OpenAI Agents API (beta): harness, MCP і sandbox — що перевірити перед Bubble

У вересні 2026 року OpenAI відкрила public beta Agents API. Для тих, хто збирає цифрові продукти без глибокого бекенд-бекграунду за допомогою nocode і вайбкодінгу, анонс виглядає спокусливо: готова інфраструктура агентів «з коробки». Замість самостійної розробки черг, збереження сесій чи оркестрації підпроцесів OpenAI пропонує керований harness на базі Codex. Проте перед тим, як підключати нове API до застосунку на Bubble, варто тверезо оцінити межі цього інструменту.

Що насправді закриває managed harness

Головна цінність керованого harness для швидкого тестування гіпотез — економія сил на базовій інфраструктурі. Платформа бере на себе рутинні задачі:

• ведення довготривалих сесій (durable sessions) та їх відновлення;
• стиснення контексту (context compaction) при довгих діалогах;
• автоматичні повторні спроби (retries) та запуск вкладених субагентів;
• виклик вбудованих інструментів, включно з веб-пошуком та програмним tool calling.

Для MVP це означає швидший старт без проєктування складної бази даних стану агентів. За моделлю ціноутворення окремої плати за сам Agents API немає — оплачуються токени моделі, виклики стандартних інструментів і час контейнерів, якщо увімкнено пісочницю.

Три ролі в архітектурі: де місце вашого застосунку

Офіційна архітектура Agents API розділена на три компоненти:

1. Harness — керований контур виконання на стороні OpenAI.
2. Environment — середовище виконання: none, openai_hosted (Linux-пісочниця) або self_hosted (наприклад, у партнерів на кшталт Modal чи Cloudflare).
3. Application Server — ваш власний сервер або застосунок (у нашому випадку — Bubble).

Навіть із керованим harness бізнес-логіка не виконується «сама по собі». Якщо агенту потрібні функції (function tools), саме ваш застосунок повинен обробляти подію agent.session.requires_action через вебхуки або потоки і повертати результат назад. Створити такий контур суто візуальними робочими процесами Bubble може бути складно, якщо операції потребують високої швидкості відповіді, валідації вебхуків або стійких фонових з'єднань.

Як стикується MCP: два шляхи інтеграції

Підтримка протоколу Model Context Protocol (MCP) викликає найбільше запитань у соло-розробників. Прямого готового плагіна «Bubble MCP» в офіційній документації OpenAI немає, тому інтеграція будується на одному з двох підходів:

• Public HTTP MCP (connection_origin: service) — підходить для середовища environment.type: none. Сервер OpenAI безпосередньо звертається до публічного захищеного HTTPS-ендпоінта за протоколом MCP. Для авторизації підтримуються inline-токени або механізм vault credentials.
• Private / Environment MCP (connection_origin: environment) — запускається всередині пісочниці (openai_hosted або self_hosted). Потрібен для приватних баз даних або локальних stdio-процесів, причому розміщені stdio MCP наразі вимагають увімкненого мережевого доступу.

Якщо вам потрібно просто звертатися до даних у Bubble або зовнішніх сервісах, частіше достатньо звичайних function tools чи HTTP MCP. Складні приватні з'єднання значно ускладнюють стек.

Пісочниця (sandbox): брати чи уникати?

Хостингова пісочниця OpenAI (openai_hosted) — це ізольований Linux-контейнер (/workspace) із встановленням пакетів, артефактами у /workspace/outputs, таймаутом бездіяльності близько 1 години та окремою тарифікацією контейнера. Мережевий доступ можна обмежити (disabled, restricted за білим списком доменів або enabled).

Для MVP діє просте правило:

• Якщо ваш агент лише відповідає на запитання користувачів, читає довідники чи дергає зовнішні API — обирайте environment.type: none. Це заощадить гроші та зменшить складність.
• Якщо користувачеві обов'язково треба запускати Python-код, генерувати файли або аналізувати таблиці прямо в сесії — пісочниця виправдана.

Пам'ятайте про безпеку: секрети в змінних середовища env пісочниці доступні коду, який генерує агент, тому конфіденційні ключі краще передавати через механізм vault credentials.

Обмеження, комплаєнс та альтернативи

Перед запуском продукту важливо врахувати жорсткі юридичні та технічні межі бети:

• Збереження даних: Zero Data Retention (ZDR) наразі не підтримується навіть у разі використання self-hosted пісочниць. Історія сесій та стан зберігаються для забезпечення механізму resume.
• Резиденція даних: Виключно США (US-only).
• Статус бети: Заголовки запитів вимагають OpenAI-Beta: agents=v1, а контракти API можуть змінюватися до релізу GA.

Аналітики InfoWorld зазначають, що керовані агенти суттєво зменшують інфраструктурний тягар, але збільшують залежність від одного вендора. Серед альтернатив в екосистемі вже є Anthropic Claude Managed Agents (публічна бета з квітня 2026 року) та AWS Amazon Bedrock AgentCore (керований harness став загальнодоступним у червні). Обираючи між ними, запитайте себе: де мають зберігатися дані ваших клієнтів, наскільки критична підтримка моделей різних постачальників і чи готові ви підтримувати проміжний воркер для зв'язку Bubble з API.