OpenAI porta agli sviluppatori parte dell’infrastruttura alla base di Codex con Agents API, attualmente disponibile in public beta. L’obiettivo è semplificare la realizzazione di agenti IA personalizzati, eliminando una parte consistente del lavoro necessario per costruire e mantenere l’ambiente nel quale questi sistemi devono operare.

Il cambiamento riguarda soprattutto l’architettura. Finora un’azienda che volesse sviluppare un agente autonomo doveva assemblare diversi componenti tra runtime, gestione del contesto e delle sessioni, strumenti per interagire con servizi esterni, connessioni alle fonti dati, ambienti di esecuzione, sistemi di retry e infrastruttura necessaria a mantenere il processo operativo anche per periodi prolungati.

Con Agents API, OpenAI propone invece un servizio gestito nel quale gran parte di questa infrastruttura viene amministrata direttamente dal provider. Lo sviluppatore deve definire l’attività da svolgere, scegliere il modello, indicare gli strumenti disponibili e configurare l’ambiente di esecuzione. L’agente può quindi essere avviato attraverso una singola chiamata API.

Il vantaggio più interessante per le imprese riguarda il passaggio dal prototipo alla produzione. Un agente che funziona durante una demo non è necessariamente pronto per operare autonomamente per ore, ma deve conservare lo stato, gestire gli errori, recuperare da interruzioni, accedere alle risorse necessarie e mantenere un contesto coerente.

agents-api_16x9_dark_1

Sono proprio questi elementi a generare spesso il maggiore carico di sviluppo. Riducendo il numero di componenti da progettare e mantenere internamente, Agents API può permettere ai team di concentrarsi maggiormente sulla logica applicativa e sui casi d’uso aziendali.

OpenAI lascia inoltre una certa libertà nella scelta dell’ambiente di esecuzione. Gli agenti possono utilizzare un sandbox gestito da OpenAI oppure essere eseguiti sull’infrastruttura dell’azienda o attraverso provider supportati come Cloudflare, DigitalOcean, Oracle, Vercel e altri. Questa possibilità apre anche a configurazioni all’interno di VPC aziendali e a differenti strategie per storage, segreti e capacità di calcolo.

La riduzione della complessità infrastrutturale introduce però una questione strategica non da poco come la dipendenza dal fornitore. Affidare a OpenAI modello, gestione del contesto, strumenti, orchestrazione ed execution environment può infatti rendere più difficile spostare successivamente gli agenti verso un’altra piattaforma.

Il rischio di lock-in è particolarmente rilevante per le grandi organizzazioni che stanno adottando strategie multi-modello. In questi scenari, un’architettura proprietaria può garantire maggiore libertà nel combinare modelli e provider diversi, anche se richiede più investimenti infrastrutturali.

Agents API

C’è poi il tema della governance dei dati. Agents API non supporta attualmente il Zero Data Retention, anche quando l’azienda utilizza un proprio ambiente sandbox. Questo elemento può rappresentare un ostacolo per settori sottoposti a requisiti particolarmente stringenti in materia di privacy, sicurezza e conservazione delle informazioni, come sanità e servizi finanziari.

OpenAI entra inoltre in un mercato già affollato. Anthropic propone Claude Managed Agents, mentre AWS dispone di Amazon Bedrock AgentCore, progettato per gestire esecuzione, strumenti, contesto, stato e recupero degli agenti mantenendo maggiore flessibilità nella scelta dei modelli.

A queste soluzioni si aggiungono Microsoft Foundry Agent Service e framework come LangGraph. La differenza competitiva sarà quindi determinata sia dalla possibilità di creare un agente più rapidamente, sia dall’equilibrio tra automazione dell’infrastruttura, controllo dei dati, portabilità, scelta dei modelli e capacità di integrazione con gli ambienti enterprise già esistenti.