OpenAI lanza la Agents API en beta pública: el harness de Codex como servicio y sin tarifa adicional

OpenAI abrió el jueves 10 de septiembre de 2026 la Agents API en beta pública para todos los desarrolladores. La compañía resume la propuesta en una frase: construir y ejecutar agentes en la nube con el harness de Codex, completamente administrado por OpenAI. Es decir, la capa de orquestación que hace funcionar a su agente de programación ahora se ofrece como producto para que otras empresas monten sus propios agentes.

El movimiento importa porque ataca la parte menos visible y más costosa de un proyecto de agentes: no el modelo, sino todo lo que lo rodea. Manejo de contexto, uso eficiente de herramientas, coordinación de subagentes e infraestructura que se mantenga en pie durante sesiones largas.

¿Qué es exactamente la Agents API de OpenAI?

Según el anuncio, un agente útil necesita un harness potente que administre el contexto, use herramientas con eficiencia y coordine subagentes. También necesita infraestructura que lo mantenga funcionando de forma confiable durante días, con entornos donde pueda trabajar con archivos, ejecutar código y guardar resultados intermedios. Hasta ahora, cada equipo debía construir esa capa por su cuenta. La Agents API la entrega como servicio administrado.

En los ejemplos de código publicados por OpenAI aparece GPT-6 Astra como modelo, aunque el anuncio no incluye una lista completa de modelos compatibles.

¿Qué funciones incluye la Agents API?

• Compactación automática de contexto: cuando una sesión se acerca a su límite de contexto, la API compacta lo anterior y conserva la información que el agente necesita para continuar.
• Búsqueda de herramientas: carga las definiciones de herramientas relevantes solo cuando se necesitan, lo que reduce el consumo de tokens y el costo, y preserva la caché del modelo.
• Llamadas programáticas a herramientas: el agente puede ejecutar llamadas en paralelo, encadenar operaciones relacionadas y filtrar o combinar resultados mediante código.
• Soporte multiagente: las tareas complejas se dividen en piezas independientes que se delegan a subagentes que trabajan en paralelo.
• Integraciones: soporte para MCP, funciones personalizadas y herramientas integradas como búsqueda web.

¿Dónde corren los agentes y cuánto cuesta?

Hay dos caminos. El primero son los sandboxes administrados por OpenAI, que aprovisionan entornos seguros para ejecutar código y manejar archivos. El segundo es usar infraestructura propia o de socios del ecosistema: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop y Vercel.

En precio, OpenAI es explícito: no hay tarifas adicionales por usar la Agents API. Se paga por los tokens y las herramientas que consumen los agentes. El anuncio no detalla regiones de procesamiento, políticas de retención de datos ni esquemas de permisos.

¿Qué resultados reportan los primeros clientes?

OpenAI publicó casos de empresas que ya la usan. Ciridae subió su puntaje de evaluación de 0,71 a 0,85 y redujo cuatro veces la latencia. SafetyKit reportó una baja de 60% en el costo por caso, menor latencia y una eficiencia de tokens significativamente mejor. Hypha redujo en 86% las respuestas fallidas de sus agentes. Y Nash.ai despliega miles de agentes de larga duración que gestionan cientos de millones de entregas en redes logísticas globales. Son cifras entregadas por el proveedor y sus clientes, no auditorías independientes.

¿Qué significa para las empresas en Chile y Latinoamérica?

Para una empresa B2B en Chile o el resto de Latinoamérica, la barrera técnica para construir agentes propios baja de forma concreta: un equipo pequeño ya no necesita desarrollar desde cero la orquestación, la gestión de contexto ni el entorno de ejecución. Casos como la investigación de cuentas antes de una reunión, la limpieza de registros del CRM o la conciliación de datos entre sistemas pueden abordarse con mucha menos ingeniería propia.

La contracara es que el costo pasa a ser completamente variable y en dólares. Sin tarifa fija, cada subagente, cada búsqueda y cada sesión larga suma tokens. Y como el anuncio no aclara regiones ni retención de datos, cualquier integración con información de clientes debería pasar primero por una revisión legal y de seguridad.

Análisis de Revenue Hub

El harness se está convirtiendo en commodity. Mantener un agente trabajando durante horas sin perder el hilo exigía ingeniería propia y sostenía primas de precio en muchos productos de IA para ventas. Ahora OpenAI lo entrega sin cargo adicional sobre el consumo. Eso cambia la conversación con los proveedores: cuando un SaaS cobre una prima por sus agentes, la pregunta pertinente ya no es si el agente funciona, sino qué contexto de negocio, qué datos y qué integraciones aporta que tu equipo no podría replicar con una API como esta.

La recomendación concreta para un líder comercial o de RevOps es acotar antes de construir. Elige un proceso repetitivo, medible y de bajo riesgo, por ejemplo el enriquecimiento de cuentas nuevas o la preparación de briefs de reunión a partir del CRM, y corre un piloto de cuatro semanas con un tope de gasto en tokens definido desde el primer día. Mide costo por tarea completada y tasa de error, no cantidad de agentes desplegados. Si el piloto no mejora esas dos métricas, ningún harness lo va a resolver.

Hay además un punto de gobierno que no conviene postergar: conectar un agente al CRM vía MCP equivale a entregarle credenciales a un nuevo integrante del equipo. Define permisos mínimos, registros de actividad y un responsable humano antes de pasar a producción. Seguimos la evolución de los agentes en la sección de IA para ventas y publicamos guías de implementación en el blog de Revenue Hub.