OpenAI Agents API позволяет встроить агента Codex в собственное приложение. Пользователь ставит задачу в вашем интерфейсе, а агент работает с доступными инструментами и сохраняет сессию, к которой можно вернуться. Для меня здесь самая интересная перспектива — передавать людям свой накопленный способ работы через продукт. Допустим, у вас есть процедура проверки документов. Вы знаете, какие источники сопоставить, где искать противоречия и что обязательно проверить перед выдачей результата. Часть этой практики можно оформить в инструкции и инструменты, а затем сделать доступной человеку через понятный интерфейс. Но между такой идеей и работающим сервисом остаётся много вопросов. Кто получит доступ к документам? Где будут храниться принятые решения? Какие действия агент сможет выполнять самостоятельно? Как проверить, что он действительно сделал работу? Я пока не использовал Agents API в своих проектах. Разобрался в документации и подготовил руководство, чтобы понять устройство и границы этой технологии перед первым экспериментом. В нём объясняю, как связаны агент, сессия и среда исполнения. Почему сохранённая беседа ещё не решает задачу памяти проекта. Чем отличаются функции приложения, MCP и плагины. И почему несколько субагентов не означают несколько изолированных исполнителей: они могут работать с общими файлами и доступами. Добавил небольшой пример подключения на Python и признаки, по которым можно проверить результат. Сам пример пока не запускал — это прямо отмечено в тексте. Материал пригодится тем, кто уже работает с Codex и присматривается к собственному агентному приложению: для редакции, проверки проектов или другой повторяющейся работы. 👉 OpenAI Agents API: как устроены агенты, сессии и инструменты