OpenAI는 2026년 9월 10일 Agents API를 공개 베타로 내놓았습니다. 개발자가 직접 만들어야 했던 세션 유지, 컨텍스트 정리, 작업 복구와 여러 에이전트의 조정을 OpenAI가 관리하는 서비스입니다.
OpenAI Agents API는 에이전트 운영 기반을 빌려주는 서비스입니다. 배포 장벽은 낮아지지만 어떤 업무를 나누고, 어떤 결과를 합격으로 보고, 어떤 데이터와 실행 권한을 허용할지는 도입 조직이 직접 정해야 합니다.
이 발표를 ‘이제 누구나 AI 직원 조직을 만들 수 있다’고 읽으면 기대가 앞섭니다. 공식 발표와 개발 문서가 제공하는 것은 업무 지식이 아니라 에이전트를 오래, 안정적으로 돌리는 공통 기반입니다.
Agents API가 대신 관리하는 것
일반 독자의 눈높이에서 하네스는 에이전트가 일을 계속할 수 있게 붙잡아 주는 운영 장치입니다. 대화가 길어졌을 때 중요한 내용을 정리하고, 중간에 연결이 끊겼을 때 이어서 실행하며, 여러 하위 작업을 나눠 처리하도록 조정합니다.
| 구성 | 쉬운 설명 | OpenAI가 맡는 부분 |
|---|---|---|
| Agent | 모델, 지시문과 사용할 도구의 묶음 | 세션 안에서 실행할 기본 틀 |
| Environment | 파일을 읽고 코드를 실행하는 작업 공간 | OpenAI 샌드박스를 선택하면 생성·운영 |
| Session | 여러 요청에 걸쳐 이어지는 작업 단위 | 상태 저장, 복구와 이어서 실행 |
| Events·Items | 들어온 요청과 작업 중 나온 결과 | 진행 상황과 결과를 전달하는 형식 |
Agents API는 오래된 대화를 자동으로 압축하고, 필요한 도구 설명만 불러오며, 독립적인 일을 서브에이전트에 나눌 수 있습니다. MCP 서버, 사용자 정의 함수, 웹 검색 같은 도구도 연결할 수 있습니다.
이 기능들은 만들기 어렵지만 고객이 직접 보는 차별점은 아닙니다. 연결이 끊기지 않고 작업이 이어지면 사용자는 세션 복구 기능의 존재를 모릅니다. 관리형 하네스가 의미 있는 이유는 기업이 이 기반을 다시 만드는 대신 자기 업무의 규칙과 검증에 시간을 쓸 수 있기 때문입니다.
어떤 실행 환경을 쓸지 고를 수 있다
OpenAI 관리형 샌드박스에서는 에이전트가 파일을 다루고 명령과 코드를 실행하며 결과물을 만들 수 있습니다. 자체 인프라나 파트너 환경을 선택하는 경로도 있습니다. OpenAI는 Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel을 파트너로 제시했습니다.
선택지가 있다는 사실보다 중요한 것은 업무를 환경별로 나누는 기준입니다.
- 공개 자료 조사와 일반 문서 초안은 관리형 환경에서 처리할 수 있는가
- 고객정보, 계약서와 내부 소스코드는 어느 환경까지 허용하는가
- 외부 서비스에 쓰기 작업을 하는 계정은 누가 발급하고 회수하는가
- 생성된 파일과 세션 기록을 언제 삭제할 것인가
Agents API 공식 FAQ는 현재 데이터 레지던시가 미국만 지원되고 Zero Data Retention(ZDR)은 지원하지 않는다고 설명합니다. 자체 호스팅 샌드박스를 선택해도 Agents API 자체가 ZDR 대상이 되는 것은 아닙니다. 민감정보를 다루는 조직이라면 ‘자체 샌드박스’라는 표현만 보고 데이터 조건을 판단해서는 안 됩니다.
별도 요금이 없다는 말의 정확한 범위
OpenAI는 공개 베타에서 Agents API 자체에 추가 이용료가 없다고 밝혔습니다. 그렇다고 에이전트 실행 비용이 0원이라는 뜻은 아닙니다. 선택한 모델의 토큰, OpenAI 도구와 관리형 컨테이너에는 각각 표준 요금이 적용됩니다.
서브에이전트를 병렬로 돌리면 완료까지 걸리는 시간은 줄어들 수 있습니다. 같은 배경을 여러 에이전트가 따로 읽고 각자 도구를 호출하기 때문에 총 토큰과 검토 대상은 늘 수 있습니다. 속도, 비용과 검토 시간을 따로 재야 하는 이유입니다.
파일럿에서는 다음 네 값을 함께 남기는 편이 좋습니다.
| 지표 | 확인할 내용 |
|---|---|
| 완료 시간 | 사람이 요청한 뒤 결과를 받을 때까지 걸린 시간 |
| 실행 비용 | 모델·도구·컨테이너 비용의 합계 |
| 사람 검토 시간 | 결과와 도구 호출을 확인하고 고친 시간 |
| 재작업률 | 기준을 통과하지 못해 다시 실행한 비율 |
완료 시간만 좋아지고 검토 시간과 재작업률이 늘었다면 자동화의 비용이 뒤쪽으로 이동한 것입니다.
조직에 남는 자산은 세 가지다
관리형 하네스가 넓어져도 공급자가 대신 만들 수 없는 것이 있습니다.
작업 분해
‘시장 조사’처럼 큰 요청을 그대로 넘기면 여러 에이전트가 같은 자료를 찾거나 서로 다른 기준으로 답할 수 있습니다. 조사 대상, 기간, 비교 기준과 제외 조건을 나누는 일은 업무를 아는 사람이 해야 합니다. AI 오케스트레이션의 병목은 에이전트 수보다 이 조정 능력이 성과를 좌우하는 이유를 설명합니다.
합격 기준
에이전트가 업무를 끝냈다는 표시와 회사가 받아들일 수 있는 결과는 다릅니다. 출처가 두 개 이상인지, 가격 기준일이 있는지, 고객정보가 결과에 포함되지 않았는지처럼 결과를 판정할 문장이 필요합니다. 합격 기준이 없으면 자동 복구는 틀린 작업을 오래 계속하는 기능이 될 수 있습니다.
권한과 데이터 경계
MCP를 통해 문서함, 고객관리 시스템과 메일을 연결할 수 있어도 어디까지 읽고 쓸지는 조직이 결정합니다. MCP 연결과 보안 관리에서 정리한 것처럼 검색·초안 작성과 발송·삭제는 같은 권한으로 묶지 않는 편이 안전합니다.
첫 도입은 한 업무, 한 승인선으로 시작한다
Agents API를 시험하려면 멀티에이전트 시연부터 만들 필요가 없습니다. 한 사람이 매주 반복하고, 입력과 결과가 분명하며, 잘못돼도 되돌릴 수 있는 업무 하나가 적합합니다.
예를 들어 주간 경쟁사 동향 정리라면 다음처럼 범위를 닫을 수 있습니다.
- 승인된 공개 사이트만 조사한다
- 사실마다 URL과 날짜를 붙인다
- 지정 문서함에 초안만 만든다
- 외부 발송은 사람이 승인한다
- 출처 누락이나 접근 오류가 나면 작업을 중단한다
이 구성이 안정된 뒤 조사원과 검증원을 나누거나 다른 업무 도구를 연결하면 됩니다. 처음부터 여러 에이전트와 쓰기 권한을 동시에 열면 무엇이 개선됐고 어디서 문제가 났는지 분리하기 어렵습니다.
OpenAI Agents API가 상품으로 만든 것은 에이전트의 구동부입니다. 회사의 업무 판단까지 상품화된 것은 아닙니다. 도입 전에 업무 분해표, 합격 기준과 권한표가 준비돼 있다면 관리형 하네스는 구축 시간을 줄여 줍니다. 세 문서가 없다면 빨리 돌기 시작한 시스템을 사람이 뒤늦게 이해해야 합니다.
