Agents API : OpenAI ouvre le harness Codex aux développeurs — ce qui est livré, ce qui manque

Ce que les builders européens doivent savoir en premier

L'Agents API est en beta publique depuis le 10 septembre 2026. Avant de planifier une intégration, deux contraintes méritent d'être posées d'emblée : les données restent hébergées exclusivement aux États-Unis, et le mode Zero Data Retention (ZDR) n'est pas supporté, comme l'indique la documentation OpenAI. Ce point vaut aussi si vous choisissez un sandbox auto-hébergé : auto-héberger l'environnement d'exécution ne rend pas l'Agents API éligible au ZDR. Le blocage se situe au niveau de l'API, pas du sandbox.

Pour toute agence ou builder opérant sous contrainte RGPDRèglement européen sur la protection des données personnelles (licéité, droits, sous-traitance, transferts). ou avec des clients soumis à des exigences de résidence de données hors États-Unis, ces deux points conditionnent la faisabilité d'un déploiement en production. OpenAI précise par ailleurs qu'il compte itérer pendant la beta publique en vue de la disponibilité générale : la GA est donc visée, mais aucune date n'est annoncée.

Ce qu'OpenAI livre concrètement

L'Agents API est un service managé construit sur le harness open sourceLogiciel dont le code source est disponible sous une licence qui autorise étude, modification, redistribution. de Codex. OpenAI explique avoir tiré les enseignements opérationnels du passage à l'échelle de Codex et ChatGPT for Work auprès de millions d'utilisateurs, puis avoir exposé aux développeurs le harness et l'infrastructure qui alimentent Codex. Cette expérience a montré que le harness doit gérer le contexte, utiliser les outils efficacement, coordonner des subagents et s'appuyer sur une infrastructure capable de rester fiable pendant plusieurs jours. Le code du harness est inspectable dans le dépôt openai/codex. OpenAI prend en charge l'orchestration des sessions, la gestion et la compression du contexte ainsi que la reprise après interruption. Le développeur, lui, se concentre sur les outils, les instructions et le choix de l'environnement d'exécution.

Quatre concepts structurants

La documentation développeur organise l'API autour de quatre briques :

• Agent : modèle, instructions, outils et serveurs MCPModel Context Protocol : standard pour brancher des outils / données à un LLM (serveurs, resources, tools). associés.
• Environment : sandbox optionnel où l'agent lit et écrit des fichiers, charge des skills et exécute des commandes.
• Session : instance durable de l'agent, qui traite des tâches et répond aux entrées.
• Events and items : les entrées envoyées à l'agent et les sorties produites.

Le flux de base : créer une session, lui assigner une tâche, suivre la progression via streaming ou webhooksCallback HTTP poussé par un service quand un événement survient (paiement, deploy, form…)., puis continuer avec une nouvelle tâche ou réorienter le tour en cours.

Un seul appel API

L'endpoint central est POST https://api.openai.com/v1/agents/sessions, avec le header OpenAI-Beta: agents=v1. Voici le type d'appel présenté dans la documentation :

import OpenAI from "openai";

const client = new OpenAI();

const session = await client.beta.agents.sessions.create({
  agent: {
    model: "gpt-6-astra",
    tools: [
      {
        type: "mcp",
        server_label: "observability",
        transport: {
          type: "http",
          server_url: "https://observability.example.com/mcp",
        },
      },
    ],
    multi_agent: { enabled: true, max_concurrent_subagents: 3 },
  },
  vault_ids: ["vault_YOUR_VAULT_ID"],
  environment: {
    type: "openai_hosted",
    capability_directories: ["/workspace/capabilities/skills"],
  },
  input:
    "Investigate service-api's elevated 5xx rate over the last 30 minutes. " +
    "Delegate deployment, error, and dependency analysis to subagents. " +
    "Save findings, evidence, and recommended mitigation in /workspace/outputs.",
});

On retrouve ici la coordination multi-agents, la connexion à un serveur MCP externe et l'utilisation d'un vault pour les secrets — le tout dans une seule requête. Le max_concurrent_subagents: 3 de cet extrait est un paramètre d'exemple, pas un plafond documenté : un autre exemple de la documentation met en scène quatre subagents.

Trois options de sandbox, une décision d'architecture

Le choix de l'environnement d'exécution est une décision structurante selon la documentation :

Pour les builders qui opèrent déjà sur l'un de ces providers, l'intégration partenaire réduit la friction. L'auto-hébergement donne davantage de maîtrise sur l'environnement d'exécution et le réseau, mais OpenAI précise qu'un sandbox auto-hébergé ne rend pas l'API compatible ZDR. Il faut donc distinguer contrôle de l'infrastructure d'exécution et politique de traitement des données de l'API.

Ce que le harness gère automatiquement

OpenAI maintient le harness en parallèle de ses modèles, avec un accès versionné à chaque lancement de modèle. Parmi les capacités documentées :

• Sessions longues : le contexte antérieur est automatiquement compacté quand la session approche de sa limite.
• Exécution de code et de commandes dans les sandboxes.
• Application de skills et d'instructions.
• Tool search : chargement à la demande des définitions d'outils, afin d'éviter d'injecter en permanence de gros schémas dans le contexte et de consommer inutilement des tokensUnité de texte traitée par un modèle (souvent un morceau de mot). Les coûts et fenêtres de contexte se comptent en tokens..
• Programmatic tool callingCapacité d’un modèle à invoquer des fonctions structurées (API, calcul, recherche) au lieu de seulement générer du texte. : possibilité de chaîner et paralléliser des appels d'outils en code pour des workflows plus complexes.
• Connexions externes via outils et MCP.
• Délégation aux subagents : le harness peut découper le travail en sous-tâches et les confier à des agents spécialisés en parallèle.
• Intervention en cours de traitement (mid-turn steering).
• Reprise de session à l'endroit où elle s'était arrêtée.

Ces capacités sont listées directement dans l'overview de l'Agents API. Pour les mécanismes de contrôle en cours d'exécution, OpenAI documente aussi séparément l'async tool calling et le mid-turn steering.

Retours clients : quelques repères chiffrés

Le communiqué OpenAI cite plusieurs adopteurs précoces. Deux métriques ressortent :

• Ciridae (Jack Weissenberger, CTO) : le support de subagents a divisé la latenceDélai avant (ou pendant) la réponse d’un modèle. Le TTFT mesure le temps jusqu’au premier token. par 4 et fait passer le score d'évaluation de 0,71 à 0,85.
• SafetyKit (Bhavyansh Sabharwal) : la migration d'un workflow de revue de cas vers l'Agents API a réduit le coût par cas de 60 %, avec une latence plus faible et une meilleure efficacité en tokens.

Ces chiffres proviennent de témoignages clients publiés par OpenAI — ils reflètent des cas d'usage spécifiques et ne constituent pas des benchmarksJeu de référence public ou interne pour comparer des modèles (MMLU, HumanEval, etc.) — à lire avec prudence hors domaine. indépendants.

La deprecation d'Agent Builder : le contexte qui change tout

Le lancement de l'Agents API ne se lit pas isolément. Depuis le 3 juin 2026, OpenAI a annoncé la deprecation d'Agent Builder et d'Evals, avec extinction prévue le 30 novembre 2026. La mise à jour officielle AgentKit documente les chemins de migration :

• Pour les workflows qui doivent continuer sous forme de code : l'Agents SDK.
• Pour les cas d'usage mieux adaptés au promptingConsigne / contexte fourni au modèle pour orienter sa génération (system, user, exemples, outils). en langage naturel : les Workspace Agents dans ChatGPT.

L'Agents API, lancée trois mois après cette annonce de deprecation, devient de fait une option centrale pour les développeurs qui veulent un harness managé. Le calendrier est serré : entre le 10 septembre (beta publique) et le 30 novembre (extinction), il reste moins de trois mois pour migrer.

Ce qui disparaît concrètement

• API Prompts (v1/prompts) : OpenAI a dé-emphasé la création de prompts réutilisables à partir du 3 juin 2026 et prévoit l'extinction de cette API le 30 novembre 2026. Le guide de migration recommande de déplacer le contenu des prompts dans le code applicatif pour gagner en contrôle sur la revue, les tests, le déploiement et le versioning.
• Plateforme Evals : avec sa disparition partent les capacités alors regroupées dans cette plateforme, notamment les datasets, le trace grading, l'optimisation automatique de prompts et le support de modèles tiers présentés par OpenAI dans l'annonce AgentKit.
• Agent Builder : le canvas visuel de composition de workflows disparaît au profit d'approches orientées code ou agents de workspace selon le cas d'usage.

Tarification et modèle économique

OpenAI documente une tarification sans surcouche propre à l'Agents API. L'usage du modèle est facturé aux tarifs API du modèle choisi, les outils OpenAI à leurs tarifs standards, et les sandboxes hébergés par OpenAI aux tarifs standards des containers. L'annonce OpenAI résume le principe : pas de frais supplémentaires pour l'Agents API, vous payez les tokens et les outils utilisés.

Pour un agent de longue durée, le coût total combine donc tokens + outils + temps de container. Sur des sessions longues ou nombreuses, le temps d'occupation du sandbox hébergé par OpenAI peut devenir une composante significative du coût d'exploitation.

Une autre métrique, souvent reprise dans des sources secondaires, évoque plus de 60 heures d'opération agent par jour chez des utilisateurs intensifs de Codex. Nous n'avons pas identifié de source primaire OpenAI permettant de la confirmer : elle n'entre donc pas dans les éléments retenus pour l'analyse.

Ce que la source ne couvre pas

• Calendrier de disponibilité hors US : la documentation ne donne pas de date ni de feuille de route pour la résidence de données en Europe ou ailleurs.
• SLA et garanties de disponibilité : le statut beta n'est accompagné d'aucun engagement de niveau de service documenté.
• Limites techniques précises : durée maximale d'une session, plafond documenté de subagents ou quotas de tokens par session ne sont pas explicités dans l'overview.

La documentation fournit par ailleurs une comparaison des runtimes pour situer l'Agents API par rapport à l'Agents SDKSoftware Development Kit : bibliothèques et outils pour intégrer un service dans une application..