OpenAI Agents SDK 0.14 Análise Profunda — Agentes Sandbox, Harness Nativo do Modelo, Subagentes e Ferramentas de Sistema de Arquivos Estilo Codex Redefinindo o Padrão de Infraestrutura de Agentes de 2026

Em 15 de abril de 2026, a OpenAI lançou Agents SDK 0.14. É uma versão menor no papel, mas muda a forma padrão dos tempos de execução de agentes. O lançamento se baseia em três pilares: (1) um Harness Nativo do Modelo onde o modelo controla diretamente arquivos, shells e patches; (2) Agentes Sandbox nativos que executam código gerado pelo modelo em uma camada de computação isolada; e (3) o padrão Subagente que permite que um pai execute muitos filhos em paralelo. Empilhados acima estão os primitivos de sistema de arquivos estilo Codex (apply_patch, shell), o primitivo Skills para divulgação progressiva de contexto, e AGENTS.md como uma persona de agente fixada no repositório. Sete adaptadores de sandbox externos são lançados na estreia — Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop e Vercel — enquanto localmente você pode executar um loop rápido sem Docker com UnixLocalSandboxClient. O Protocolo de Contexto do Modelo (MCP) não é mais uma integração opcional; agora é uma ferramenta embutida de primeira classe. E o trabalho de longo prazo é finalmente durável: o SDK persiste o estado via checkpoint, snapshot e reidratação, então um contêiner morrendo ou expirado não é mais um matador de sessão. Este artigo mapeia a área de superfície 0.14 em seis eixos, depois compartilha a lista de verificação de migração de 4 semanas que a ManoIT validou ao mover automações internas de RAG e DevSecOps para o novo tempo de execução.

1. Por que 0.14 é o Ponto de Inflexão — De "Pacote de Prompt" para "Tempo de Execução"

O Agents SDK original da primavera de 2025 era essencialmente um loop de chamada de função envolto em transferências e guardrails. Você declarava um Agent, anexava tools, e deixava o modelo escolher funções. Duas coisas falharam em produção. Primeiro, quando o modelo produzia código, não havia um lugar seguro para realmente executá-lo. Segundo, qualquer coisa que durasse mais de uma hora estava exposta a reinicializações de contêiner e timeouts de sessão. 0.14 puxa ambas as correções para dentro do SDK. Não é mais um pacote "prompt + tools" — é a superfície de infraestrutura para executar agentes.

A tabela abaixo colapsa o delta da superfície operacional 0.13.x → 0.14.0 em uma única página.

As duas linhas que carregam o maior peso operacional são "Credenciais" e "Sandboxes externos." À medida que mais agentes executam por mais de uma hora, a forma antiga — o código gerado pelo modelo compartilhando um processo com suas chaves de API — deixa de ser aceitável. 0.14 rompe esse vínculo no nível do SDK. O harness de controle (plano de controle) mantém as credenciais; o código gerado pelo modelo só é executado em um sandbox separado (plano de computação). Mesmo que a injeção de prompt tenha sucesso, o movimento lateral para o resto da rede corporativa é cortado.

2. A Arquitetura do Tempo de Execução 0.14 — Seis Eixos

A arquitetura do tempo de execução 0.14 se decompõe claramente em seis eixos. Trocar adaptadores externos não muda o que os eixos significam.

A separação mais contra-intuitiva é entre ② e ④. "O modelo decide; o código é executado em outro lugar." Através da 0.13, era comum que comandos de shell retornados pelo modelo fossem executados no mesmo processo. Na 0.14, o modelo não tem acesso direto à computação. O modelo pede ao harness para "aplicar este patch e executar este shell"; o harness roteia isso através do cliente sandbox para a camada de computação.

2.1 O Menor Loop Local — UnixLocalSandboxClient

A primeira coisa a encontrar quando 0.14 chega é UnixLocalSandboxClient. Ele leva um diretório temporário do host como o espaço de trabalho do sandbox, sem Docker necessário, o que o torna o modo de desenvolvimento local mais rápido.

# venv + install (Python 3.10+)
python -m venv .venv && source .venv/bin/activate

# Instalação base
pip install openai-agents

# Sandbox com suporte a Docker
pip install "openai-agents[docker]"

# Sessão de Voz / Redis
pip install "openai-agents[voice]"
pip install "openai-agents[redis]"

# examples/sandbox/unix_local_runner.py (forma idiomática 0.14.0)
from agents import Runner
from agents.sandbox import SandboxAgent, Manifest,<