OpenAI startet die Agents API: KI-Agenten werden zur Infrastruktur

Einen KI-Agenten zu demonstrieren ist inzwischen relativ einfach.

Ihn mehrere Stunden zuverlässig arbeiten zu lassen, Dateien verwalten zu lassen, Tool-Aufrufe zu koordinieren, den Kontext über lange Aufgaben hinweg sauber zu halten und nach Fehlern trotzdem weiterarbeiten zu lassen: deutlich weniger.

OpenAI versucht genau diese Infrastruktur jetzt stärker zu standardisieren.

Am 10. September 2026 hat das Unternehmen die neue Agents API als Public Beta vorgestellt. Entwickler können damit den Agenten-Unterbau nutzen, der auch hinter Codex steckt – inklusive verwaltetem Agent Loop, Context Management, Tool-Nutzung und Unterstützung für lang laufende Aufgaben.

TL;DR: Das Wichtigste in Kürze

• Die Agents API ist seit 10. September 2026 als Public Beta verfügbar.
• OpenAI betreibt den eigentlichen Agent Harness; Entwickler wählen die Ausführungsumgebung.
• Agenten können in OpenAI-Sandboxes, auf eigener Infrastruktur oder bei angebundenen Sandbox-Anbietern laufen.
• Längere Sessions erhalten automatische Context Compaction.
• Tool Search lädt relevante Werkzeuge erst bei Bedarf.
• Subagents können Aufgaben parallel bearbeiten.
• Für Unternehmen wird damit ein weiterer Teil der bisher selbst gebauten Agenten-Infrastruktur zum Standardprodukt.

Warum ist das mehr als eine neue API?

Weil die schwierige Schicht produktiver Agenten zunehmend nicht mehr der Modellaufruf ist, sondern der Agent Harness darum herum.

Ein ernsthafter Agent benötigt unter anderem:

Kontextverwaltung.

Werkzeugauswahl.

Dateizugriff.

Code-Ausführung.

Zwischenergebnisse.

Fehlerbehandlung.

Subagents.

Eine sichere Laufzeitumgebung.

OpenAI übernimmt mit der neuen API einen größeren Teil davon selbst.

Besonders interessant ist die Trennung zwischen Agent Harness und Compute Environment. Das Modell kann seinen Arbeitsprozess verwalten, während Unternehmen trotzdem entscheiden, wo Code ausgeführt und Dateien verarbeitet werden: in einer OpenAI-Sandbox, bei einem Drittanbieter oder in der eigenen Infrastruktur.

Lange Agenten brauchen anderes Context Management

Ein Agent, der 30 Sekunden arbeitet, kann seinen bisherigen Verlauf relativ problemlos mitführen.

Bei Aufgaben über Stunden oder sogar Tage funktioniert das irgendwann nicht mehr.

Die Agents API komprimiert ältere Informationen deshalb automatisch, wenn sich eine Session ihrem Kontextlimit nähert. Relevante Informationen sollen dabei erhalten bleiben, ohne dass Entwickler ihre eigene Compaction-Logik bauen müssen.

Das ist genau die Art Infrastruktur, die bei einem Prototyp unsichtbar ist – und im Produktivbetrieb plötzlich entscheidend wird.

Auch Tools werden dynamischer

Ein weiterer interessanter Baustein ist Tool Search.

Statt einem Modell jedes verfügbare Werkzeug dauerhaft in den Kontext zu packen, können relevante Tool-Definitionen bei Bedarf geladen werden.

Das reduziert Kontext und Tokenverbrauch und passt zu einem Grundsatz, den wir auch bei produktiven Agentensystemen verfolgen:

Nicht alles verfügbar machen, sondern das Richtige zum richtigen Zeitpunkt.

Zusätzlich unterstützt die API MCP, eigene Funktionen und integrierte Tools wie Websuche.

Was bedeutet das für Unternehmen?

Die Entwicklung ist vor allem ein weiteres Zeichen dafür, dass Agenten gerade von einzelnen Features zu einer eigenen Software-Infrastrukturschicht werden.

Für Unternehmen verschiebt sich damit die Entwicklungsarbeit.

Weniger:

„Wie bauen wir selbst einen Agent Loop?“

Mehr:

„Welche Daten, Prozesse, Tools und Geschäftsregeln machen unseren Agenten eigentlich wertvoll?“

Genau dort liegt schließlich auch die Differenzierung.

Fazit

Die Agents API macht Agenten nicht automatisch produktionsreif.

Berechtigungen, Geschäftslogik, Datenqualität, Monitoring und Integrationen bleiben weiterhin Aufgabe der Anwendung.

Aber immer mehr technische Grundlagen werden standardisiert.

Damit wird es schneller möglich, individuelle Agentensysteme zu entwickeln, ohne jedes Mal die komplette Laufzeitumgebung selbst neu zu bauen.

Und das ist vermutlich die wichtigere Entwicklung als der nächste kleine Benchmark-Sprung eines Modells.

CTA

Welp-IT entwickelt individuelle KI-Agenten und KI-Anwendungen, die Modelle mit Ihren Daten, Prozessen und bestehenden Systemen verbinden.

Mehr über individuelle KI-Entwicklung bei Welp-IT