OpenAI lanza Agents API: qué cambia para las automatizaciones con IA

OpenAI presentó el 10 de septiembre de 2026 Agents API, una nueva interfaz para construir y ejecutar agentes en la nube sobre la misma base de orquestación que utiliza Codex.

La novedad no consiste únicamente en conectar un modelo con varias herramientas. El objetivo es resolver una parte mucho menos visible —y normalmente más difícil— de cualquier automatización avanzada: mantener el contexto, coordinar tareas, trabajar durante horas y recuperarse cuando una ejecución se interrumpe.

¿Qué es Agents API?

Agents API es una capa gestionada para crear agentes capaces de recibir un objetivo, utilizar herramientas y operar dentro de un entorno de ejecución.

El desarrollador define el modelo, las capacidades disponibles y el lugar donde se ejecutará el trabajo; OpenAI se encarga del bucle del agente y de buena parte de la infraestructura necesaria para mantenerlo activo.

La API se encuentra en beta pública y está disponible para desarrolladores. OpenAI indica que no añade una tarifa independiente: se pagan los tokens y las herramientas utilizadas durante cada ejecución.

Agentes que pueden trabajar durante horas

Una automatización tradicional suele seguir un camino fijo: recibe un dato, aplica unas reglas y produce un resultado. Un agente, en cambio, puede decidir qué paso necesita dar a continuación, comprobar el resultado y corregir el rumbo.

Ese enfoque plantea un problema cuando la tarea se alarga. El historial crece, aparecen nuevos archivos y la información importante puede quedar enterrada.

Agents API incorpora gestión de contexto para compactar las partes anteriores de una sesión cuando se acerca al límite disponible, conservando lo necesario para continuar.

En la práctica, esto abre la puerta a trabajos como:

• Investigar una incidencia.
• Revisar una base de código.
• Analizar documentación.
• Preparar un informe.

Todo ello sin obligar al equipo a construir desde cero el sistema que mantiene viva la sesión.

Herramientas y entornos bajo control

Los agentes pueden usar funciones propias, servidores MCP y herramientas integradas como la búsqueda web.

Una función denominada tool search permite cargar únicamente las definiciones de herramientas relevantes en cada momento, con el objetivo de reducir el consumo de contexto y el coste.

El entorno de ejecución también se puede elegir. La compañía ofrece espacios gestionados por OpenAI, pero permite utilizar infraestructura propia o proveedores de sandbox compatibles.

Esta separación es importante: un negocio puede aprovechar la orquestación sin entregar a un agente más permisos de los necesarios.

Trabajo paralelo con subagentes

Otra de las capacidades destacadas es la coordinación de subagentes.

Una tarea compleja puede dividirse en piezas independientes —por ejemplo, recopilar datos, revisar riesgos y validar resultados— y ejecutarse en paralelo.

Cada subagente mantiene su propio contexto y el agente principal reúne las conclusiones.

No todas las automatizaciones necesitan este modelo. Para un proceso lineal y predecible, un único flujo sigue siendo más sencillo y barato. El trabajo paralelo tiene sentido cuando las partes son realmente independientes o cuando el tiempo de respuesta es crítico.

¿Qué cambia para una pyme?

Para una pequeña empresa, la novedad reduce la cantidad de infraestructura necesaria para poner un agente en producción.

Algunos usos razonables podrían ser:

• Atención interna: recopilar información de distintas fuentes y preparar una respuesta para revisión.
• Operaciones: investigar incidencias, consultar registros y proponer una acción sin ejecutarla automáticamente.
• Documentación: revisar cambios, comparar versiones y mantener manuales actualizados.
• Análisis: dividir una investigación entre varias fuentes y reunir evidencias en un informe final.

La clave no es dar acceso a todo desde el primer día. Conviene empezar con una tarea acotada, permisos mínimos y una revisión humana antes de cualquier acción irreversible o comunicación externa.

Tres preguntas antes de adoptarla

1. ¿La tarea necesita realmente un agente?

Si el proceso siempre sigue los mismos pasos, una automatización convencional será más fácil de auditar.

2. ¿Qué puede hacer y qué no?

Las herramientas, credenciales y permisos deben limitarse al mínimo necesario.

3. ¿Cómo se evalúa el resultado?

Antes de escalar, hay que definir ejemplos correctos, comprobar errores y medir coste, tiempo y calidad.

Una infraestructura útil, no una solución mágica

Agents API elimina parte del trabajo de infraestructura, pero no sustituye el diseño del proceso.

La fiabilidad seguirá dependiendo de instrucciones claras, herramientas seguras, datos de calidad y controles humanos bien colocados.

La oportunidad es concreta: los equipos pueden dedicar menos tiempo a mantener el «motor» del agente y más a definir qué problema debe resolver.

Para las automatizaciones de larga duración, ese cambio puede ser tan importante como el propio modelo.

Fuente oficial: OpenAI — Introducing the Agents API