La Agents API aprende a usar el ratón

OpenAI alquila la maquinaria con la que mueve Codex

La idea que vende OpenAI es sencilla: en lugar de que cada equipo se construya su andamiaje para sostener a un agente durante horas, la compañía alquila el suyo. Dice haber aprendido, al llevar Codex y ChatGPT for Work a millones de personas, que un agente útil necesita un arnés que gestione el contexto y coordine a los subagentes, y una infraestructura que lo mantenga en marcha durante días.

El reparto de papeles explica el producto: OpenAI aloja y mantiene el arnés, y el desarrollador elige dónde corre el trabajo y se dedica a lo que hace distinto a su agente. Está en beta pública y abierta a todos los desarrolladores, no en versión definitiva, y la compañía no ha dado fecha para esa versión.

Lo que llegó el 29 de septiembre fue el ratón

El registro de cambios de la API de OpenAI fecha las dos cosas por separado. El 10 de septiembre publicó la Agents API en beta pública, con arnés gestionado, sesiones que continúan de un turno a otro y compactación de contexto. El 29, en el DevDay, le añadió computer use: el agente trabaja en un navegador que aloja OpenAI, y las aprobaciones de acceso a cada web y el inicio de sesión los gestiona la aplicación.

En el escenario, sin embargo, las dos cosas se contaron juntas: OpenAI presentó la Agents API como un lanzamiento de ese día —con el arnés, el alojamiento, la memoria y los controles multiagente dentro— y acto seguido anunció que le añadía computer use. The Decoder —publicación alemana sobre inteligencia artificial, sostenida por las suscripciones de sus lectores— sitúa el arranque de esa beta el 11 de septiembre.

La herramienta tampoco sale de la nada. Según The Decoder, OpenAI ya la ofrecía dentro de Codex y de ChatGPT en macOS desde abril de 2026 y en Windows 11 desde mayo. Lo nuevo es que dejó de ser una función de sus productos para convertirse en algo que cualquier desarrollador puede pedir por la API.

El arnés comprime el contexto y reparte el trabajo

Lo que OpenAI vende como ventaja es no rehacer el andamiaje cada vez que sale un modelo nuevo: la API da acceso versionado a las capacidades de cada lanzamiento y la compañía afirma que mejora el arnés junto con los modelos. Destaca tres mejoras recientes.

La primera es la compactación: cuando una sesión se acerca al límite de contexto, la API comprime sola lo anterior y conserva lo que el agente necesita para seguir, así que un trabajo puede abarcar varias ventanas de contexto sin que nadie programe esa lógica. La segunda es la búsqueda de herramientas, que carga las definiciones solo cuando hacen falta; junto a ella, la llamada programática deja al agente lanzar peticiones en paralelo y filtrar los resultados en código.

La tercera es el reparto entre varios agentes: la API parte una tarea complicada en trozos independientes y los delega en subagentes que trabajan a la vez, cada uno con su contexto, mientras el principal los coordina y junta los resultados. Admite además funciones propias, herramientas de serie como la búsqueda web y servidores de terceros.

El código corre en un entorno de OpenAI o de nueve socios

Hay tres sitios donde ejecutar el agente: un sandbox que gestiona OpenAI, la infraestructura del propio cliente o la de un socio. El primero usa la misma infraestructura de aislamiento que sostiene a Codex y a ChatGPT, y lo aprovisiona y administra OpenAI. Para los otros dos, la compañía anunció integraciones con nueve proveedores de infraestructura en la nube: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop y Vercel.

Según OpenAI, entre ellos cubren entornos gestionados o despliegues dentro de la red privada del cliente, mecanismos concretos de almacenamiento de ficheros y de secretos, y distintas configuraciones de procesador, tarjeta gráfica y memoria, cada una con su rendimiento y su coste.

El navegador de computer use, en cambio, no admite esa elección: para activarlo hay que declarar el entorno como alojado por OpenAI y habilitar su escritorio. Quien lo quiera en una máquina propia tiene que salirse de esta herramienta. Una sesión se puede reutilizar, aunque las cookies caducan y reciclar el entorno borra el estado.

Cada web nueva necesita el visto bueno del usuario

El navegador alojado no entra en ninguna web sin permiso: lo pide para cada dominio nuevo, incluidos los públicos, y habilitar el acceso a la red no sustituye a ese permiso, porque son dos decisiones distintas. La aplicación muestra el dominio y el motivo si lo hay, y devuelve aprobar, denegar o cancelar.

El inicio de sesión también sale del chat: lo monta la aplicación del desarrollador con los métodos y los campos que pida cada web. Admite correo electrónico, contraseñas y códigos de verificación, pero no las passkeys que sustituyen a la contraseña ni el acceso escaneando un código. Solo el agente principal puede pedir autenticación; los subagentes, no.

La documentación avisa de un límite que conviene leer dos veces: aprobar un dominio no obliga al agente a pedir confirmación antes de cada acción dentro de él. Si hay que garantizar que nadie compre ni borre nada sin consentimiento, OpenAI recomienda limitar el navegador a recursos que no puedan hacerlo o usar un entorno propio. Y pide tratar el contenido de las webs como no fiable: no da permisos ni manda sobre las instrucciones del usuario.

Sin cuota: se pagan los tokens y las herramientas

OpenAI no cobra por usar la Agents API y lo dice con esas palabras: no hay tarifas adicionales y se paga solo por los tokens y las herramientas que consuman los agentes. Ni el navegador alojado ni computer use figuran con una tarifa separada en lo publicado el 29 de septiembre.

La factura depende, por tanto, de lo que el agente haga. Uno que pincha por un navegador durante horas gasta tokens cada vez que mira la pantalla y decide el paso siguiente, y suma las llamadas a las herramientas que use: el coste lo marca el uso, no una suscripción.

Por la API, la beta está abierta a todos los desarrolladores y sin lista de espera. En los productos de ChatGPT, en cambio, hay puerta: según el resumen del DevDay, computer use llega a Codex y a ChatGPT Work solo en los planes Pro 500, que cuesta 500 dólares al mes, y Enterprise. Es el mismo reparto que el modo Ultrafast, y deja fuera a Plus y a los dos planes Pro más baratos.