Agents API separa harness e sandbox: tre numeri da chi ha già migrato i flussi di lavoro
Un punteggio di valutazione che passa da 0,71 a 0,85 secondo Ciridae. Un costo per caso che scende del 60% secondo SafetyKit. Risposte fallite ridotte dell’86% secondo Hypha. Sono i tre numeri con cui si racconta davvero il lancio della nuova Agents API di OpenAI, avvenuto ieri in public beta. Non vengono dal comunicato: sono i risultati di chi ha già migrato i propri flussi di lavoro, e spiegano perché la dismissione della vecchia Assistants API, avvenuta lo scorso 26 agosto, non è un caso.
Tre risultati che non vengono dal comunicato
I numeri meritano di essere letti uno per uno. Ciridae, che usa l’Agents API per orchestrare subagenti, ha visto il proprio punteggio di valutazione salire da 0,71 a 0,85 e una riduzione della latenza di 4x. Il punto non è il miglioramento in sé: è che la fonte è un’azienda che racconta la propria esperienza di migrazione, non un test condotto da OpenAI. SafetyKit, dopo aver spostato il flusso di revisione dei casi, ha registrato una riduzione del 60% del costo per caso, con latenza inferiore e migliore efficienza dei token mantenendo le prestazioni esistenti. Hypha, che opera nei servizi finanziari, ha separato l’harness dell’agente dal sandbox e ha ridotto dell’86% le risposte fallite — un dato che, per un’azienda che vende fiducia ai clienti, vale più di qualunque benchmark interno.
Ma questi miglioramenti non sono casuali: dietro c’è un cambio di architettura che merita di essere guardato da vicino.
La separazione che spiega tutto: harness e sandbox non sono più la stessa cosa
Quei numeri hanno una causa precisa: l’Agents API non è un aggiornamento dell’Assistants API, è un cambio di layer. La chiave è nella separazione tra due componenti che prima viaggiavano insieme: l’harness — il loop che chiama il modello e ne instrada le richieste verso l’infrastruttura necessaria — e il sandbox — l’ambiente di esecuzione dove l’agente può eseguire codice e modificare file. L’Agents API è basata sull’harness open-source Codex, e questo cambia il modo in cui valutazione, latenza e costo vengono gestiti: non sono più parametri da ottimizzare in blocco, ma variabili indipendenti su cui si può intervenire separatamente.
Questa separazione non è un’idea originale di OpenAI. Anthropic ha virtualizzato gli stessi componenti — sessione, harness e sandbox — con la possibilità di sostituire ciascuna implementazione senza disturbare le altre. Claude Managed Agents, dal canto suo, fornisce l’harness e l’infrastruttura per eseguire Claude come agente autonomo in un ambiente completamente gestito. La differenza, insomma, non sta più nell’accesso al modello, ma nella qualità dell’infrastruttura agentica che ciascuno mette a disposizione.
E qui entra il terzo pezzo: il Manifest. L’SDK introduce un’astrazione Manifest per descrivere il workspace dell’agente, rendendo gli ambienti portabili tra provider. Gli sviluppatori possono portare il proprio sandbox oppure usare il supporto integrato per Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop e Vercel. Se l’infrastruttura diventa portabile e l’harness è un’astrazione, la domanda non è più tecnica ma strategica: chi controlla il workspace dell’agente?
Per chi pubblica online, il costo non è più solo quello delle API
Se il sandbox è un componente sostituibile e l’harness è diventato un’astrazione, la scelta di dove eseguire l’agente smette di essere un dettaglio tecnico. Lo spiega bene la posizione di AWS: Bedrock Managed Agents consente ai team aziendali di concentrarsi sul rendere gli agenti utili per il lavoro reale invece di assemblare l’infrastruttura circostante. Tradotto: l’infrastruttura sta diventando una commodity — qualcosa che si compra e si sostituisce, non che si costruisce. Il costo marginale di mettere in piedi un agente scende, e con esso la barriera all’ingresso per chiunque voglia far interagire un modello con contenuti, documenti o dati.
Chi pubblica online deve prenderne atto: il costo non è più solo quello delle API. La vera competizione si sposta sull’utilità del contenuto. Un agente che può eseguire codice in un sandbox portabile e leggere un workspace descritto da un Manifest non si accontenta di una pagina ottimizzata per la lettura umana: cerca risposte, dati strutturati, informazioni che può effettivamente usare. Chi pubblica deve chiedersi se il proprio contenuto è davvero utile a un agente — non solo visibile a un lettore.
La vera notizia non è che OpenAI ha lanciato un’API. È che chi pubblica online può finalmente smettere di costruire l’ennesima infrastruttura e tornare a chiedersi se il proprio contenuto è davvero utile a un agente.
