సెప్టెంబర్ 29న, OpenAI తన DevDay సమీక్షలో Agents APIలో కంప్యూటర్ వినియోగాన్ని ప్రకటించింది. విస్తృత విడుదల వివరాలు మా DevDay విడుదల మార్గదర్శకంలో ఉన్నాయి. డెవలపర్‌కు తక్షణ పని సాధారణ బ్రౌజర్ ఏజెంట్ పని కంటే చిన్నది: పబ్లిక్ పేజీని తెరిచి, నిర్దిష్ట సమాధానాన్ని సేకరించి, బ్రౌజర్ దేనిని యాక్సెస్ చేసిందో నమోదు చేయాలి. సెప్టెంబర్ 30న పరిశీలించిన OpenAI కంప్యూటర్ వినియోగ మార్గదర్శకం హోస్ట్ చేసిన బ్రౌజర్ సెషన్ ద్వారా ఆ విధానాన్ని వివరిస్తుంది. BIG CHANGE డాక్యుమెంటేషన్‌ను పరిశీలించింది; APIని అమలు చేయలేదు.

అప్లికేషన్ సెషన్‌ను సృష్టించి, ఇన్‌పుట్ పంపి, ఈవెంట్‌లను అనుసరించి, వెబ్‌సైట్ మూల యాక్సెస్ అభ్యర్థనలను వినియోగదారుకు చూపించి, సమాధానాన్ని తనిఖీ చేసి, చివరగా శుభ్రపరుస్తుంది. హోస్ట్ చేసిన వాతావరణంలో ఏజెంట్ బ్రౌజర్‌ను నిర్వహించగలదు. ఒక టర్న్ పూర్తయిందంటే కోరిన సమాచారం సరైనదని రుజువు కాదు.

ముఖ్యమైన మార్పు

OpenAI కొత్త Agents API కంప్యూటర్ వినియోగ మార్గం డెవలపర్‌లకు ఈవెంట్ స్ట్రీమ్‌తో కూడిన హోస్ట్ చేసిన బ్రౌజర్ సెషన్, వెబ్‌సైట్ మూలాలపై వినియోగదారు నిర్ణయాలు, బ్రౌజర్ కార్యాచరణ రికార్డులు, API ద్వారా శుభ్రపరిచే సదుపాయాన్ని అందిస్తుంది. పరిమిత పబ్లిక్ పేజీ పనికి, ఈ దశలను స్పష్టంగా నిర్వహించి తిరిగి వచ్చిన శీర్షిక, URLను ధృవీకరించడం ఆచరణాత్మక సమీకరణ విధానం. మూలానికి యాక్సెస్, టర్న్ పూర్తవడం, సమాధానం సరైనదా అనే విషయం మూడు వేర్వేరు పరిశీలనలు.

API కీ, బ్రౌజర్ సెషన్‌తో ప్రారంభించండి

OpenAI Agents API త్వరిత ప్రారంభ మార్గదర్శకం OpenAI Platform ప్రాజెక్ట్‌లో అప్లికేషన్ API కీని కోరుతుంది. సెషన్ చర్యల కోసం api.agents.read మరియు api.agents.write, మోడల్ ఇన్‌ఫరెన్స్ కోసం api.responses.write ను పేర్కొంటుంది. అప్లికేషన్ వాతావరణంలో కీని OPENAI_API_KEY పేరుతో ఎగుమతి చేసి, ఏజెంట్ శాండ్‌బాక్స్‌కు వెలుపల ఉంచండి. బీటా Agents APIతో ప్రస్తుత OpenAI SDKని ఉపయోగించండి; కంప్యూటర్ వినియోగ మార్గదర్శకంలోని JavaScript వివరణలో openai మరియు prompt-sync ఉపయోగిస్తారు. cURL ప్రత్యామ్నాయానికి Bash, jq మరియు స్పష్టమైన OpenAI-Beta: agents=v1 హెడర్ అవసరం.

డాక్యుమెంట్ చేసిన సెషన్ కాన్ఫిగరేషన్ { "type": "computer_use" } ను agent.toolsలో ఉంచి, environment.type ను openai_hostedగా అమర్చి, environment.desktop.enabledను ప్రారంభిస్తుంది. పబ్లిక్ పేజీ ఉదాహరణ నెట్‌వర్క్ యాక్సెస్‌ను కూడా ప్రారంభించి, టూల్‌పై include_screenshots: true ను అమర్చుతుంది. సెషన్ సృష్టి తర్వాతి ఈవెంట్, అంశ అభ్యర్థనల కోసం IDని ఇస్తుంది; దాంతో బ్రౌజర్ పని మొదలవదు. ముందుకు వెళ్లే ముందు ఆ IDని భద్రపరచండి. ఏజెంట్ Agents API త్వరిత ప్రారంభ పేజీని కనుగొని, దాని శీర్షిక, URLను తిరిగి ఇవ్వాలని ఉదాహరణ కోరుతుంది; సైన్ ఇన్ చేయడం లేదా సైట్ డేటాను మార్చడం ఇందులో లేదు.

పనిని అనుసరించి ఏ సైట్‌లను చేరుకోవచ్చో నిర్ణయించండి

పని ఇన్‌పుట్ పంపే ముందు సెషన్ ఈవెంట్ స్ట్రీమ్‌ను తెరవండి; అప్పుడు అప్లికేషన్‌కు ప్రారంభ ఈవెంట్‌లు అందుతాయి. డాక్యుమెంట్ చేసిన ఇన్‌పుట్ ఒక agent.session.input.message. స్ట్రీమ్‌లో agent.session.requires_action కనిపిస్తే, సెషన్ ప్రస్తుత required_actions ను పొందండి, పెండింగ్‌లో ఉన్న computer_use_approval_request రికార్డులను గుర్తించండి. browser_origin_access అభ్యర్థన వచ్చినప్పుడు కోరిన మూలం, ఇచ్చిన కారణాన్ని వినియోగదారుకు చూపండి. వారి approve, deny లేదా cancel నిర్ణయాన్ని సరిపోలే agent.session.input.computer_use_approval_request_result మరియు request_idతో పంపండి.

ఈ నిర్ణయం పబ్లిక్ వెబ్‌సైట్‌తో సహా వెబ్‌సైట్ మూలానికి యాక్సెస్ గురించినది. network.access ను enabled గా అమర్చడం ద్వారా అనుమతి లభించదు. మూలానికి అనుమతి ఇవ్వడం తర్వాతి ప్రతి బ్రౌజర్ చర్యను కూడా నిర్ధారించదు. కొనుగోలు లేదా హానికరమైన మార్పులకు ముందు తప్పనిసరిగా నిర్ధారణ కావాలనుకునే అప్లికేషన్‌లు, అలాంటి చర్యలు చేయలేని వనరులకే హోస్ట్ చేసిన బ్రౌజర్‌ను పరిమితం చేయాలి లేదా తమ నియంత్రణలోని బ్రౌజర్ రన్‌టైమ్‌ను ఉపయోగించాలని OpenAI చెబుతోంది. వెబ్‌సైట్ పాఠ్యం నమ్మదగని ఇన్‌పుట్; అది యాక్సెస్‌కు అధికారం ఇవ్వలేడు, వినియోగదారు సూచనలను అధిగమించలేడు.

పబ్లిక్ పేజీ విధానం వేరే browser_authentication అభ్యర్థనను రద్దు చేస్తుంది. ఖాతా అవసరమైన పనికి ప్రత్యేక సైన్-ఇన్ విధానం ఉంటుంది; చదవడానికి మాత్రమే ఉద్దేశించిన ఈ సెటప్ దానిని కవర్ చేయదు. అనుమతి అభ్యర్థనను రద్దు చేసినంత మాత్రాన పని రద్దు కాదని OpenAI కూడా చెబుతోంది. అనుమతి ప్రతిస్పందన ఆమోదించబడిందంటే నిర్ణయం అందిందని అర్థం, నావిగేషన్ పూర్తయిందని కాదు.

ఫలితాన్ని తనిఖీ చేసి, కార్యాచరణను సమీక్షించి, సెషన్‌ను తొలగించండి

ఈవెంట్ స్ట్రీమ్ సమాధాన పాఠ్యాన్ని agent.session.turn.output_text.doneలో అందించవచ్చు. ప్రధాన టర్న్ కోసం agent.session.turn.completed వచ్చే వరకు వేచి ఉండి, వైఫల్యం, రద్దు ఈవెంట్‌లను విడిగా నిర్వహించండి. డాక్యుమెంట్ చేసిన పనిలో త్వరిత ప్రారంభ శీర్షిక, URL సమాధానంలో నిజంగా ఉన్నాయో పరిశీలించండి. స్ట్రీమ్ మూసుకుపోయిందంటే టర్న్ ముగిసిందని నిర్ధారణ కాదు; కనెక్షన్ విఫలమైనా లేదా ఫలితం అనిశ్చితంగా ఉన్నా అదే సెషన్‌ను తిరిగి పొందాలని OpenAI సూచిస్తుంది.

సెషన్ అంశాలు బ్రౌజర్ పనిని మరో కోణంలో చూపిస్తాయి. computer_use_call అంశాల్లో కార్యాచరణ శీర్షిక, టర్న్ ID, స్థితి ఉంటాయి. స్క్రీన్‌షాట్‌లు ప్రారంభించి ఉంటే ఒక అంశంలో computer_screenshot చిత్ర URL ఉండవచ్చు; కొన్ని చర్యలు ఇప్పటికీ చిత్రాన్ని ఇవ్వవు. అవి బ్రౌజర్ చర్యలను చూపుతాయి, పనిపై తుది తీర్పును కాదు. వాతావరణ శుభ్రపరిచే అభ్యర్థన కోసం సెషన్‌ను తొలగించే ముందు భద్రపరిచిన అంశాలు, అప్లికేషన్‌కు అవసరమైన ఫలితం లేదా స్క్రీన్‌షాట్‌ను సమీక్షించండి. స్క్రీన్‌షాట్‌లలో సున్నితమైన పేజీ లేదా ఖాతా సమాచారం ఉండవచ్చు; కాబట్టి అధికారం ఉన్నవారికే చూపించి, అప్లికేషన్ లాగ్‌లలో పెట్టవద్దని డాక్యుమెంటేషన్ సూచిస్తుంది.

యాక్సెస్, ఖర్చు వేర్వేరు నిర్ణయాలు

OpenAI తన DevDay సమీక్షలో కంప్యూటర్ వినియోగం API ద్వారా, Pro 500 మరియు Enterpriseలో Codex, ChatGPT Work ద్వారా అందుబాటులో ఉందని చెబుతోంది. ఈ మార్గదర్శకం Platform ఆధారాలు, అనుమతులు అవసరమయ్యే API మార్గాన్ని వివరిస్తుంది. ఉత్పత్తి ప్రణాళికల వివరణ API యాక్సెస్ ఇవ్వదు, API వినియోగ ఛార్జీలను చేర్చదు.

Agents API అవలోకనం ప్రకారం ఎంచుకున్న మోడల్ API రేట్ల ఆధారంగా మోడల్ వినియోగానికి బిల్లు చేస్తారు; OpenAI హోస్ట్ చేసిన శాండ్‌బాక్స్‌లకు ప్రామాణిక కంటైనర్ రేట్లు వర్తిస్తాయి. పరిశీలించిన పేజీల్లో కంప్యూటర్ వినియోగ టూల్‌కు ప్రత్యేక రుసుము లేదు; అయినా హోస్ట్ చేసిన బ్రౌజర్ సెషన్ ఉచితం అని కాదు. రన్ బడ్జెట్ నిర్ణయించే ముందు ప్రస్తుత మోడల్, కంటైనర్ ధరలను చూడండి. ఉదాహరణల్లో మారే అవకాశం ఉన్న బీటా API పద్ధతులు ఉన్నాయి. ఈ వ్యాసం కోసం API సెషన్, బ్రౌజర్ పని లేదా SDK అమలు చేయలేదు.

మూలాలు, మరింత చదవండి

  • OpenAI, “Computer use”, 2026 సెప్టెంబర్ 30న చూశాం. బ్రౌజర్ కాన్ఫిగరేషన్, ఈవెంట్ పేర్లు, మూలం మరియు ప్రామాణీకరణ అభ్యర్థనలు, ఫలిత తనిఖీలు, కార్యాచరణ, తొలగింపుకు ప్రధాన సూచన. పేజీలో ప్రచురణ తేదీ కనిపించలేదు.
  • OpenAI, “Agents API quickstart”, 2026 సెప్టెంబర్ 30న చూశాం. Platform కీ అనుమతులు, బీటా హెడర్, SDK ముందస్తు అవసరాలను వివరిస్తుంది; సాధారణ కోడింగ్ ఉదాహరణ కంప్యూటర్ వినియోగ వివరణకు వేరు.
  • OpenAI, “Agents API” మరియు “OpenAI-hosted sandboxes”, 2026 సెప్టెంబర్ 30న చూశాం. సెషన్ విధానం, మోడల్ మరియు హోస్ట్ చేసిన కంటైనర్ ఛార్జీలు వేరుగా ఉండటాన్ని వివరిస్తాయి. రెండు పేజీల్లోనూ ప్రచురణ తేదీ లేదు.
  • OpenAI API ధరలు, 2026 సెప్టెంబర్ 30న చూశాం. ఎంచుకున్న మోడల్, హోస్ట్ చేసిన కంటైనర్ ప్రస్తుత రేట్లను తనిఖీ చేయాలి; నిర్దిష్ట రన్ ధరను ఇక్కడ అంచనా వేయలేదు.
  • OpenAI, “DevDay 2026 Recap”, 2026 సెప్టెంబర్ 29న ప్రచురించబడింది. ప్రారంభ ప్రకటనకు, APIతో పాటు Codex/ChatGPT Work Pro 500 మరియు Enterprise ప్రణాళికల్లో లభ్యతపై OpenAI చేసిన ప్రత్యేక ప్రకటనలకు మూలం.