---
title: "OpenAI Agents API là gì? Hướng dẫn cho người dùng Codex"
description: "Muốn làm trợ lý trả lời câu hỏi về dữ liệu công ty cho cả nhóm? Bài viết giải thích OpenAI Agents API là gì, khác Scheduled tasks ở đâu, cách nhờ Codex dựng thử Demo từ mẫu của OpenAI, chi phí chạy trợ lý gồm những khoản nào?"
canonical: "https://200lab.io/blog/openai-agents-api-la-gi"
published: "2026-09-27T02:42:04Z"
updated: "2026-09-27T02:42:04Z"
authors: ["Hướng nội"]
tags: ["AI"]
reading_minutes: 12
access: "public"
---

Giả sử công ty bạn bán phần mềm theo gói, và sáng thứ Hai có người hỏi "Vì sao số người chuyển sang gói trả phí tuần trước lại giảm?". Muốn trả lời, người trong nhóm dữ liệu phải biết số liệu nằm ở bảng nào, công ty tính chỉ số đó ra sao, rồi viết câu lệnh lấy dữ liệu. Bạn muốn làm một ô hỏi đáp để ai cũng có thể hỏi được, nhưng Codex trên máy của bạn thì không thể ngồi trả lời thay cho cả công ty.

OpenAI Agents API là dịch vụ giúp bạn đưa một trợ lý như vậy vào ứng dụng riêng. Agent trong ứng dụng của bạn làm việc theo đúng cách agent trong Codex vẫn làm: nhận câu hỏi, tự chia ra từng bước, gọi công cụ để tìm dữ liệu rồi viết câu trả lời. OpenAI lo phần giữ cuộc trò chuyện và điều khiển agent đi qua từng bước. Còn quyền đọc kho dữ liệu của công ty thì vẫn nằm trong tay ứng dụng của bạn.

OpenAI đã làm sẵn một ứng dụng mẫu cho việc này, nên nếu bạn quen nhờ Codex làm ứng dụng nhỏ thì bạn có thể nhờ Codex dựng thử từ mẫu đó. Nhưng trước khi cho đồng nghiệp dùng, bạn cần hiểu trợ lý lấy số liệu thế nào, dữ liệu công ty được gửi đi đâu và bạn phải trả những khoản gì.

## 1. OpenAI Agents API là gì?

Theo OpenAI, Agents API cho ứng dụng của bạn dùng chính [Harness](https://200lab.io/blog/agent-harness-la-gi) của Codex, tức phần điều khiển agent đi qua từng bước làm việc. Ứng dụng gọi phần đó qua một API do OpenAI vận hành. API ở đây là cổng để ứng dụng gửi yêu cầu sang OpenAI và nhận kết quả về, dịch vụ đang ở giai đoạn thử nghiệm (beta).

Khi dựng trợ lý dữ liệu, bạn sẽ gặp 4 khái niệm sau:

- **Agent:** bộ cấu hình gồm mô hình, lời dặn và những công cụ agent được phép dùng. Với trợ lý dữ liệu, đó là các công cụ tìm bảng, tra tài liệu và chạy truy vấn.
- **Environment:** nơi agent đọc file và chạy lệnh, thường là một sandbox, tức môi trường tách riêng khỏi hệ thống bên ngoài. Phần này không bắt buộc, và mẫu trợ lý dữ liệu không cần sandbox.
- **Session:** phiên làm việc giữ lại cuộc trò chuyện, để người dùng hỏi tiếp mà không phải kể lại câu hỏi từ đầu.
- **Events và items:** những gì đi vào và đi ra trong một session, như câu hỏi, kết quả công cụ trả về và câu trả lời của agent.

OpenAI giữ session, điều khiển agent và tự tóm tắt phần trò chuyện cũ khi cần. Nhưng Agents API không có sẵn quyền vào kho dữ liệu của công ty. Bạn vẫn phải kết nối công cụ đọc dữ liệu vào ứng dụng thì trợ lý mới có số liệu để làm việc.

## 2. OpenAI đưa ra những ứng dụng mẫu nào?

OpenAI làm sẵn 5 ứng dụng mẫu để người xây sản phẩm xem Agents API được dùng vào việc gì:

- **Xử lý sự cố:** agent điều tra một cảnh báo rồi xin người trực duyệt phương án khôi phục. Mẫu này chỉ ghi lại việc duyệt, không tự triển khai phần mềm.
- **Bot trên Slack:** agent tìm thông tin qua các công cụ làm việc đã kết nối, và mỗi luồng trò chuyện trên Slack có một session riêng.
- **Trợ lý dữ liệu:** agent trả lời câu hỏi về dữ liệu kinh doanh bằng những truy vấn read-only. Mẫu này dựa trên trợ lý dữ liệu mà OpenAI dùng trong nội bộ.
- **Điều tra lỗi GitHub:** agent tái hiện lỗi được báo rồi đăng kết quả lên GitHub.
- **Rà soát hoá đơn và hợp đồng:** agent đọc từng tài liệu theo quy định kế toán, chia việc cho các agent phụ rồi viết báo cáo tổng hợp. Ứng dụng kiểm lại báo cáo và quyết định bước tiếp theo.

Trong 5 mẫu này, trợ lý dữ liệu (Data analyst) khớp nhất với câu hỏi ở đầu bài. Người dùng hỏi bằng ngôn ngữ tự nhiên, còn agent tự tìm dữ liệu và viết truy vấn.

## 3. Trợ lý trả lời một câu hỏi về dữ liệu như thế nào?

Để trả lời câu "Vì sao số người chuyển sang gói trả phí tuần trước lại giảm?", agent cần biết 2 điều: dữ liệu nằm ở đâu, và công ty tính chỉ số đó như thế nào.

Trong ứng dụng mẫu của OpenAI, agent có công cụ để tìm bảng phù hợp và đọc tên các cột có thật trong bảng. Agent cũng tra được định nghĩa chỉ số, tài liệu và những truy vấn cũ đã được duyệt. Có đủ những thứ đó thì agent mới viết được SQL, tức câu lệnh lấy dữ liệu từ các bảng.

Ứng dụng chạy từng truy vấn ở chế độ chỉ đọc, có giới hạn thời gian chờ, và mỗi lần chỉ trả về tối đa 100 dòng kết quả. Con số 100 là giới hạn cho mỗi lần agent gọi công cụ, không phải số dòng tối đa của cả kho dữ liệu. Mẫu này cũng hiện ra mọi truy vấn đã chạy để người dùng xem lại.

Sau câu trả lời đầu tiên, người dùng hỏi tiếp "Chỉ tính khách doanh nghiệp thôi." ngay trong session đó. Vì session đã giữ lại cuộc trò chuyện, agent phân tích lại theo điều kiện mới mà không cần nghe lại câu hỏi ban đầu. Mẫu còn có một công cụ để ghi nhớ những chỗ người dùng sửa lại cho agent, dùng cho các lần hỏi sau, nhưng nó chỉ lưu khi người dùng nói rõ là muốn ghi nhớ.

## 4. Agents API khác Scheduled tasks ở điểm nào?

Nếu bạn muốn agent làm việc mà không cần bạn ngồi giao việc tại chỗ, OpenAI có 2 cách là Scheduled tasks và Agents API. Hai cách này khác nhau ở chỗ ai giao việc cho agent: bạn tự đặt lịch, hay ứng dụng của bạn gửi việc sang mỗi khi có người hỏi.

Scheduled tasks là tính năng có sẵn, bạn tự tạo trên ChatGPT bản web hoặc ứng dụng trên máy tính, chứ chưa tạo được bằng Codex CLI. Tác vụ chạy theo lịch bạn hẹn, và ở một số gói, bản web còn cho nó chạy ngay khi có sự kiện từ Gmail, Slack hoặc GitHub. Nếu bạn dùng ChatGPT trên trình duyệt, Scheduled tasks chạy trên máy chủ của OpenAI và dùng những file bạn đã tải lên cùng các công cụ bạn đã kết nối. Còn nếu dùng ứng dụng trên máy tính, bạn phải để máy luôn bật, vì task sẽ chạy trên dự án lưu trong máy bạn.

Agents API thì dành cho người xây ứng dụng riêng. Ứng dụng gửi task qua API, tự gắn tool cho agent và chọn nơi agent chạy, còn OpenAI lo phần điều khiển agent qua từng bước thực thi.

|  | Scheduled tasks | Agents API |
| --- | --- | --- |
| Người dùng | Người dùng ChatGPT và Codex | Người xây ứng dụng riêng |
| Nơi thiết lập | ChatGPT bản web hoặc ứng dụng trên máy tính | Code gọi API |
| Lúc chạy | Theo lịch, hoặc khi có sự kiện Gmail, Slack, GitHub (bản web) | Khi ứng dụng gửi task qua API |
| Nơi agent chạy | Máy chủ OpenAI (bản web) hoặc máy của bạn (ứng dụng) | Sandbox của OpenAI, sandbox do đội kỹ thuật tự dựng, hoặc không cần sandbox |

Nếu bạn chỉ cần một bản tóm tắt số người chuyển sang gói trả phí vào sáng thứ Hai hằng tuần thì Scheduled tasks là đủ. Còn một trợ lý nhận câu hỏi bất chợt của từng người trong công ty, cho họ hỏi tiếp các câu hỏi khác trong cùng một session, thì cần Agents API.

## 5. Hướng dẫn nhờ Codex dựng thử trợ lý hỏi đáp dữ liệu

Bạn nên bắt đầu với dữ liệu mẫu được phép chia sẻ, và vài câu hỏi mà bạn đã biết trước đáp án. Các bước dưới đây là những việc bạn giao cho Codex để dựng ứng dụng từ mẫu chính thức của OpenAI.

**Bước 1. Chuẩn bị API key.**

Theo [hướng dẫn bắt đầu của OpenAI](https://developers.openai.com/api/docs/guides/agents-api/quickstart), bạn cần một API key của dự án, tức khoá để ứng dụng gọi được dịch vụ của OpenAI. Key này phải có 3 quyền `api.agents.read`, `api.agents.write` và `api.responses.write`. Bạn nhờ Codex hướng dẫn cách đặt key này vào ứng dụng, và nếu sau này có dùng sandbox thì phải để key ở ngoài sandbox.

**Bước 2. Xin quyền chỉ đọc vào kho dữ liệu.**

Bạn nhờ người quản lý dữ liệu cấp cho bạn một tài khoản chỉ đọc vào kho dữ liệu của công ty. Mẫu này chỉ làm việc được với kho dữ liệu tương thích PostgreSQL. Bạn phải đặt quyền read-only ở kho dữ liệu, chứ không được ghi trong lời dặn cho agent.

**Bước 3. Nhờ Codex dựng ứng dụng mẫu.**

Bạn gửi cho Codex đường dẫn tới mẫu [Data analyst trong OpenAI Cookbook](https://github.com/openai/openai-cookbook/tree/main/examples/agents_api/apps/data_analyst), kèm yêu cầu:

> Dựng thử ứng dụng data\_analyst theo mẫu chính thức này với dữ liệu mẫu. Giữ quyền truy vấn chỉ đọc, giới hạn thời gian chờ và phần hiển thị mọi truy vấn đã chạy. Hướng dẫn tôi cấu hình những thông tin còn thiếu.

Demo này cần **Python 3.14** trở lên và **uv**, một công cụ quản lý môi trường chạy Python. Bạn nhờ Codex kiểm tra máy đã có những thứ này chưa, rồi chỉ bạn cách mở ứng dụng khi dựng xong.

**Bước 4. Thêm tài liệu giải thích dữ liệu.**

Bạn đưa những định nghĩa chỉ số, tài liệu và truy vấn đã được duyệt vào phần tra cứu của trợ lý. Chẳng hạn, trợ lý cần biết công ty tính một lượt "chuyển sang gói trả phí" ra sao, và thế nào thì được xếp là "khách doanh nghiệp".

**Bước 5. Hỏi thử và kiểm tra kết quả.**

Bạn đặt câu hỏi về số người chuyển sang gói trả phí, rồi hỏi tiếp "Chỉ tính khách doanh nghiệp thôi." Sau đó bạn đối chiếu câu trả lời với đáp án đã chuẩn bị, và xem lại các truy vấn trợ lý đã chạy. Nếu bạn không đọc được SQL, bạn nhờ người phụ trách dữ liệu kiểm lại trước khi dùng con số đó.

**Bước 6. Xoá session thử nghiệm.**

Thử xong, bạn nhờ Codex xoá session thử nghiệm theo hướng dẫn của API. Xoá session không có nghĩa là mọi dữ liệu đều bị xoá theo, vì những chỗ người dùng sửa lại cho agent được lưu ở ứng dụng, không nằm trong session.

## 6. Chi phí chạy trợ lý gồm những khoản nào?

OpenAI tính phí theo mô hình, công cụ và môi trường mà ứng dụng dùng:

| Khoản | Cách tính |
| --- | --- |
| Mô hình | Theo giá API của mô hình bạn chọn |
| Công cụ của OpenAI | Theo giá chuẩn của từng công cụ, nếu có dùng |
| Sandbox do OpenAI vận hành | Theo giá container. Demo trợ lý dữ liệu không dùng sandbox nên không có khoản này |

Trang web bảng giá của OpenAI có mức giá container, tức giá cho môi trường sandbox, dùng cho Hosted Shell và Code Interpreter. Nhưng OpenAI chưa ghi rõ bảng đó có áp dụng cho sandbox của Agents API hay không. Nếu sau này bạn bật sandbox, bạn cần tra lại mức giá trên trang web bảng giá của OpenAI trước khi dự tính chi phí.

Mỗi câu hỏi cũng không có một mức giá cố định, vì có câu agent chỉ chạy một truy vấn, có câu nó chạy nhiều lần và lấy về nhiều dòng kết quả hơn. Bạn nên chạy thử với những câu hỏi mà đồng nghiệp hay hỏi để xem chi phí thật, trước khi mở cho cả nhóm.

## 7. Dữ liệu công ty được truy cập và lưu ở đâu?

Ứng dụng của bạn giữ quyền vào kho dữ liệu và quyết định truy vấn nào được chạy. Nhưng kết quả truy vấn vẫn được gửi sang mô hình để agent phân tích và viết câu trả lời. Vì vậy dù kho dữ liệu nằm trên máy chủ của công ty, một phần số liệu vẫn đi ra khỏi công ty.

Agents API hiện chỉ lưu dữ liệu tại Mỹ và không có chế độ Zero Data Retention (ZDR), tức chế độ không lưu lại dữ liệu. Dù công ty tự dựng sandbox, Agents API vẫn không có ZDR. Trước khi kết nối trợ lý với kho dữ liệu thật, bạn hỏi người phụ trách dữ liệu xem những thông tin nào được phép gửi sang OpenAI.

Khi cho nhiều người cùng dùng, mẫu của OpenAI yêu cầu lấy danh tính người hỏi từ hệ thống đăng nhập của ứng dụng. Lúc đó bạn nên nhờ lập trình viên kiểm lại quyền truy cập và cách gắn session với từng người, để người dùng này không đọc được dữ liệu hay những chỗ người dùng khác đã sửa cho agent.

## 8. Kết luận

OpenAI Agents API phù hợp khi bạn muốn đưa một agent vào ứng dụng cho nhiều người cùng dùng, như một trợ lý trả lời câu hỏi về dữ liệu công ty. Bạn có thể bắt đầu bằng cách nhờ Codex dựng mẫu Data analyst với dữ liệu thử và vài câu hỏi đã biết đáp án. Chỉ nối dữ liệu thật của công ty khi câu trả lời đã đúng, quyền truy cập đã được kiểm tra, và bạn đã biết những thông tin nào được phép gửi sang OpenAI.

## Nguồn tham khảo

- [OpenAI — Tổng quan về Agents API](https://developers.openai.com/api/docs/guides/agents-api/overview)
- [OpenAI — Ứng dụng mẫu trợ lý dữ liệu](https://github.com/openai/openai-cookbook/tree/main/examples/agents_api/apps/data_analyst)
- [OpenAI — Ứng dụng mẫu bot Slack](https://github.com/openai/openai-cookbook/tree/main/examples/agents_api/apps/slack_bot)
- [OpenAI — Ứng dụng mẫu xử lý sự cố](https://github.com/openai/openai-cookbook/tree/main/examples/agents_api/apps/sev_bot)
- [OpenAI — Rà soát hoá đơn và hợp đồng](https://github.com/openai/openai-cookbook/tree/main/examples/agents_api/apps/document_review)
- [OpenAI — Scheduled tasks](https://learn.chatgpt.com/docs/automations)
- [OpenAI — Hướng dẫn bắt đầu với Agents API](https://developers.openai.com/api/docs/guides/agents-api/quickstart)
- [OpenAI — Giá dịch vụ API](https://developers.openai.com/api/docs/pricing)

## Đọc thêm

- [AGENTS.md vs CLAUDE.md: Khác nhau thế nào, nên dùng file nào?](https://200lab.io/blog/agents-md-vs-claude-md.md): Bạn dùng Codex và Claude Code trên cùng một dự án? Tìm hiểu khi nào Claude Code đọc AGENTS.md, lúc nào ưu tiên CLAUDE.md, cách dùng chung instruction và cách kiểm agent đã làm đúng sau khi sửa web app.
- [Reasoning effort trong Codex là gì? Cách chọn mức phù hợp](https://200lab.io/blog/reasoning-effort-trong-codex.md): Reasoning effort cao hơn có thể giúp xử lý việc phức tạp, nhưng không bổ sung được dữ liệu thiếu. Bài viết hướng dẫn bạn đổi mức suy luận trong Codex và chọn mức phù hợp cho từng công việc của báo cáo cuối tháng.
- [Effort trong Claude Code là gì? Cách chọn mức effort phù hợp](https://200lab.io/blog/effort-trong-claude-code.md): Effort quyết định mức công sức Claude bỏ ra để có câu trả lời. Bài viết hướng dẫn cách xem, đổi và lưu cài đặt, phân biệt ultrathink với ultracode, lựa chọn mức effort phù hợp
- [Claude Managed Agents là gì? Hướng dẫn cho người dùng Claude Code](https://200lab.io/blog/claude-managed-agents-la-gi.md): Muốn thêm ô hỏi đáp để agent đọc tài liệu và email trong ứng dụng bạn tự làm bằng Claude Code? Bài viết giải thích Claude Managed Agents là gì, khác Routines ở đâu, cách tạo agent đầu tiên, chi phí và dữ liệu đi đâu.
- [Agent harness là gì? Hướng dẫn cho người mới](https://200lab.io/blog/agent-harness-la-gi.md): Agent vẫn làm sai dù đã có file hướng dẫn? Tìm hiểu harness trong Codex và Claude Code, cách kiểm thông tin agent đọc, đặt lời dặn cụ thể, dùng quyền chặn và xác định lúc cần nhờ lập trình viên.
- [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md)

Toàn bộ nội dung: https://200lab.io/llms.txt