오픈AI, 관리형 Codex 하네스로 지속형 클라우드 에이전트를 구축하는 Agents API 공개

-

오픈AI는 코덱스(Codex)를 움직이는 하네스와 인프라를 개발자에게 여는 에이전츠 API(Agents API)를 공개 베타로 내놓았다. 대상은 모든 개발자다. 애플리케이션은 오픈AI가 관리하는 API로 코덱스 하네스에 접속한다. 세션, 오케스트레이션, 컨텍스트 압축, 복구는 오픈AI가 맡고, 앱은 도구를 붙이며 실행 환경을 고른다. 에이전트는 샌드박스에서 코드를 실행하고 파일을 고치고 MCP 서버에 연결하며 산출물을 만들 수 있다. API 자체에 추가 요금은 없고, 모델 토큰과 도구, 호스팅 샌드박스라면 컨테이너 사용량이 기존 요율로 청구된다.

세션 하나로 이어 가는 클라우드 에이전트

오픈AI 발표는 태스크, 모델, 도구, 환경을 지정하는 한 번의 API 호출로 프로덕션에 올릴 에이전트를 만들 수 있다고 설명한다. 회사가 하네스를 호스팅하고 유지하며, 컴퓨트는 오픈AI가 관리하는 샌드박스, 자체 인프라, 샌드박스 파트너 중 고른다. 개발자 문서는 제품을 네 개념으로 나눈다. 에이전트는 그 에이전트가 쓸 수 있는 모델, 지시문, 도구, MCP 서버다. 환경은 파일에 접근하고 스킬을 불러 명령을 실행하는 샌드박스 또는 컴퓨터로, 두지 않아도 된다. 세션은 작업을 수행하고 입력에 응답하는 지속형 인스턴스다. 이벤트와 아이템은 에이전트에 보내는 입력과 세션 동안 나오는 출력이다.

오픈AI 호스팅 세션에서 앱이 하는 일은 입력을 보내고 이벤트를 받는 것이다. 에이전트 실행과 샌드박스 준비·관리는 오픈AI가 한다. 문서의 시작 순서는 세션을 만들고 에이전트를 설정해 환경을 프로비저닝한 뒤, 환경이 준비되면 사용자 입력으로 한 턴을 열고, 스트림이나 웹훅으로 끝나거나 추가 입력이 필요한 시점을 확인하고, 같은 세션에 다음 작업을 주거나 진행 중인 턴을 조향하는 흐름이다. 세션 상태가 남으므로 대화 맥락을 턴마다 다시 조립하지 않고 일을 이어 갈 수 있다. 더 필요 없으면 세션과 공개된 산출물을 삭제할 수 있다.

관리형 하네스가 세션 안에서 하는 일은 관련 스킬과 지시문을 적용하고, 도구나 MCP로 외부 데이터에 연결하고, 이전 작업을 요약해 컨텍스트 창을 관리하고, 작업을 하위 과제로 쪼개 서브에이전트에 맡기는 쪽까지 포함한다. 문서가 보여주는 용도는 오픈AI 호스팅 샌드박스에서 디렉터리 트리 스크립트를 만들어 실행하기, 서브에이전트로 릴리스 노트를 비교해 하나의 답으로 합치기, 알림을 조사하고 복구 조치에 승인을 요청하는 인시던트 대응, 연결된 업무 도구로 요청을 조사하는 슬랙 봇, 읽기 전용 SQL로 웨어하우스 질문에 답하는 데이터 분석, 보고된 버그를 재현하고 조사 결과를 깃허브에 공유하는 이슈 조사, 정책 스킬과 전문 에이전트로 문서를 검토하는 리뷰어다.

수백만 명 규모에서 건져 올린 하네스

오픈AI는 코덱스와 챗GPT 포 워크(ChatGPT for Work)를 전 세계 수백만 명 규모로 키우며, 오래 도는 에이전트가 현장에서 작동하려면 무엇이 필요한지 배웠다고 밝혔다. 쓸모 있는 에이전트에는 맥락을 관리하고 도구를 효율적으로 쓰며 서브에이전트를 조율하는 강한 하네스가 필요하고, 파일로 작업하고 코드를 돌리고 중간 결과를 저장하는 환경에서 며칠씩 안정적으로 버티는 인프라도 필요하다는 설명이다. 에이전츠 API는 코덱스를 떠받치던 그 하네스와 인프라를 유연한 API로 가져온 공개 베타다.

새 모델의 능력을 쓰려고 하네스를 매번 다시 짜면 애플리케이션을 다듬을 시간이 빠진다. 회사는 모델이 나올 때마다 그 능력에 버전이 매겨진 접근을 제공하고, 하네스를 모델과 함께 유지·개선한다고 했다. 최근 손질은 긴 작업에 맞춰져 있다. 모델이 몇 시간 일하는 경우를 받치려고, 세션이 컨텍스트 한도에 가까워지면 앞선 맥락을 자동 압축해 계속하는 데 필요한 정보를 남긴다. 개발자는 압축 로직을 직접 만들지 않고 여러 컨텍스트 창에 걸친 워크플로를 구성할 수 있다. 도구 검색은 필요한 도구 정의만 그때그때 불러 토큰 사용과 비용을 줄이면서 모델 캐시를 유지한다. 프로그래밍 방식 도구 호출은 호출을 병렬로 실행하고, 연관 작업을 잇고, 코드 안에서 결과를 거르거나 합친다. 대량 데이터를 처리하면서 관련 결과만 컨텍스트로 되돌리기 위한 장치다. 지원 연결은 MCP, 커스텀 함수, 웹 검색 같은 내장 도구다.

멀티에이전트 지원은 복잡한 과제를 독립된 조각으로 나누고, 병렬로 일하는 서브에이전트에 위임한다. 각 서브에이전트는 자기 컨텍스트를 유지해 맡은 일에 집중하고, 메인 에이전트가 작업을 조율한 뒤 결과를 모은다. 오픈AI는 이 구조가 병렬이 이득인 리서치, 분석, 코딩을 자체 오케스트레이션 없이 빠르게 만들 수 있다고 설명한다. 하네스의 실체는 오픈소스 코덱스 하네스다. 모델 호출, 도구, 컨텍스트를 조율하는 핵심 로직은 공개 코드베이스에서 살펴볼 수 있고, 그 하네스를 실제로 운영하고 유지하는 쪽은 오픈AI다.

환경은 워크로드에 맞추고 요금은 사용량으로

워크로드마다 컴퓨트, 스토리지, 배포 방식이 다르다. 오픈AI는 블락셀, 클라우드플레어, 데이토나, 디지털오션, 이투비, 모달, 오라클, 런루프, 버셀과 일급 통합을 제공한다고 밝혔다. 선택지는 완전 관리형 환경이나 자기 VPC 안의 배포, 파일과 시크릿을 저장하는 방식, CPU·GPU·메모리 구성과 그에 따른 성능·콜드스타트·비용 프로파일이다. 빨리 시작해 규모를 효율적으로 키우려는 개발자에게는 오픈AI 호스팅 샌드박스도 있다. 코덱스와 챗GPT를 돌리는 것과 같은 샌드박스 인프라를 쓰며, 오픈AI가 프로비저닝과 관리를 맡는다. 코드 실행, 파일 작업, 산출물 생성이 가능한 환경이고, 파일·패키지·스킬·플러그인으로 과제에 맞게 구성할 수 있다.

개발자에게 바뀌는 층은 지속 세션, 자동 압축, 도구 검색, 병렬 서브에이전트를 매번 직접 구현하지 않아도 된다는 점이다. 남는 차별화는 그 에이전트만의 도구, 지식, 워크플로다. 소비자 제품의 챗봇이 한 번의 답으로 끝나는 경험이었다면, 이쪽은 같은 세션에서 파일을 남기고 명령을 돌리고 다음 턴에 그 상태를 잇는 쪽에 가깝다. 업계에서 볼 변화는 코덱스에 들어가 있던 실행 계층이, 앱이 도구와 환경만 정하면 붙일 수 있는 API로 분리됐다는 점이다. 요금은 발표와 문서를 겹쳐 읽어야 한다. 발표는 에이전츠 API 이용에 추가 요금이 없고 에이전트가 쓴 토큰과 도구만 내면 된다고 적는다. 개발자 문서는 더 잘게 나눈다. 모델 사용량은 선택한 모델의 API 요금, 오픈AI 도구는 표준 요금, 오픈AI 호스팅 샌드박스는 표준 컨테이너 요금이다. 파트너 샌드박스를 고르면 성능과 콜드스타트, 비용 프로파일이 워크로드에 따라 달라진다.

미국 레지던시와 베타라는 조건

개발자 문서는 데이터 레지던시를 현재 미국만 지원한다고 밝힌다. 제로 데이터 리텐션(ZDR)은 지원하지 않는다. 자체 호스팅 샌드박스를 골라도 에이전츠 API가 ZDR 대상이 되지는 않는다. 코드가 도는 장소와 세션 데이터가 남는 정책을 따로 봐야 하는 이유다. 세션을 지우거나 공개된 산출물을 삭제하는 선택지는 있지만, 그것만으로 보존 정책이 ZDR로 바뀌지는 않는다.

공개 베타 동안 오픈AI는 피드백을 보고 빠르게 고치며 정식 출시로 가겠다고 했다. 무엇이 잘 되는지, 어디서 마찰이 생기는지, 프로덕션에서 에이전트를 만들고 운영하려면 무엇이 필요한지를 묻는다. 긴 작업은 몇 시간짜리 컨텍스트 관리와, 며칠 단위로 안정적으로 유지되는 인프라를 전제로 설명된다. 서브에이전트는 각자 컨텍스트를 갖지만 결과를 모으는 주체는 메인 에이전트다. 인시던트 대응 예시는 복구 조치 전에 승인을 요청하는 단계를 넣고, 데이터 분석 예시는 읽기 전용 SQL로 범위를 한정한다. 도입 전에 미국 단일 레지던시와 ZDR 미지원이 조직의 데이터 기준에 맞는지, 베타에서 정식 출시로 가는 동안 하네스가 어떻게 바뀌는지를 같이 볼 필요가 있다.

정리

에이전츠 API는 코덱스의 관리형 하네스를 API 뒤에 두어, 세션이 유지되는 클라우드 에이전트를 공개 베타로 제공하는 제품이다. 앱은 도구와 지식을 정하고 실행 환경을 고르면 되고, 압축과 위임, 복구, 호스팅 샌드박스 운영은 오픈AI가 가져간다. 비용은 API 가산이 아니라 선택한 모델의 토큰, 오픈AI 도구의 표준 요금, 호스팅이면 표준 컨테이너 요금으로 쌓인다. 환경은 오픈AI 호스팅, 자체 인프라, 그리고 블락셀부터 버셀까지 파트너 통합으로 나뉜다. 오래 도는 에이전트의 병목이 모델 성능보다 맥락을 붙들고 도구를 아끼고 실행 환경을 유지하는 데 있었다면, 그 층을 직접 소유하지 않을 선택지가 생긴 셈이다. 다만 데이터는 현재 미국 레지던시이고 ZDR은 자체 샌드박스를 써도 적용되지 않으며, 정식 출시 전까지는 베타로서 피드백에 따라 빨리 바뀔 수 있다.

출처: OpenAI 개발자 문서 — https://developers.openai.com/api/docs/guides/agents-api/overview

교차 확인: OpenAI 발표 — https://openai.com/index/introducing-the-agents-api/

댓글

댓글 쓰기

이 블로그의 인기 게시물

테슬라, 오스틴에서 핸들 없는 사이버캡 로보택시 투입

-
이미지
테슬라가 2026년 9월 3일(현지시간, 목요일) 미국 텍사스주 오스틴에서 핸들과 페달이 없는 2인승 로보택시 '사이버캡(Cybercab)'을 일반인 대상 로보택시 서비스에 투입했다. 비즈니스인사이더에 따르면 오스틴 도심에서 열린 초청 행사에서 테슬라 AI 부문 부사장 아쇼크 엘루스와미가 사이버캡을 공개 로보택시 플릿에 공식 추가한다고 발표했다. 그동안 테슬라의 공개 로보택시 차량은 모델 Y뿐이었다. 엘루스와미는 기조연설을 마치며 "누구나 탈 수 있다, 전체 대중에게 열려 있다"는 취지로 말했다. 무엇이 달라졌나: 운전 장치 없는 전용 차량의 첫 일반 운행 사이버캡은 로보택시 용도로 처음부터 설계된 차량이다. 승객은 두 명까지 탈 수 있고, 아마존 자회사 죽스(Zoox)의 차량처럼 핸들과 페달이 없다. 더버지는 이 차가 걸윙 형태의 문과 카메라 8대를 갖췄고, 사이드미러는 물론 다른 로보택시가 흔히 쓰는 레이더와 라이다(LiDAR)도 없다고 설명했다. 행사에 초청된 인플루언서들이 올린 영상을 보면 승객은 기존 로보택시 앱으로 차를 부르고, 앱에서 문을 열 수 있으며, 탑승하면 문이 자동으로 닫힌다. 비즈니스인사이더에 따르면 테슬라는 사이버캡 초기 운행 대수를 따로 밝히지 않았다. 다만 텍사스주 차량관리국 기록상 행사 당일 기준 테슬라 명의로 등록된 사이버캡은 45대였다. 더버지는 이 가운데 몇 대가 곧바로 승객을 태울지는 분명하지 않다고 전했고, 로보택시 이용 규정상 13세 미만 어린이는 현재 사이버캡에 탈 수 없다는 점도 짚었다. 배경: 2024년 첫 공개 이후 약 2년 테슬라는 캘리포니아 버뱅크에서 열린 '위, 로봇(We, Robot)' 행사에서 사이버캡을 처음 선보였고, 이번 투입은 그로부터 약 2년 만이다. 일론 머스크 CEO는 사이버캡을 대량 생산이 가능한 저가 로보택시로 소개해 왔으며, 가격이 3만 달러 미만이 될 것이라고 말해 왔다. 테슬라의 목표에는 소비자가 사이버캡을 구입해 로보택시 플릿...
자세한 내용 보기

구글, 제미나이 앱에 음악 생성 모델 Lyria 3.5 공개

-
이미지
구글이 2026년 9월 4일 음악 생성 모델 리리아(Lyria) 3.5를 제미나이(Gemini) 앱과 제미나이 API에 공개했다. 회사는 이를 자사 음악 생성 가운데 가장 듣기 좋은 결과물을 내는 모델이라고 규정했다. 발표의 무게는 모델 이름표보다 배포 위치다. 전문 제작 도구 안의 실험 칸이 아니라, 웹과 모바일 대화 화면에서 전 세계 이용자가 바로 트랙을 만들 수 있게 열었다. 리리아는 텍스트·장르·스타일 입력을 받아 보컬 또는 기악 트랙을 생성하는 고충실도 음악 모델이다. 구글 딥마인드 모델 목록에도 리리아는 고충실도 음악·오디오 생성용 전문 모델로 등재돼 있어, 제품군 차원의 존재는 교차 확인된다. 3.5 공지가 내세운 변화는 보컬 표현력, 더 풍성한 편곡, 더 높은 트랙 충실도다. 이전 버전 대비 수치 벤치마크나 외부 청취 평가 표는 이번 글에 없다. ‘가장 듣기 좋다’는 문장은 구글의 자기 서술로 남겨 두는 편이 맞다. 앱 경험은 빈 칸 공포를 줄이는 쪽에 맞춰졌다. 장르를 고르거나 글로 묘사하고, 보컬이 들어간 스타일과 악기만 쓰는 스타일 가운데 하나를 고른다. 배경 음악과 맞춤 생일 트랙 같은 템플릿이 추가됐고, 짧은 트랙과 더 긴 트랙을 나눌 수 있다. 구글이 예시로 든 쓰임새는 영상용 맞춤 반주, 브랜드만의 짧은 징글, 개인화된 벨소리다. 길이와 성격이 다른 짧은 오디오 수요를 한 모델로 맞추겠다는 제품 메시지다. 이용자층은 창구가 갈라진 데서 읽힌다. 일반 이용자는 웹·모바일 제미나이 앱에서 전 세계적으로 접근한다. 아티스트와 인공지능 창작 실무자에게는 구글 플로 뮤직(Google Flow Music)이 별도 경로로 제시되고, 개발·기술 실무에게는 구글 에이아이 스튜디오(Google AI Studio)와 구글 비즈(Google Vids), 제미나이 API가 열린다. 채팅으로 듣는 경험, 창작 워크벤치, 영상 제작 파이프라인, 외부 서비스 연동이 한 모델 계열로 묶인다. 검색으로 ‘Lyria 3.5’를 찾는 이에게 먼저 필요한 구분이...
자세한 내용 보기

앤트로픽, 페르마의 마지막 정리 형식화 완성

-
이미지
앤트로픽(Anthropic)은 2026년 9월 4일 사이언스 연구 글로, 클로드(Claude)가 페르마의 마지막 정리(Fermat’s Last Theorem, FLT)를 처음부터 끝까지 컴퓨터로 검증한 린(Lean) 증명을 처음 완성했다고 밝혔다. 작업은 다중 에이전트와 클로드 코드(Claude Code) 하네스를 썼고, 소요는 11일, 표현은 ‘두 주가 조금 안 되는’ 수준이다. 새 정리를 낸 것이 아니라, 이미 알려진 와일스식 논증을 단순화한 경로를 기계가 끝까지 형식화했다는 점이 핵심이다. 정리 자체는 1637년경 피에르 드 페르마(Pierre de Fermat)가 디오판토스의 《산술》에 남긴 주장으로, 양의 정수 a, b, c와 n>2에 대해 aⁿ+bⁿ=cⁿ이 성립하지 않는다는 것이다. 1908년 현상금은 독일 금마르크 10만 마르크(오늘 가치로 약 100만~200만 달러)였고, 첫해에만 틀린 시도가 621건이었다. 앤드루 와일스(Sir Andrew Wiles)가 1993년 6월 강연으로 증명을 공개했고, 심사 약 두 달 만에 빈틈이 드러난 뒤 리처드 테일러(Richard Taylor)와 1년을 더 써서 1995년 5월에 출판했다. 인간 증명은 129쪽이었다. 형식화 아이디어는 1995년 발표 후 대략 10년 뒤에 얀 베르흐스트라(Jan Bergstra)가 와일스 증명을 컴퓨터로 옮기자는 제안으로 거슬러 올라간다. 임페리얼 칼리지 런던의 케빈 버저드(Kevin Buzzard)가 이끈 커뮤니티 FLT 린 작업은 2024년에 시작됐고, 초기 단계 청사진은 86쪽이었다. 게르하르트 프라이, 장피에르 세르, 켄 리벳, 배리 메이저, 로버트 랭글랜즈, 제럴드 터널, 유타카 타니야마, 고로 시무라, 앙드레 베유 같은 이름은 와일스–테일러 배경으로만 인용된다. 커뮤니티는 수년이 걸릴 것으로 봤고, 이번 결과는 그 로드맵과 별개의 클로드·Prove2Me 산출물이다. 경로 선택은 앙리 다르몽(Henri Darmon), 프레드 다이아몬드(Fred Diamon...
자세한 내용 보기