OpenAI Agents API: ya puedes lanzar un agente de IA que trabaja solo en la nube durante días, así se usa

Imagínate poder lanzar un agente de IA desde tu código, mandarlo a investigar un repo entero, revisar logs de producción, generar un reporte, y que cuando termines de comer ya tengas los resultados. Sin servidores que levantar, sin manejar el loop del agente, sin lidiar con la compactación de contexto cuando la sesión se pone larga. Eso es exactamente lo que OpenAI acaba de abrir a todos los devs con su Agents API, lanzada en beta pública el 10 de septiembre de 2026 sin costo extra más allá de lo que ya pagas por tokens.

Qué es el Agents API y por qué importa

Primero lo primero: el Agents API NO es el Agents SDK. Son cosas diferentes y mucha gente ya las está confundiendo.

• Agents SDK (openai-agents en PyPI): framework open source que corres tú en tu infraestructura. Tú manejas el loop.
• Agents API: servicio managed de OpenAI. Tú defines el agente, OpenAI se encarga de correrlo, mantenerlo vivo, compactar el contexto y coordinar subagentes.

La diferencia es como entre correr tu propio servidor de PostgreSQL versus usar RDS. Una es control total, la otra es “yo no quiero pensar en eso, que funcione”.

El Agents API expone el mismo harness que OpenAI usa internamente para Codex y ChatGPT for Work. Ese harness ahora es tuyo con una llamada de API.

Los cuatro conceptos que necesitas entender

La API se organiza alrededor de cuatro conceptos:

1. Agent: el modelo, sus instrucciones, las tools que puede usar, y opcionalmente servidores MCP
2. Environment: el sandbox donde corre (archivos, comandos, red)
3. Session: la instancia durable del agente. Puede vivir días
4. Events/Items: los inputs que mandas y los outputs que recibes

Lo que hace útil este modelo es que las sesiones persisten. No es un request-response. Tu agente puede recibir un task, ponerse a trabajar, y tú vas consultando el estado cuando quieras.

Context compaction automático

Cuando una sesión se acerca al límite de contexto del modelo, la API compacta el contexto más viejo automáticamente para preservar lo importante. Antes tenías que implementar ese logic tú mismo, lo cual era un dolor de cabeza. Ahora OpenAI lo resuelve.

Subagentes: paralelismo sin esfuerzo

El Agents API soporta subagentes: el agente principal puede delegar workstreams independientes a agentes especializados. Cada subagente tiene su propio contexto. El principal coordina y consolida resultados. Puedes tener hasta 3 subagentes concurrentes.

Casos donde esto es una chimba: revisar múltiples módulos de código en paralelo, investigar varias fuentes de telemetría al mismo tiempo durante un incidente, procesar documentos en batch antes de consolidar.

Tutorial: empieza en 5 minutos

Instala el SDK con:

pip install openai-agents

Agente básico:

from agents import Agent, Runner
import asyncio

agent = Agent(
    name="Analista de Repo",
    instructions="Analizas repositorios de código y produces reportes de deuda técnica.",
)

async def main():
    result = await Runner.run(agent, "Revisa el directorio src/ y lista los archivos con más de 300 líneas")
    print(result.final_output)

asyncio.run(main())

Agregar tools es sencillo con el decorador @tool:

from agents.decorators import tool

@tool
def leer_archivo(ruta: str) -> str:
    """Lee el contenido de un archivo del proyecto."""
    with open(ruta) as f:
        return f.read()

agent = Agent(
    name="Analista de Repo",
    instructions="Analizas código. Usa leer_archivo cuando necesites inspeccionar un archivo.",
    tools=[leer_archivo],
)

El agente decidirá solo cuándo llamar a cada tool. Para el Agents API managed (sesiones persistentes), la integración pasa por el endpoint de sesiones que lanzas desde tu código, y OpenAI se encarga del resto.

Dónde corre tu agente: sandboxes

Tienes tres opciones:

1. OpenAI-managed: el sandbox propio de OpenAI, pre-configurado para Python y Node.js. El más fácil de usar.
2. Self-hosted: corres codex exec-server en tu infra con conexiones WebSocket outbound-only.
3. Partners: 9 integraciones listas: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop y Vercel.

Si ya tienes workloads en Cloudflare Workers o DigitalOcean, puedes mantener tu compute ahí y delegarle el loop del agente a OpenAI. Cloudflare ya tiene su tutorial oficial para integrarlo.

Cuánto cuesta en pesos

La buena noticia: no hay fee adicional por el Agents API. Pagas solo tokens, tools y tiempo de sandbox. Con el dólar cerca de 17 pesos en septiembre 2026, aquí está la math real:

Modelos disponibles

Modelo	Input (por millón tokens)	Output (por millón tokens)	En pesos (aprox.)
gpt-6-astra	$10 USD	$50 USD	$170 / $850 MXN
gpt-5.6 Sol	$4 USD	$20 USD	$85 / $510 MXN
gpt-5.6 Luna	$0.10 USD	$0.60 USD	$3.40 / $20.40 MXN

Sandboxes (por sesión de 20 minutos)

Memoria	Costo USD	Costo MXN	Por hora MXN
1 GB	$0.03	~$0.51	~$1.53
4 GB	$0.12	~$2.04	~$6.12
16 GB	$0.48	~$8.16	~$24.48
64 GB	$1.92	~$32.64	~$97.92

Un agente que corre 2 horas con gpt-5.6 Luna y sandbox de 1 GB: menos de $10 MXN en sandbox más lo que gaste en tokens. Para tareas largas con modelos baratos, el sandbox domina el costo.

Importante: hay un mínimo de 5 minutos por sesión, y la documentación actual tiene algunos puntos oscuros sobre qué cuenta como sesión “elegible”. Algo a vigilar conforme OpenAI aclare los detalles.

Lo que no funciona todavía (y pega en México)

La data residency actualmente es solo en US. Si trabajas en proyectos que requieren que los datos no salgan de México o LATAM por regulaciones (fintech, salud, gobierno), por ahora esto es un bloqueante real. OpenAI no ha anunciado timeline para otras regiones.

Both Python and TypeScript SDKs are now available for the Agents SDK. Si tu stack es Node puro, tendrás que esperar o usar la REST API directamente.

Esto es un contraste con lo que estamos viendo en el mercado: Anthropic lanzó sus Claude Managed Agents con precios más transparentes ($0.08 por session-hour, con billing solo mientras la sesión corre activamente), lo que facilita calcular costos de antemano.

Casos de uso reales para devs mexicanos

Donde esto tiene sentido ya, hoy:

• Auditorías de código: manda un agente a revisar tu repo completo y que te entregue un reporte de deuda técnica
• Migración de bases de datos: el agente lee el schema viejo, genera scripts de migración, los prueba en sandbox
• Análisis de incidentes: das logs de producción, el agente investiga, correlaciona errores y te da un postmortem borrador
• Generación de documentación: el agente lee el código y escribe los docs que nadie quiere escribir
• Research automatizado: scraping, procesamiento, resumen, todo en una sesión que vive mientras necesites

Como vimos en nuestra guía de GitHub Copilot con múltiples modelos, la elección del modelo importa mucho según el tipo de tarea. Aquí igual: para código usa gpt-6-astra aunque cueste más, para research o resumen gpt-5.6 Luna basta y te ahorras dinero.

Y sí, el contexto de que cientos de agentes autónomos ya están ejecutando tareas complejas en producción hace que entender estas herramientas deje de ser opcional para cualquier dev que construya productos con IA.

¿Vale la pena adoptarlo ya?

Si ya usas OpenAI en producción y quieres agregar agentes de larga duración, sí. Los precios son razonables, la infraestructura es sólida, y el no tener que manejar context compaction ni el loop del agente ahorra código real.

Si eres agnóstico de proveedor o te interesa comparar: revisa también Claude Managed Agents. La transparencia de pricing de Anthropic lleva ventaja, aunque OpenAI tiene el ecosistema más grande de integraciones con 9 partners de sandbox.

Si tu caso de uso requiere datos en México o TypeScript nativo, espera o usa el SDK self-hosted mientras tanto.

La beta es gratuita más allá de los tokens. El costo de probarla es bajo. La neta es que no hay razón para no lanzarle.

¿Ya la probaste? ¿Estás en stack Python o esperando TypeScript? Cuéntanos en los comentarios qué task le darías a tu primer agente cloud.

Fuentes

• OpenAI: Introducing the Agents API
• MarkTechPost: OpenAI Launches the Agents API in Public Beta
• OpenAI Agents Python SDK: Quickstart
• TokenCost: OpenAI Agents API Hosted Sandbox Pricing
• Cloudflare: Build an AI coding agent with OpenAI Agents SDK
• XNews: OpenAI Agents API enters public beta for cloud agents
• AiCybr: OpenAI Agents API: Codex Harness, Hosted Sandboxes, Subagents and Pricing