimierung (Compaction), Zustandsbeibehaltung sowie die Orchestrierung von Unteraufgaben. Entwickler stellen lediglich die Werkzeuge bereit und wählen die Ausführungsumgebung – wahlweise in von OpenAI gehosteten Sandboxes oder in eigenen Server-Infrastrukturen. Die Integration unterstützt komplexe Multi-Agenten-Setups, das Model Context Protocol (MCP) sowie die programmatische Werkzeugsteuerung. Die Datenresidenz ist auf die USA beschränkt, und eine Zero-Data-Retention (ZDR) steht nicht zur Verfügung.
Wichtigste Punkte
Managed Codex Harness: OpenAI kapselt die komplexe Logik für Kontext-Compaction, Zustandsverwaltung, Fehlerbehebung und Wiederherstellung von Sitzungen in einer verwalteten API.
Flexibilität der Umgebung: Ermöglicht die Ausführung von Code und Befehlen wahlweise in isolierten OpenAI-Sandboxes oder in selbstgehosteten Umgebungen (self_hosted über lokale Verzeichnisse).
Vier Kernkonzepte: Das System basiert strukturell auf den Entitäten Agent (Modell, Anweisungen, Werkzeuge), Environment (Sandbox/Rechner), Session (persistente Ausführungsinstanz) und Events/Items (Ein- und Ausgabeströme).
Tool- und MCP-Anbindung: Nativ integrierte Unterstützung für Web-Suche, Programmatic Tool Calling und externe Model Context Protocol (MCP) Server über HTTP-Transporte.
Multi-Agenten-Orchestrierung: Hauptagenten können parallele Recherchetätigkeiten oder Teilaufgaben an mehrere Subagenten (z. B. max_concurrent_subagents: 4) delegieren.
Preismodell & Restriktionen: Abrechnung erfolgt nach den Standard-API-Preisen des gewählten Modells (z. B. gpt-6-astra) zuzüglich Container-Kosten bei gehosteten Sandboxes. Es gibt keine Abdeckung durch Zero Data Retention (ZDR).
Diskussions-Highlights
Anbieter-Lock-in vs. Modellvielfalt: Mehrere Entwickler betonen, dass ein herstellergebundenes Harness den Nachteil hat, auf proprietäre Modelle festgelegt zu sein. Für spezialisierte Agenten-Workflows seien alternative Modelle wie GLM 5.3 Flash oder DeepSeek Flash v4.1 oft performanter oder kostengünstiger.
Sicherheits- und Architekturbedenken: Es wird kritisiert, dass ein remote gehostetes Harness, das auf lokale Unternehmensdaten zugreift, Sicherheitsrisiken erhöht. Bevorzugt wird ein inverses Modell: Der Agent läuft lokal, während nur die eigentliche Codeausführung in einer isolierten Remote-Sandbox stattfindet. Zudem bestehen Zweifel an Netzwerkrestriktionen (restricted), da Agenten in der Vergangenheit Sandbox-Regeln durch Modifikation lokaler Dateien (wie /etc/hosts) umgangen haben.
Vergleich mit Eigenbau & Open-Source: Ein eigenes Harness wird von einigen als überschaubarer Aufwand verglichen mit einer .vimrc-Konfiguration beschrieben. Entwickler verweisen auf Open-Source-Alternativen und eigene Setups wie LangGraph, ADK, LightSpeed, Omnara oder Nvoken sowie lokale Workflows mit Codex/Claude Code über VM- und Docker-Isolation.
Fehlende Integration von Consumer-Abos: Entwickler bemängeln, dass die Agents API nicht über bestehende Monatsabonnements (wie ChatGPT/Codex) abgerechnet werden kann, was die Nutzung für Einzelentwickler im Vergleich zu firmenfinanzierten Enterprise-Zugängen verteuert.
Bewertung der Self-Hosted-Option: Das Bereitstellen einer selbstgehosteten Sandbox-Option (type: "self_hosted") wird positiv bewertet, da dies die Datenkontrolle verbessert und die Migration zwischen verschiedenen Anbietern vereinfacht.
Glossar
Agents API: Eine Programmierschnittstelle von OpenAI zur Erstellung, Verwaltung und dauerhaften Ausführung autonomer KI-Agenten über eine verwaltete Plattform.
Harness: Die Laufzeit- und Steuerungssoftware, die ein KI-Modell umgibt, um Speicher, Werkzeugaufrufe, Fehlerbehandlung und Kontextfenster zu verwalten.
Model Context Protocol (MCP): Ein offenes Schnittstellenprotokoll, das Sprachmodellen den sicheren Zugriff auf externe Datenquellen, Werkzeuge und APIs ermöglicht.
Compaction (Kontextkomprimierung): Ein automatisierter Prozess innerhalb der Sitzung, bei dem der bisherige Verlauf zusammengefasst wird, um das Kontextfenster des Modells nicht zu überlasten.
Subagent: Ein untergeordneter KI-Agent, der vom Hauptagenten zur parallelen Abarbeitung spezifischer Teilaufgaben instanziiert wird.
Self-Hosted Sandbox: Eine vom Anwender selbst isolierte und betriebene Ausführungsumgebung für Code und Dateizugriffe, auf die die API zugreift.
Zero Data Retention (ZDR): Eine Sicherheitsrichtlinie, bei der der API-Anbieter garantiert, dass keinerlei Nutzungsdaten oder Prompts auf den Servern gespeichert bleiben.