OpenAI की 29 सितंबर की DevDay recap में Agents API में computer use की घोषणा की गई। हमारी DevDay launch guide व्यापक रिलीज़ को देखती है। डेवलपर के लिए तत्काल काम सामान्य browser agent से सीमित है: सार्वजनिक पृष्ठ खोलना, कोई खास उत्तर जुटाना और browser ने क्या देखा उसका हिसाब रखना। OpenAI की computer-use guide, जिसे 30 सितंबर को जाँचा गया, hosted browser session के ज़रिए यह तरीका बताती है। BIG CHANGE ने दस्तावेज़ देखे हैं, API नहीं चलाई।

ऐप्लिकेशन session बनाता है, input भेजता है, events पर नज़र रखता है, website-origin अनुरोध उपयोगकर्ता के सामने रखता है, जवाब जाँचता है और सफ़ाई करता है। Agent hosted environment के भीतर browser चला सकता है। Turn पूरा होना इस बात का प्रमाण नहीं कि माँगी गई जानकारी सही है।

बड़ा बदलाव

OpenAI का नया Agents API computer-use तरीका डेवलपर को event stream, website origin पर उपयोगकर्ता के निर्णय, browser activity records और API से cleanup सहित hosted browser session देता है। सीमित सार्वजनिक-पृष्ठ वाले काम के लिए व्यावहारिक integration यह है कि इन चरणों को स्पष्ट रूप से सँभालें और लौटाए गए title तथा URL की पुष्टि करें। Origin तक पहुँच, turn पूरा होना और उत्तर की सच्चाई—तीन अलग निरीक्षण हैं।

API key और browser session से शुरू करें

OpenAI की Agents API quickstart OpenAI Platform project में application API key माँगती है। इसमें api.agents.read और api.agents.write सत्र संचालन के लिए तथा api.responses.write model inference के लिए हैं। key को OPENAI_API_KEY के रूप में application environment में export करें और agent के sandbox से बाहर रखें। beta Agents API के साथ वर्तमान OpenAI SDK इस्तेमाल करें; computer-use guide के JavaScript walkthrough में openai और prompt-sync. इसका cURL विकल्प Bash और jq तथा स्पष्ट OpenAI-Beta: agents=v1 header माँगता है।

दस्तावेज़ित session configuration में { "type": "computer_use" } को agent.tools में रखता है, environment.type को openai_hosted पर सेट किया जाता है और environment.desktop.enabled सक्षम किया जाता है। सार्वजनिक-पृष्ठ वाले उदाहरण में network access भी चालू है और include_screenshots: true को tool पर सेट किया जाता है। Session बनाते समय आगे के event और item अनुरोधों के लिए ID लौटती है; इससे browser task शुरू नहीं होता। आगे बढ़ने से पहले ID सहेजें। Guide के उदाहरण में agent से Agents API quickstart ढूँढ़कर उसका page title और URL लौटाने को कहा गया है—बिना sign in किए या website data बदले।

काम का अनुसरण करें और तय करें कि वह किन websites तक पहुँच सकता है

Task input भेजने से पहले session event stream खोलें, ताकि application शुरुआती events पा सके। दस्तावेज़ित input event agent.session.input.message है। Stream में agent.session.requires_action दिखने पर session के मौजूदा required_actions को लें और लंबित computer_use_approval_request records पहचानें। browser_origin_access अनुरोध हो तो माँगा गया origin और बताया गया कारण उपयोगकर्ता को दिखाएँ। उनके approve, deny या cancel निर्णय को agent.session.input.computer_use_approval_request_result में संबंधित request_id के साथ भेजें।

यह निर्णय किसी website origin तक पहुँच के बारे में है, चाहे वह सार्वजनिक ही क्यों न हो। network.access को enabled पर सेट करने से मंज़ूरी नहीं मिलती। Origin की मंज़ूरी बाद की हर browser कार्रवाई की पुष्टि भी नहीं करती। OpenAI कहता है कि खरीदारी या विनाशकारी बदलाव से पहले निश्चित पुष्टि चाहिए तो application hosted browser को ऐसे संसाधनों तक सीमित रखे जहाँ वे काम हो ही न सकें, या अपने नियंत्रण वाला browser runtime इस्तेमाल करे। Website का text अविश्वसनीय input है; वह पहुँच की अनुमति नहीं दे सकता और उपयोगकर्ता के निर्देशों को पलट नहीं सकता।

सार्वजनिक-पृष्ठ walkthrough एक अलग browser_authentication अनुरोध रद्द करता है। Account की ज़रूरत वाले task का अपना sign-in flow है; यह read-only सेटअप उसे कवर नहीं करता। OpenAI यह भी बताता है कि मंज़ूरी-अनुरोध रद्द करने से task रद्द नहीं होता। मंज़ूर किया गया approval response बताता है कि निर्णय पहुँच गया; यह नहीं कि navigation पूरी हो गई।

नतीजा जाँचें, गतिविधि देखें, फिर session मिटाएँ

Event stream जवाब का text agent.session.turn.output_text.done में दे सकती है। मुख्य turn के लिए agent.session.turn.completed की प्रतीक्षा करें और विफलता तथा रद्द होने के events अलग सँभालें। दस्तावेज़ित task में देखें कि उत्तर में quickstart का title और URL वास्तव में हैं या नहीं। Stream बंद होना अकेले यह सिद्ध नहीं करता कि turn समाप्त हुआ; connection विफल होने या नतीजा अनिश्चित रहने पर OpenAI डेवलपरों को उसी session से फिर जुड़ने को कहता है।

Session items browser के काम का दूसरा दृश्य देते हैं। computer_use_call items में गतिविधि का title, turn ID और status होता है। Screenshot चालू हों तो item में computer_screenshot image URL हो सकता है; कुछ कार्रवाइयों में फिर भी image नहीं लौटती। ये items browser की गतिविधियाँ दिखाते हैं, task पर अंतिम फैसला नहीं। Environment cleanup माँगने के लिए session मिटाने से पहले सहेजे हुए items और application के लिए ज़रूरी नतीजे या screenshots देखें। Screenshots में पृष्ठ या account की संवेदनशील जानकारी हो सकती है; दस्तावेज़ सलाह देता है कि उन्हें केवल अधिकृत दर्शकों तक सीमित रखें और application logs से बाहर रखें।

पहुँच और लागत अलग निर्णय हैं

OpenAI अपनी DevDay recap में कहता है कि computer use API के ज़रिए और Pro 500 तथा Enterprise योजनाओं पर Codex और ChatGPT Work में उपलब्ध है। यह मार्गदर्शिका API वाले तरीके पर है, जिसमें Platform credentials और अनुमतियाँ चाहिए। उत्पाद-योजना की उपलब्धता का बयान API पहुँच नहीं देता और API उपयोग शुल्क शामिल नहीं करता।

OpenAI के Agents API overview के अनुसार model का उपयोग चुने हुए मॉडल की API rates पर बिल होता है, जबकि OpenAI-hosted sandbox की दरें मानक container rates हैं। देखे गए पृष्ठ computer-use tool का अलग शुल्क नहीं बताते; इसका अर्थ यह नहीं कि hosted browser session मुफ़्त है। Run का बजट बनाने से पहले वर्तमान model और container कीमतें जाँचें। उदाहरण beta API methods इस्तेमाल करते हैं, जो बदल सकते हैं। इस लेख के लिए कोई API session, browser task या SDK execution नहीं किया गया।

स्रोत और आगे पढ़ें

  • OpenAI, “Computer use”, 30 सितंबर 2026 को देखा गया। Browser configuration, event नाम, origin और authentication अनुरोध, नतीजे की जाँच, activity और session मिटाने का प्राथमिक संदर्भ। पृष्ठ पर प्रकाशन-तिथि नहीं थी।
  • OpenAI, “Agents API quickstart”, 30 सितंबर 2026 को देखा गया। Platform key की अनुमतियाँ, beta header और SDK की पूर्वापेक्षाएँ बताता है; इसका सामान्य coding उदाहरण browser walkthrough से अलग है।
  • OpenAI, “Agents API” और “OpenAI-hosted sandboxes”, 30 सितंबर 2026 को देखे गए। Session model तथा model और hosted-container शुल्क के अलग होने की व्याख्या करते हैं। किसी भी पृष्ठ पर प्रकाशन-तिथि नहीं दी गई थी।
  • OpenAI API pricing, 30 सितंबर 2026 को देखा गया। चुने हुए model और hosted container की मौजूदा दरें जाँचें; यहाँ किसी खास run की लागत का अनुमान नहीं है।
  • OpenAI, “DevDay 2026 Recap”, 29 सितंबर 2026 को प्रकाशित। Agents API computer use के launch और API बनाम Codex/ChatGPT Work योजना में उपलब्धता संबंधी अलग-अलग बयानों का स्रोत।