OpenAI의 Agents API는 지속형 클라우드 에이전트를 더 쉽게 구축하게 합니다. 실제로 달라진 점, 아직 입증되지 않은 점, 통제 아래 배포하는 방법을 살펴봅니다.
| 질문 | 짧은 답변 |
|---|---|
| 무엇이 출시됐나? | OpenAI의 발표에 따르면 Agents API는 퍼블릭 베타이며, 클라우드 에이전트를 위한 관리형 Codex harness를 제공합니다. |
| 왜 중요한가? | 지속형 세션, 도구, 샌드박스, 스티어링, 하위 에이전트 오케스트레이션을 모든 팀이 직접 조립하는 대신 인프라로 묶어 제공하기 때문입니다. |
| 이것이 AGI의 도래를 증명하나? | 아닙니다. 제품 표면은 에이전트를 더 유용하게 만들 수 있지만, 일반 지능을 정의하거나 측정하는 문제를 해결하지는 않습니다. |
| 개발자는 무엇을 해야 하나? | 되돌릴 수 있는 워크플로부터 시작하고, 권한을 좁히고, 증거를 보존하며, 첫 실행 전에 어떤 작업에 승인이 필요한지 정해야 합니다. |
짧은 결론: OpenAI Agents API는 지속형 에이전트 실행을 더 쉽게 도입하게 한다는 점에서 의미 있는 엔지니어링 출시입니다. AGI에 대한 과학적 판정은 아닙니다.
OpenAI Agents API는 개발자가 Codex harness로 클라우드 에이전트를 실행할 수 있는 관리형 방식을 제공합니다. OpenAI는 이 harness를 컨텍스트, 도구, 하위 에이전트, 장시간 실행을 관리하는 계층으로 설명하며, 개발자는 워크플로별 지식, 도구, 환경을 선택합니다. 이는 프롬프트와 도구 호출을 연결하는 방식에서 실행 시스템을 운영하는 방식으로의 전환입니다.
이 출시 시점은 더 큰 논쟁과 나란히 놓입니다. Axios는 OpenAI 사장 Greg Brockman이 AGI의 정의는 사용자에게 맡기면서 GPT-6 Astra가 AGI의 도래를 표시할 수 있다고 말했다고 보도했습니다. Axios는 현실 세계의 신뢰성과 안전성도 아직 불확실하다고 경고했습니다. 출시를 "AGI"라고 부르는 것은 어떤 임계값에 도달했다는 주장입니다. API를 출시하는 것은 특정 배포 모델을 더 쉽게 구축할 수 있게 되었다는 증거입니다. 둘은 다른 명제입니다.
OpenAI 문서는 에이전트, 환경, 세션, 이벤트 또는 항목을 구분합니다. 실무에서 중요한 것은 지속형 세션입니다. 이를 통해 시스템은 작업을 이어가고, 스티어링을 받고, 작업 컨텍스트를 보존하고, 재개할 수 있습니다. 모든 의미 있는 일을 하나의 요청-응답 교환에 억지로 넣을 필요가 없습니다. 유용한 에이전트는 이제 답변만이 아니라 수명 주기를 가질 수 있습니다.
이 수명 주기는 거버넌스 의무도 만듭니다. 현재 문서는 세션이 상태를 보존하고, 미국 데이터 레지던시만 제공하며, Zero Data Retention (ZDR)을 지원하지 않는다고 말합니다. 민감한 자료를 다루는 팀은 보존, 삭제, 환경 선택을 파일럿이 이미 운영된 뒤 검토할 세부 사항이 아니라 설계 입력으로 다뤄야 합니다.
이 API는 에이전트와 에이전트가 실행되는 환경을 분리합니다. OpenAI는 호스팅 샌드박스를 제공하고, 자체 호스팅 및 파트너 환경을 지원합니다. 관리형 harness는 명령과 코드 실행, skills와 instructions 사용, 도구 또는 MCP를 통한 연결, 작업 위임, 이전 세션 재개를 할 수 있습니다. 이 분리가 유용한 이유는 모델의 능력이 무엇을 만질 수 있는지를 결정하지 않기 때문입니다. 환경, 자격 증명, 네트워크 경로, 도구 정책이 이를 결정합니다.
OpenClaw 및 Hermes Agent처럼 지속형 런타임을 이미 비교하는 팀이라면, 핵심 관점은 모델 내부만이 아니라 에이전트 주변의 경계를 평가하는 것입니다.
AGI는 보통 폭넓은 능력의 임계값으로 논의됩니다. 반면 에이전트 시스템은 배포입니다. 즉 모델에 instructions, 상태, 도구, 권한, 행동 메커니즘을 더한 것입니다. 같은 모델도 읽기 전용 샌드박스에서는 신중해 보일 수 있지만, 메시지를 보내거나 기록을 변경하거나 프로덕션 도구를 호출할 수 있다면 큰 영향을 줄 수 있습니다. 그러므로 제품에서 더 많은 자율성을 제공한다고 해서 모델의 일반 지능이 더 높아졌다는 사실이 자동으로 증명되지는 않습니다.
Anthropic의 프로덕션 사용 분석은 이 차이를 구체적으로 보여 줍니다. 이 분석은 더 긴 자율 Claude Code 세션을 보고하면서도, 관찰된 배포 행동과 이상화된 능력 평가를 명확히 분리합니다. 실무적 질문은 모델이 평가에서 무엇을 풀 수 있는지만이 아닙니다. 실제 시스템에 얼마만큼의 재량이 주어지는지, 얼마나 자주 복구하는지, 사람이 그 작업을 보고 중단할 수 있는지입니다.
OpenAI Agents API는 지속형 작업을 맞춤형 인프라 프로젝트가 아니게 만듭니다. 관리형 세션은 샌드박스, 파일, 도구, 컨텍스트 관리, 하위 에이전트 위임을 결합할 수 있습니다. 그러면 팀이 조사하고, 초안을 작성하고, 코드를 실행하고, 나중에 산출물을 가지고 돌아오는 에이전트를 구축하는 문턱이 낮아집니다.
동시에 병목도 이동합니다. harness가 제공되면 차별화 요소는 작업 경계, 도구 계약, 비즈니스 데이터, 승인 설계, 증거 추적이 됩니다. 이는 에이전트가 "추론한다" 또는 "자율적으로 행동한다"는 일반적인 주장보다 운영상 훨씬 중요합니다.
퍼블릭 베타로 이용 가능하다는 것은 개발자가 이 API를 실험할 수 있다는 뜻입니다. 여러 도메인에 걸친 보편적 성능 임계값을 확립하지는 않습니다. 발표 자체도 OpenAI가 일반 제공을 향해 반복 개선할 것이라고 말합니다. 신뢰할 수 있는 평가는 여전히 작업별 평가, 적대적 사례, 비용 한도, 복구 테스트, 그리고 에이전트를 기존의 인간 또는 결정론적 프로세스와 비교할 방법을 필요로 합니다.
"이것이 AGI인가?"라는 모호한 질문을 "모든 것을 할 수 있는가?"라는 다른 모호한 질문으로 바꾸지 마십시오. 더 나은 질문은 더 좁습니다. 이 시스템이 명시적인 권한 경계 안에서, 수용 가능한 오류와 검토 비용으로 이 워크플로를 완료할 수 있는가?
지속형 세션은 작업에 시간이나 연속성이 필요할 때 가치가 있습니다. 하지만 검토를 없앨 이유는 아닙니다. 경과 시간이 길어질수록 오래된 컨텍스트, 바뀐 외부 시스템, 오해를 부르는 도구 결과, 계획 당시에는 타당했지만 더는 승인되지 않은 행동이 생길 기회가 늘어납니다.
OpenAI의 Astra 출시는 Astra, ChatGPT Work, Codex 배포의 통제를 설명합니다. 여기에는 승인된 사이트와 데스크톱 앱으로의 제한, 업로드 및 다운로드 통제, 확인 정책, 잠재적으로 안전하지 않거나 승인되지 않은 도구 호출의 자동 검토가 포함됩니다. 이것이 Agents API가 오늘 그 통제를 모두 노출한다는 뜻은 아닙니다. 이는 모델을 추상적으로 신뢰할 수 있는지가 아니라, 어떤 증거와 승인 규칙 아래 어떤 행동이 허용되는지를 물어야 한다는 건전한 전제를 보여 줍니다.
첫 에이전트에는 가장 작은 유용한 권한을 부여하십시오. 읽기 전용 데이터, 샌드박스화된 작업 공간, 초안이나 권고안을 준비하는 도구를 우선시합니다. 메시지 전송, 데이터 삭제, 재무 변경, 배포, 자격 증명 사용, 접근 확대는 명시적 확인 뒤에 두십시오. 좁은 경계는 실패 비용을 낮추고 검토를 더 의미 있게 만듭니다.
지속 저장된 컨텍스트는 에이전트가 복잡한 작업을 이어 가도록 도울 수 있지만, 오래된 가정을 앞으로 가져갈 수도 있습니다. 무엇을 저장할 수 있는지, 얼마나 오래 남는지, 누가 검사할 수 있는지, 세션을 어떻게 삭제하는지를 정의하십시오. 검토자가 따라갈 수 있는 형태로 입력, 도구 호출, 산출물, 승인을 기록합니다. "에이전트가 완료했다고 말했다"는 감사 추적이 아닙니다.
권한을 넓히기 전에 대표적인 입력과 의도적으로 까다로운 사례로 전체 워크플로를 테스트하십시오. 완료 품질, 안전하지 않은 행동 시도, 복구 행동, 시간, 비용을 측정합니다. 실패를 범주별로 검토한 다음, 작업을 개선할지, 도구 계약을 바꿀지, 확인을 추가할지, 워크플로를 사람이 주도하게 유지할지 결정합니다. 평가는 출시 체크리스트가 아니라 반복되는 운영 관행입니다.
좋은 첫 작업은 증거 수집, 대기열 요약, 초안 준비, 검토용 문서 분류, 또는 복구 작업을 요청하기 전 경보 조사입니다. 이 작업들은 보이는 출력, 제한된 부작용, 결과를 판단하는 방법을 이미 아는 사람을 갖습니다. 중지하고 다시 시도할 수 있는 작업은 부서를 자동화하겠다는 넓은 약속보다 더 많은 것을 가르칩니다. 이는 신뢰할 수 있는 AI 워크플로 자동화의 기반이기도 합니다.
에이전트가 언제 멈춰야 하는지 적어 두십시오. 권한 부족, 출처 간의 중대한 충돌, 새 시스템에 접근하려는 시도, 비용 한도, 또는 합의된 신뢰도 규칙에 미달하는 결과입니다. 그와 함께 실행을 승인, 수정, 종료할 수 있는 담당자를 둡니다. 목표는 최대 자율성이 아닙니다. 복구 가능성을 유지하는 유용한 자율성입니다.
OpenAI Agents API가 중요한 이유는 지속형 에이전트 인프라를 공개 제품 표면으로 만들기 때문입니다. 더 유능한 시스템에 대한 실험을 가속할 수는 있지만, AGI 문제를 해결하지는 않습니다. 오히려 증거를 더 중요하게 만듭니다. 에이전트가 상태, 도구, 시간을 얻을수록 신뢰성에 대한 주장은 범위가 정해진 평가, 권한, 로그, 복구 계획으로 뒷받침되어야 합니다.
AGI 논쟁에 대한 생산적인 대응은 무시도 무조건적인 위임도 아닙니다. 가치를 증명하고, 작업을 드러내며, 안전하게 멈출 수 있는 가장 작은 에이전트를 구축하십시오. 능력이 계속 향상된다면 이 규율은 축적됩니다. 그렇지 않더라도 값비싼 자동화 실수를 막습니다.
OpenAI Agents API는 관리형 Codex harness로 클라우드 에이전트를 구축하기 위한 퍼블릭 베타 API입니다. 모델, instructions, 도구, 환경, 계속하거나 스티어링할 수 있는 지속형 세션을 중심으로 에이전트를 구성합니다. 단일 소비자용 어시스턴트가 아니라 에이전트 워크플로를 위한 인프라입니다.
아닙니다. 특정 종류의 에이전트 배포를 더 쉽게 만들지만, 널리 합의된 AGI의 정의나 측정 방법을 제공하지는 않습니다. 제품 라벨이 아니라 실제 워크플로, 권한, 오류 처리, 증거를 기준으로 시스템을 평가해야 합니다.
명확한 데이터 규칙, 제한된 권한, 사람의 검토 경로가 있는 범위 제한 파일럿에는 합리적인 선택이 될 수 있습니다. 팀이 실패와 복구 사례를 포함한 전체 워크플로를 평가하기 전까지는, 되돌릴 수 없거나 영향이 큰 행동의 유일한 제어자로 베타 에이전트를 두지 마십시오.
Sources: OpenAI — Introducing the Agents API · OpenAI — Agents API overview · OpenAI — GPT-6 Astra controls · Anthropic — Measuring AI agent autonomy in practice · Axios — reporting on the AGI claim
최종 업데이트: 2026년 9월 11일
채택률 86%, 긍정 평가는 10%. 2026년 저작권 판결, 음악 합의 템플릿, 고용의 17%/45% 분열을 실제 데이터로 읽는다.
2026년 데이터: 학생 88%가 생성형 AI를 쓰고, 교사는 주당 5.9시간을 아낀다. 그런데 정식 AI 정책이 있는 학교는 13%뿐.
2026년 지형: Digital Omnibus가 고위험 의무를 2027년으로 연기, EU의 새 금지 2건, GPAI 감독 개시, 그리고 미국의 조각보 규제.
사기 탐지는 정확도 90~99%에 약 300배 빠릅니다. 그러나 사기의 절반 이상도 AI를 씁니다. 2026년 실제 데이터, 규제 동향, 그리고 아무도 못 푸는 비대칭.
2030년까지의 AI에 대한 전문가 예측. AGI 타임라인, 사회적 영향, 기술적 돌파구 및 주요 AI 연구자들의 미래 시나리오를 알아보세요.
숫자로 보는 의료 AI: FDA 승인 기기 1,451개, 의료 시스템 도입률 75%, 그리고 43%가 임상 검증 데이터를 갖추지 못했다는 사실.
2026년 노동 데이터가 말하는 것: 5개월간 AI 귀인 감원 87,714건, 테크·금융 월 28,000명 감소, 그리고 진짜 중요한 자동화 구분선.
2026년 AI를 규정하는 여덟 가지 흐름: 밸류에이션 경쟁, 출시와 퇴역의 반복, Sora 철수, 저작권 합의, 그리고 의도적인 규제 지연.
