오픈AI가 코덱스를 돌리던 하네스 자체를 Agents API로 개방한다

오픈AI는 2026년 9월 10일 Agents API를 퍼블릭 베타로 공개하면서 코덱스와 ChatGPT for Work를 구동해 온 에이전트 하네스와 인프라를 API 한 번의 호출로 개방했다. 추가 요금은 없고 에이전트가 쓴 토큰과 도구 비용만 청구된다. 개발자는 세션 생성 호출에 모델과 도구와 환경을 지정하면 되고, 문맥 압축과 도구 검색과 서브에이전트 조율은 오픈AI가 유지하는 하네스가 처리한다. 이번 발표의 핵심은 새 모델이 아니라 모델과 애플리케이션 사이에 있던 계층의 소유권 이동이다. ASAP은 오픈AI 공식 발표문에서 확인되는 사양만으로 이 계층이 무엇을 가져가고 무엇을 남기는지 정리한다.

발표문이 파는 것은 모델이 아니라 하네스와 인프라다

오픈AI가 이번에 개방한 것은 코덱스를 수백만 명 규모로 운영하며 다듬은 하네스다. 발표문은 쓸모 있는 에이전트에 필요한 조건을 두 갈래로 정리했다. 하나는 문맥을 관리하고 도구를 효율적으로 쓰고 서브에이전트를 조율하는 강력한 하네스이고, 다른 하나는 며칠 단위로 안정적으로 돌아가면서 파일을 다루고 코드를 실행하고 중간 결과를 저장할 환경이다.

호출 형태는 발표문에 예제 코드로 제시됐다. 개발자는 client.beta.agents.sessions.create 한 번에 agent 객체와 vault_ids와 environment와 input을 넘긴다. agent 객체 안에는 모델 이름 gpt-6-astra, MCP 서버를 가리키는 tools 배열, 그리고 multi_agent 설정이 들어간다. 예제의 multi_agent 값은 enabled가 참이고 max_concurrent_subagents가 3이다. environment는 type을 openai_hosted로 두고 capability_directories에 /workspace/capabilities/skills를 지정하는 형태다.

예제에 적힌 과제 문장은 이 API가 겨냥하는 작업 성격을 그대로 보여 준다. 최근 30분간 service-api의 5xx 오류율 상승을 조사하고, 배포와 오류와 의존성 분석을 서브에이전트에 위임하고, 결과와 증거와 권고 조치를 /workspace/outputs에 저장하라는 지시다. 단발 응답이 아니라 조사와 위임과 산출물 저장까지 하나의 세션으로 묶인 작업이다.

실행 환경은 오픈AI 샌드박스와 9개 파트너와 자체 인프라 중에서 고른다

하네스는 오픈AI가 호스팅하고 유지하지만 연산 환경은 개발자가 고른다. 발표문이 제시한 선택지는 오픈AI 관리 샌드박스, 개발자 자체 인프라, 그리고 샌드박스 파트너다. 파트너로 명시된 곳은 Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel 아홉 곳이다.

파트너를 두는 이유로 발표문이 든 항목은 세 가지다. 완전 관리형 환경 또는 자체 VPC 내부 배포, 특정한 파일과 시크릿 저장 방식, 그리고 성능과 콜드스타트와 비용 프로파일이 서로 다른 CPU와 GPU와 메모리 구성이다.

빠르게 시작하려는 쪽을 위해 오픈AI 호스팅 샌드박스도 함께 도입됐다. 코덱스와 ChatGPT를 돌리는 것과 같은 샌드박스 인프라를 쓰며, 오픈AI가 프로비저닝과 관리를 맡는다. 이 샌드박스에는 파일과 패키지와 스킬과 플러그인을 설정해 에이전트가 과제에 필요한 것을 갖추게 할 수 있다.

문맥 압축과 도구 검색은 개발자 코드에서 하네스 쪽으로 넘어간다

Agents API가 하네스 안으로 흡수한 기능은 세 가지로 정리된다. 첫째는 문맥 관리다. 세션이 문맥 한계에 가까워지면 API가 앞선 문맥을 자동으로 압축하며 에이전트가 이어 가는 데 필요한 정보를 남긴다. 개발자는 자체 압축 로직을 구현하지 않고도 여러 문맥 창에 걸친 워크플로를 만들 수 있다.

둘째는 도구 사용이다. 도구 검색 기능은 필요한 시점에 관련 도구 정의만 불러와 토큰 사용량과 비용을 줄이면서 모델 캐시를 보존한다. 프로그래매틱 도구 호출은 에이전트가 호출을 병렬로 실행하고 연관 작업을 연결하며 결과를 코드에서 필터링하거나 결합하게 해, 대량 데이터를 처리하면서 관련 결과만 문맥으로 되돌린다. 지원 범위는 MCP와 커스텀 함수와 웹 검색 같은 내장 도구다.

셋째는 서브에이전트다. 멀티에이전트 지원은 복잡한 과제를 독립적인 조각으로 쪼개 병렬로 도는 서브에이전트에 위임한다. 각 서브에이전트는 자기 문맥을 유지하고, 메인 에이전트가 조율과 결과 취합을 맡는다. 발표문이 든 효과는 연구와 분석과 코딩 과제의 속도 향상이며, 개발자가 직접 오케스트레이션을 구현할 필요가 없다는 점이 함께 제시됐다.

하네스가 오픈소스인데 오픈AI가 운영한다는 구성이 이번 발표의 골자다

여기서부터는 ASAP의 해석이다. 발표문이 명시한 대로 Agents API는 오픈소스 코덱스 하네스로 구동되며, 오픈AI가 그 하네스를 운영하고 유지하는 동안 개발자는 공개 코드베이스를 열람할 수 있다. 소스는 공개하되 운영은 자기가 맡는 구성이며, 이 조합은 두 가지를 동시에 노린다. 하나는 감사 가능성이고 다른 하나는 이탈 방지다. 로직을 볼 수 있으니 블랙박스 우려가 줄고, 운영은 맡기게 되니 실제 실행 경로는 오픈AI에 남는다.

이 구성이 겨냥하는 문제는 발표문에도 적혀 있다. 새 모델 능력을 쓰려면 하네스를 다시 손봐야 하고 그만큼 애플리케이션 개선 시간을 잃는다는 것이다. Agents API는 모델 출시마다 버전 관리된 접근을 제공하고 하네스를 모델과 함께 개선한다. 뒤집어 보면 하네스를 직접 유지하던 팀이 지금까지 감당하던 비용을 오픈AI가 인수하는 대신, 모델 교체 주기에 애플리케이션이 묶이는 구조가 만들어진다.

경계선은 발표문이 그은 자리에 있다. 오픈AI는 하네스와 인프라라는 토대를 제공하고, 개발자는 에이전트를 고유하게 만드는 도구와 지식과 워크플로에 집중하라고 적었다. 즉 차별화 지점을 도구와 데이터 쪽으로 옮기라는 제안이며, 문맥 압축이나 서브에이전트 조율처럼 지금까지 에이전트 프레임워크가 경쟁하던 영역은 기반 계층으로 내려간다.

추가 요금 없음이라는 가격 정책은 계산을 단순화하지 않는다

과금 조건은 명확하다. Agents API 사용에 추가 요금은 없고 에이전트가 쓴 토큰과 도구 비용만 지불한다. 문장만 보면 도입 장벽이 사라진 것처럼 읽히지만, 실제 비용 예측은 반대 방향으로 어려워진다.

이유는 이 API가 흡수한 기능들이 전부 토큰을 소비하는 동작이기 때문이다. 자동 문맥 압축은 앞선 문맥을 요약하는 모델 호출이고, 도구 검색은 도구 정의를 선별해 넣는 동작이며, 서브에이전트는 각자 자기 문맥을 유지한다. max_concurrent_subagents를 3으로 두면 메인 에이전트 외에 최대 세 개의 문맥이 동시에 토큰을 쓴다. 하네스가 알아서 처리하는 만큼 청구액을 좌우하는 결정도 개발자 코드 밖에서 내려진다.

따라서 도입 검토에서 확인할 값은 단가가 아니라 세션당 총 토큰 분포다. 발표문이 며칠 단위로 돌아가는 장기 실행을 전제로 하고 있으므로, 짧은 요청 단위로 비용을 재던 감각은 그대로 옮겨지지 않는다. 퍼블릭 베타 기간에 오픈AI가 피드백을 받아 빠르게 반복하겠다고 밝힌 만큼, 압축 시점이나 도구 검색 동작 같은 세부가 바뀔 여지도 남아 있다.

한국 팀이 먼저 정리할 것은 샌드박스 위치와 시크릿 경로다

국내 도입 관점에서 첫 논점은 데이터가 어디서 실행되느냐다. 발표문이 제시한 세 갈래 중 자체 인프라와 자체 VPC 내부 배포가 명시적으로 포함돼 있다는 점이 실무에서 가장 중요하다. 오픈AI 호스팅 샌드박스를 쓰면 시작은 빠르지만 코드와 파일이 오픈AI 관리 환경에 놓이고, VPC 배포를 택하면 통제는 유지되는 대신 파트너 선정과 운영 부담이 생긴다.

두 번째 논점은 예제 코드에 등장한 vault_ids다. 세션 생성 호출에 자격 증명 저장소 식별자를 넘기는 형태이므로, 에이전트가 접근할 수 있는 시크릿의 범위가 곧 사고 반경이 된다. 며칠씩 돌면서 코드를 실행하고 파일을 쓰는 에이전트에 발급하는 자격 증명은 사람 계정 기준이 아니라 과제 단위 최소 권한으로 끊어 두는 편이 낫다.

세 번째 논점은 MCP 의존이다. 예제의 tools 배열은 http 전송으로 외부 MCP 서버를 가리킨다. 사내 관측 도구나 데이터 소스를 MCP로 노출하면 에이전트가 바로 쓸 수 있지만, 그 서버가 곧 외부에서 호출 가능한 실행 표면이 된다. 국내 조직 대부분이 아직 MCP 서버를 사내망 안쪽에 두고 있으므로, Agents API를 쓰려면 노출 경계와 인증 방식을 먼저 설계해야 한다.

공개된 수치가 고객 인용문 한 건뿐이라는 점은 그대로 남는다

검증 관점에서 남는 제약은 세 가지다. 첫째, 발표문에 담긴 정량 지표는 사실상 고객 인용문 하나다. Ciridae의 CTO Jack Weissenberger는 평가 점수가 0.71에서 0.85로 올랐고 지연이 4분의 1로 줄었다고 밝혔다. 이 값은 고객사 자체 측정치이며 벤치마크 조건과 비교 대상 구성은 발표문에 제시되지 않았다.

둘째, 하네스가 처리한다고 적힌 동작의 성능 수치가 없다. 문맥 자동 압축이 어느 시점에 얼마나 압축하는지, 도구 검색이 토큰을 얼마나 줄이는지, 서브에이전트 병렬화가 어떤 과제에서 얼마나 빨라지는지에 대한 측정값은 공개되지 않았다. 발표문은 효과를 서술로만 제시했다.

셋째, 상태가 퍼블릭 베타다. 오픈AI는 정식 출시를 향해 가는 동안 피드백을 받아 빠르게 반복하겠다고 밝혔으며, 어떤 부분이 잘 되고 어디서 마찰이 생기는지 알려 달라고 요청했다. 인터페이스와 동작이 고정됐다고 보고 프로덕션 경로를 설계하기에는 이른 단계다.

정리하면 이번 발표는 오픈AI가 모델 아래 계층에서 벌어지던 경쟁을 자기 쪽으로 끌어온 사건이다. 에이전트 프레임워크가 제공하던 문맥 관리와 도구 조율과 서브에이전트 오케스트레이션이 API 기본 기능이 됐고, 그 대가로 개발자는 하네스 유지 비용을 덜고 실행 경로에 대한 통제를 일부 넘긴다. 이 교환이 유리한지는 각 팀이 하네스를 얼마나 손대고 있었는지에 따라 갈린다.

출처: 오픈AI 공식 발표 'Introducing the Agents API'(2026년 9월 10일)