OpenAI har sendt sin Agents API i offentlig beta, og med den følger et skifte i hvordan AI-kodeagenter bliver bygget og solgt. Lanceringen fandt sted den 10. september 2026, og den gør i praksis den samme infrastruktur, der driver Codex, tilgængelig for enhver udvikler gennem et API-kald. Det er ikke endnu en kodeassistent til salg i et abonnement. Det er en platform, andre virksomheder kan bygge deres egne agent-produkter på, og det ændrer konkurrencebilledet for både OpenAI selv og rivaler som Anthropic og Google.
For danske og nordiske softwareteams er spørgsmålet ikke længere kun, hvilket kodeværktøj man skal abonnere på. Det er, om man selv skal bygge agenter til specifikke forretningsopgaver, fra sagsbehandling til logistik, oven på en leverandørs infrastruktur. Denne artikel går igennem, hvad Agents API faktisk indeholder, hvad det kommer til at koste, hvordan det stiller sig mod konkurrenterne, og hvad det betyder for virksomheder i Norden.
Hvad er OpenAI’s Agents API
Agents API giver udviklere adgang til den samme “harness”, styringsramme, og infrastruktur, der i dag driver Codex og ChatGPT for virksomheder. I stedet for at bygge sin egen orkestrering af værktøjskald, hukommelse og fejlhåndtering fra bunden, kan et udviklingsteam oprette en produktionsklar agent med et enkelt API-kald, hvor man angiver opgave, model, værktøjer og kørselsmiljø. OpenAI drifter og opdaterer selve styringslaget, mens udvikleren vælger, hvor agenten rent faktisk eksekverer koden.
Det markerer en klar strategi fra OpenAI: Codex skal ikke kun være et værktøj, man bruger direkte, men et fundament, andre bygger videre på. Ifølge OpenAI’s egen dokumentation er pointen netop at adskille den tunge infrastruktur fra det, der gør en agent unik for den enkelte virksomhed. Det dækker over alt fra lange, flertrins-arbejdsgange til små automatiseringer, der kører i baggrunden af et produkt, en kunde aldrig ser direkte.
Fra Codex-værktøj til udviklerplatform
Det er værd at bemærke forskellen mellem Codex som produkt og Agents API som platform. Codex er stadig det, udviklere typisk åbner i en terminal eller i IDE’en for at få hjælp til en specifik kodeopgave. Agents API er derimod beregnet til at blive indbygget i andre virksomheders egne systemer, så en agent kan køre i dagevis, overvåge en produktionsfejl, eller håndtere hundredtusinder af sager uden at et menneske trykker “send” for hver opgave.
Lanceringsdato og tilgængelighed
OpenAI satte Agents API i offentlig beta den 10. september 2026, tilgængelig for alle udviklere med det samme, ikke kun udvalgte partnere i en lukket testfase. Det er en markant anderledes rulleudrulning end flere af OpenAI’s tidligere produkter, hvor adgang typisk er blevet drysset ud over uger eller måneder. Beta-status betyder dog, at priser, grænser og stabilitet stadig kan ændre sig, før produktet erklæres produktionsklart i fuld skala.
Lanceringen kom i forlængelse af en bredere pakke annonceringer på OpenAI’s udviklerkonference i september 2026, hvor selskabet også viste, hvordan Codex kan køre i skyen og overvåges eller styres fra en telefon i stedet for kun fra en bærbar computer. Det signalerer, at OpenAI ser agent-arbejde som noget, der i stigende grad sker uafhængigt af, om en udvikler aktivt sidder ved sin maskine.
Teknisk opbygning: harness, sandbox og miljøer
Kernen i Agents API er det, OpenAI kalder harnesset, altså den styringslogik, der afgør, hvordan en agent planlægger, kalder værktøjer og håndterer fejl undervejs. Udviklere kan vælge mellem flere kørselsmiljøer: en fuldt OpenAI-hostet sandbox, egen virksomhedsinfrastruktur, eller en af flere eksterne sandboxpartnere. Det giver fleksibilitet til virksomheder, der af sikkerheds- eller compliancehensyn ikke ønsker, at agentens kode kører på OpenAI’s egne servere.
OpenAI har indgået partnerskaber med ni økosystemudbydere af sandbox-infrastruktur: Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop og Vercel. Partnerne tilbyder forskellige kombinationer af CPU, GPU og hukommelseskonfigurationer, samt forskellige profiler for opstartstid, ydeevne og pris. Det betyder, at en virksomhed i princippet kan køre selve agentens “hjerne” via OpenAI, men lade den faktiske kodeeksekvering foregå hos en europæisk cloud-udbyder, hvis det er et krav fra en kunde eller en intern sikkerhedspolitik.
De OpenAI-hostede sandboxes bruger den samme sandboxing-infrastruktur, som allerede driver Codex og ChatGPT for virksomheder. OpenAI opsætter og drifter selve sandboxen, mens agenten får et sikkert miljø til at køre kode, arbejde med filer og producere output. Ifølge dækning fra lanceringen i september koster hostet sandbox-kørsel omkring 0,03 dollar for 20 minutters eksekvering, hvilket gør det muligt for virksomheder at estimere omkostninger pr. agentkørsel relativt præcist, uden skjulte infrastrukturregninger bagefter.
Subagenter og parallel databehandling
En af de mest omtalte funktioner er understøttelsen af subagenter. En hovedagent kan dele en kompleks opgave op i uafhængige dele og delegere dem til parallelle underagenter, som arbejder samtidigt og derefter leverer resultater tilbage til hovedagenten til samling. Det er særligt relevant for opgaver, der naturligt kan splittes op, som fejlsøgning af en produktionsfejl, hvor en subagent undersøger deployments, en anden analyserer fejlloggen, og en tredje tjekker afhængigheder.
I OpenAI’s egne eksempler fremgår det, at man kan sætte en grænse for, hvor mange subagenter der må køre samtidigt i en given session, hvilket giver virksomheder kontrol over både omkostninger og belastning. Flere tidlige brugere af API’en nævner en markant hastighedsforbedring ved at gå fra selvbyggede promptkæder til den indbyggede subagent-orkestrering, fremfor at skulle styre og overvåge parallelle kald manuelt i eget kode.
Konteksthåndtering og effektiv værktøjsbrug
Når en agent arbejder i timer eller dage, bliver konteksthåndtering en flaskehals. Agents API løser det med automatisk “context compaction”, hvor tidligere kontekst komprimeres, når en session nærmer sig grænsen for, hvor meget modellen kan holde i hovedet på én gang. Det betyder, at udviklere kan bygge arbejdsgange, der strækker sig over flere kontekstvinduer, uden selv at skulle bygge logik til at afgøre, hvad der skal gemmes og hvad der kan glemmes.
Samtidig er der indført “tool search”, som kun indlæser de værktøjsdefinitioner, agenten faktisk har brug for i en given situation, i stedet for at eksponere hele værktøjsbiblioteket på én gang. Det reducerer tokenforbrug og holder omkostningerne nede, især for agenter med adgang til mange forskellige integrationer. Når værktøjerne først er fundet, kan agenten bruge programmatisk tool calling til at køre flere uafhængige kald parallelt, hvilket kan korte eksekveringstiden markant ned for opgaver, der involverer mange separate opslag eller handlinger.
MCP, websøgning og integrationer
Agents API understøtter Model Context Protocol (MCP), den åbne standard for at koble AI-agenter til eksterne data og værktøjer, som flere store aktører i branchen i stigende grad har adopteret. Det betyder, at en agent bygget på Agents API relativt nemt kan forbindes til interne systemer, databaser eller observability-platforme, uden at virksomheden skal bygge en skræddersyet integration for hver enkelt kilde. Websøgning er desuden en indbygget mulighed, så en agent kan slå aktuel information op, hvis opgaven kræver det.
Et eksempel fra OpenAI’s egen dokumentation viser, hvordan en session kan oprettes med et enkelt API-kald, der peger agenten mod en MCP-server til observability, samtidig med at multi-agent-funktionen aktiveres med en grænse på op til tre samtidige subagenter. Kodeeksemplet bruger modelnavnet “gpt-6-astra” som den underliggende model i sessionen, hvilket bekræfter, at OpenAI’s nyeste generation af modeller er koblet direkte til platformen fra lanceringen.
import OpenAI from "openai";
const client = new OpenAI();
const session = await client.beta.agents.sessions.create({
agent: {
model: "gpt-6-astra",
tools: [
{
type: "mcp",
server_label: "observability",
transport: {
type: "http",
server_url: "https://observability.example.com/mcp",
},
},
],
multi_agent: { enabled: true, max_concurrent_subagents: 3 },
},
environment: {
type: "openai_hosted",
capability_directories: ["/workspace/capabilities/skills"],
},
input:
"Undersøg service-api's forhøjede 5xx-rate de sidste 30 minutter. " +
"Deleger deployment-, fejl- og afhængighedsanalyse til subagenter. " +
"Gem resultater og anbefalet afhjælpning i /workspace/outputs.",
});Hvad siger tidlige kunder om resultaterne
OpenAI har offentliggjort en række konkrete tal fra tidlige brugere af Agents API i sin lanceringsdækning. Et selskab oplevede, at en intern evalueringsscore steg fra 0,71 til 0,85, samtidig med at subagent-understøttelsen gav en firedobling af hastigheden sammenlignet med deres tidligere opsætning. Et andet selskab inden for sagsbehandling rapporterede en omkostningsreduktion på 60 procent pr. sag efter at have flyttet arbejdsgangen over på API’en, med lavere ventetid og bedre tokenudnyttelse som sidegevinst.
Et selskab inden for finansielle tjenester fremhævede, at adskillelsen mellem harness og sandbox gjorde det muligt at reducere antallet af mislykkede agent-svar med 86 procent, hvilket selskabet betegner som afgørende for at kunne sætte agenter i produktion i en branche, hvor kundernes tillid er alt. Logistikselskabet Nash.ai fortæller, at de i dag driver tusinder af langvarige agenter, der samlet styrer leverancer i hundredvis af millioner på tværs af globale logistiknetværk, med Agents API som det lag, der holder sessioner kørende, genopretter fejl og koordinerer flertrinsarbejde over timer eller dage.
Direkte citater fra OpenAI
I den officielle dokumentation for Agents API skriver OpenAI direkte: “Agents API giver din applikation adgang til Codex-harnesset via et OpenAI-administreret API” (OpenAI, officiel dokumentation). Samme dokumentation beskriver, hvad en agent konkret kan gøre, når den er sat op: “Agenter kan operere i en sandbox, hvor de kan eksekvere kode, redigere filer, forbinde til MCP-servere og producere artefakter” (OpenAI, officiel dokumentation).
I selve lanceringsindlægget formulerer OpenAI ambitionen bag produktet således: “I dag introducerer vi Agents API i offentlig beta og bringer det samme harness og infrastruktur, der driver Codex, til udviklere gennem et simpelt og flekst API” (OpenAI, officielt blogindlæg, “Introducing the Agents API”, 10. september 2026). Om samarbejdet mellem flere agenter hedder det: “Med multi-agent-understøttelse kan Agents API bryde komplekse opgaver op i uafhængige dele og delegere dem til subagenter, der arbejder parallelt” (OpenAI, officielt blogindlæg, “Introducing the Agents API”, 10. september 2026).
Agents API i tal
| Egenskab | Detalje |
| Lanceringsdato | 10. september 2026 (offentlig beta) |
| Pris for hostet sandbox | Cirka 0,03 USD pr. 20 minutters kørsel |
| Antal sandbox-økosystempartnere | 9 (Blaxel, Cloudflare, Daytona, DigitalOcean, E2B, Modal, Oracle, Runloop, Vercel) |
| Subagent-understøttelse | Ja, konfigurerbar grænse for samtidige subagenter |
| Konteksthåndtering | Automatisk “context compaction” nær kontekstgrænsen |
| Værktøjshåndtering | “Tool search” plus parallel programmatisk tool calling |
| Protokolunderstøttelse | MCP (Model Context Protocol) og indbygget websøgning |
| Open source-fundament | Ja, via OpenAI’s separate Agents SDK på GitHub |
| Eksempel på understøttet model | gpt-6-astra (fra OpenAI’s eget kodeeksempel) |
Konkurrencesammenligning: OpenAI mod Anthropic og Google
OpenAI er ikke alene om at bevæge sig fra færdige AI-værktøjer til agent-platforme. Anthropic har en betalt “Claude Managed Agents”-tjeneste, hvor der ud over almindelig model- og tokenbetaling opkræves omkring 0,08 dollar pr. kørende sessionstime, men der findes ikke officielt bekræftet 2026-dokumentation for en selvstændig, separat lanceret “Claude Agent SDK” med samme detaljeringsgrad som OpenAI’s annoncering. Det gør det svært at sige med sikkerhed, om Anthropics tilbud på nuværende tidspunkt matcher Agents API’s sandbox- og subagent-funktioner, eller om det er en mere begrænset administreret tjeneste.
Google har til sammenligning sin Gemini Enterprise Agent Platform, tidligere kendt som Vertex AI, hvor Google Antigravity er tilgængelig som en del af platformen. Her er prissætningen forbrugsbaseret: omkring 0,00994 dollar pr. vCPU-time og 0,0105 dollar pr. GiB-time for Agent Engine-ressourcer, med model- og værktøjsforbrug betalt separat. Google tilbyder sandboxed kodeeksekvering som en forhåndsfunktion, og Antigravity kan ifølge Google styre og orkestrere flere agenter samtidigt i samme arbejdsgang, hvilket ligger tæt på OpenAI’s subagent-model.
| Platform | Status/lancering | Prismodel | Hostet sandbox | Multi-agent |
| OpenAI Agents API | Offentlig beta, 10. sep. 2026 | Kun token- og værktøjsforbrug, ingen ekstra API-afgift | Ja | Ja |
| Anthropic Claude Managed Agents | Ikke separat 2026-lancering bekræftet | Model/token + ca. 0,08 USD pr. sessionstime | Ikke bekræftet for SDK | Nævnt, men API-overflade ikke officielt specificeret |
| Google Gemini Enterprise Agent Platform | Tilgængelig via Agent Engine/Antigravity | Ca. 0,00994 USD/vCPU-time + 0,0105 USD/GiB-time | Ja (forhåndsfunktion) | Ja, via Antigravity |
| GitHub Copilot agent-tilstand | Ikke tilstrækkeligt dokumenteret i officielle 2026-kilder til denne sammenligning | Ukendt fra officielle kilder | Ukendt fra officielle kilder | Ukendt fra officielle kilder |
Tabellen viser noget vigtigt: OpenAI er den eneste af de fire, der har offentliggjort et fuldt sæt specifikationer med klare tal for pris, sandbox og multi-agent-understøttelse på samme tid. Det giver OpenAI et forspring i markedsføringen, uanset om konkurrenterne reelt ligger tættere på i praksis. For virksomheder, der skal vælge platform i dag, betyder det, at Agents API er nemmest at budgettere med på forhånd, fordi prisstrukturen allerede er klar og offentlig.
Historisk kontekst: fra chatbot til agent-infrastruktur
Udviklingen har gået hurtigt. Fra ChatGPT’s lancering i slutningen af 2022, over kodeassistenter som GitHub Copilot, der automatiserede enkeltstående kodeforslag, til en bølge af autonome kodeagenter i 2024 og 2025, der kunne løse hele opgaver selvstændigt. Det, der kendetegner 2026, er et nyt lag ovenpå: Agenter bliver ikke bare brugt direkte af udviklere, de bliver infrastruktur, andre virksomheder bygger deres egne produkter på.
Det er en parallel til, hvordan skytjenester udviklede sig fra færdige applikationer til rå infrastruktur, man selv kunne bygge videre på. Først kom de færdige SaaS-produkter, derefter kom API’erne, der lod andre virksomheder bygge deres egne versioner oven på den samme underliggende motor. Agents API er det skridt for AI-kodeagenter, og det ændrer, hvem der konkurrerer med hvem: Det er ikke længere kun kodeeditorer, der konkurrerer med kodeeditorer, det er platforme, der konkurrerer om at blive det lag, enhver ny agent bygges på.
Markedspåvirkning: hvad betyder det for Norden
For danske og nordiske virksomheder rejser skiftet en række konkrete spørgsmål. Mange virksomheder har de seneste år abonneret på færdige AI-kodeværktøjer som GitHub Copilot eller Cursor. Med en platform som Agents API bliver det muligt for virksomheder med egne udviklingsressourcer at bygge specialiserede agenter til deres egen forretning i stedet, hvad enten det er sagsbehandling i en forsikringsvirksomhed, overvågning af produktionssystemer i en bank, eller automatisering i en logistikkæde.
Det stiller nye krav til databeskyttelse og compliance. Når en agent får adgang til at køre kode og håndtere data autonomt i produktion, bliver spørgsmål om datalokalitet, logning og revisionsspor pludselig centrale, særligt for virksomheder underlagt GDPR og den europæiske AI-forordning. At OpenAI tillader kørsel hos europæiske partnere som Cloudflare, DigitalOcean og Oracle, snarere end kun på OpenAI’s egen infrastruktur, kan blive afgørende for, om nordiske virksomheder i praksis kan bruge platformen uden at skulle lave omfattende juridiske vurderinger af databehandleraftaler først.
Samtidig lægger prisstrukturen pres på eksisterende kodeværktøjs-leverandører. Når en virksomhed kan bygge sin egen agent for et par øre pr. kørsel plus tokenforbrug, bliver det sværere at argumentere for et fast abonnement pr. udvikler pr. måned til et generisk værktøj, hvis opgaven er smal og veldefineret. Det betyder ikke, at IDE-baserede assistenter forsvinder, men det lægger pres på dem, der sælger generiske assistenter uden en klar merværdi i forhold til at bygge selv.
Risici og kritikpunkter
Platformstrategien har også en bagside. Virksomheder, der bygger deres kerneprodukter oven på Agents API, bliver i praksis afhængige af OpenAI’s prissætning, driftsstabilitet og fremtidige produktbeslutninger. Beta-status betyder, at vilkårene stadig kan ændre sig, og en virksomhed, der bygger en kritisk arbejdsgang på platformen i dag, risikerer at skulle omstrukturere den, hvis OpenAI ændrer prismodel eller funktionssæt senere.
Der er også en sikkerhedsdimension. Når agenter får lov til at eksekvere kode, redigere filer og forbinde til interne systemer via MCP uden konstant menneskelig overvågning, stiger risikoen for fejl, der forplanter sig hurtigere end i en traditionel udviklingsproces. Subagent-parallelisering kan desuden gøre det sværere at spore præcis, hvilken del af systemet der traf en given beslutning, hvis noget går galt i produktion. For virksomheder, der er underlagt skærpede krav til revisionsspor, bliver logning og observability omkring agentkørsler derfor ikke en eftertanke, men en forudsætning.
Fem forudsigelser for agent-platforme i 2026 og 2027
- Flere store AI-leverandører vil offentliggøre lignende platformtilbud med klare, forbrugsbaserede priser for sandbox og subagent-kørsel, i stil med det OpenAI allerede har gjort, for at matche gennemsigtigheden i Agents API.
- Prisen for hostet sandbox-kørsel vil blive presset nedad af konkurrencen mellem de ni økosystempartnere, i takt med at flere udbydere konkurrerer om samme type arbejdsbelastning.
- Nordiske virksomheder inden for logistik, forsikring og finans, sektorer der allerede er nævnt blandt de tidlige brugere, vil begynde at bygge interne agent-løsninger frem for at købe hyldevarer, særligt hvor opgaven er smal og veldefineret.
- Den åbne Agents SDK vil tiltrække eksterne bidrag og forks, hvilket sænker barren for mindre udviklingsteams, der ikke har ressourcer til at bygge egen agent-infrastruktur fra bunden.
- Regulatorisk opmærksomhed omkring autonome agenter, der kører kode og håndterer data i produktion, vil stige i EU i løbet af det kommende år, i takt med at flere virksomheder tager platforme som denne i brug uden fuldt udbyggede interne kontroller.
Hvad betyder det for danske udviklere lige nu
For den enkelte udvikler eller det enkelte team i Danmark er den praktiske konsekvens, at adgangsbarrieren for at bygge egne, specialiserede agenter er faldet markant. Hvor det tidligere krævede et betydeligt ingeniørarbejde at bygge pålidelig sessionsstyring, fejlhåndtering og værktøjsorkestrering selv, kan et team nu starte med en administreret harness og fokusere kræfterne på det, der reelt gør deres agent værdifuld: domænekendskab, integrationer og brugeroplevelse.
Samtidig bør teams, der overvejer at bygge på platformen, lave en reel vurdering af databehandleraftaler, særligt hvis agenten skal håndtere persondata, før den sættes i produktion. Beta-status betyder også, at det er værd at holde funktionssæt og prismodel under observation de kommende måneder, snarere end at antage, at dagens vilkår er faste.
Som reference for det bredere udviklerlandskab, agenter som disse bygges ind i, viser GitHubs egen Octoverse-rapport og Stack Overflows årlige udviklerundersøgelse begge, at AI-understøttede arbejdsgange i stigende grad er normen snarere end undtagelsen blandt professionelle udviklere, hvilket er en del af baggrunden for, at en platform som Agents API overhovedet giver forretningsmæssig mening at lancere nu.
Ofte stillede spørgsmål
Hvad er OpenAI’s Agents API helt konkret?
Det er et API, der giver udviklere adgang til den samme styringsramme og infrastruktur, der driver Codex, så de kan bygge egne, langvarige AI-agenter med adgang til værktøjer, filer og kildekode, i stedet for at bygge den underliggende orkestrering selv.
Hvornår blev Agents API lanceret?
Agents API gik i offentlig beta den 10. september 2026, tilgængelig for alle udviklere fra start.
Hvad koster det at bruge Agents API?
Der er ingen separat API-afgift ud over forbrug af tokens og værktøjer efter OpenAI’s almindelige prissætning. Hostet sandbox-kørsel er rapporteret til omkring 0,03 dollar pr. 20 minutter.
Hvad er subagenter, og hvorfor betyder de noget?
Subagenter er underagenter, som en hovedagent kan delegere dele af en opgave til, så flere dele af et problem kan løses parallelt i stedet for sekventielt. Det kan markant korte den tid, det tager at løse komplekse, flertrins-opgaver.
Kan Agents API køre uden om OpenAI’s egne servere?
Ja. Udviklere kan vælge mellem en OpenAI-hostet sandbox, egen virksomhedsinfrastruktur, eller en af de ni økosystempartnere, herunder Cloudflare, DigitalOcean og Oracle, som tilbyder alternative kørselsmiljøer.
Hvordan adskiller Agents API sig fra almindelig Codex-brug?
Codex bruges typisk direkte af en udvikler til en konkret kodeopgave. Agents API er derimod beregnet til at blive bygget ind i andre virksomheders egne systemer, så en agent kan køre autonomt over lang tid uden konstant menneskelig indblanding.
Er der en open source-version?
OpenAI har et separat, open source Agents SDK tilgængeligt på GitHub, som fungerer som et åbent fundament for udviklere, der ønsker mere kontrol over implementeringen end selve det administrerede API giver. Den fulde tekniske dokumentation for selve Agents API’et, inklusive opsætning af miljøer og værktøjer, ligger på OpenAI’s udviklerplatform.
Er Agents API relevant for GDPR-regulerede danske virksomheder?
Ja, og det kræver forberedelse. Fordi agenter kan køre kode og håndtere data autonomt, bør virksomheder vurdere databehandleraftaler og datalokalitet nøje, særligt hvis man vælger OpenAI-hostede sandboxes frem for en europæisk partner som kørselsmiljø.
