OpenAI Agents SDK: Sandbox, Harness, Manifest — das wichtigste Update 2026 fuer Agent-Entwickler

OpenAI hat am 15. April 2026 sein Agents SDK substantiell umgebaut — und damit den Abstand zur Anthropic-Alternative Claude Managed Agents deutlich verkleinert. Das wichtigste Feature: native Sandbox-Execution, die sich mit sieben Drittanbietern (Blaxel, Cloudflare, Daytona, E2B, Modal, Runloop, Vercel) direkt aus der Box konfigurieren laesst. Zusammen mit dem neuen Manifest-System und konfigurierbarem Memory ist das SDK damit zum ersten Mal ein ernsthafter Gegenpol zu NVIDIA OpenShell und Anthropic Managed Agents.

Wir haben das Update vier Tage lang getestet — inklusive einem Portierungs-Versuch eines bestehenden Claude-Code-Agents auf das neue SDK. Hier die praktischen Ergebnisse.

Was sich konkret geaendert hat

Drei Haupt-Neuerungen, die das Agents SDK von einem “noch eines von vielen Frameworks” zu einer echten Produktions-Loesung machen:

1. Native Sandbox-Execution. Bisher musste man sich den Execution-Layer selbst bauen — Container starten, Filesystem mounten, Netzwerk beschraenken. Mit dem neuen Harness gibt es das out-of-the-box. Du schreibst sandbox=E2B() oder sandbox=Daytona(snapshot="python-3.12"), und das SDK kuemmert sich um den Rest.

2. Manifest-Abstraktion. Eine deklarative Beschreibung des Workspaces: welche Dateien gemountet, welche Output-Ordner persistiert, welcher Cloud-Storage (S3, GCS, Azure Blob, Cloudflare R2) angebunden wird. Damit ist dein Agent portierbar — du kannst ihn lokal entwickeln, auf E2B testen und in Produktion auf Modal laufen lassen, ohne Code-Aenderung.

3. Konfigurierbares Memory. Vorher war Memory ein einzelner String-Kontext, der bei jedem Call komplett mitgesendet wurde. Jetzt kann Memory verschiedene Scopes haben: session (eine Ausfuehrung), conversation (ueber mehrere Ausfuehrungen), project (langfristig). Die Persistenz-Schicht ist pluggable — Redis, Postgres oder ein Vector-Store.

Zusammen ergibt das ein Framework, das vergleichbar mit Claude Code- oder Claude-Managed-Agents-Setups ist, aber mit OpenAI-Modellen im Zentrum und deutlich mehr Freiheit bei der Sandbox-Wahl.

Die sieben unterstuetzten Sandbox-Anbieter im Vergleich

Der Schluessel-Vorteil des neuen SDK ist die Anbieter-Wahl. Hier ein ehrlicher Vergleich nach unseren Tests:

Fuer die meisten Entwickler ist E2B der beste Default — schnellster Spinup, klare API, grosszuegiger Free-Tier. Daytona ist die richtige Wahl, wenn du Snapshot-basierte Workflows hast (z.B. “Agent startet immer mit gleichem Code-Repo gecheckt out”). Modal lohnt sich fuer variable Last. Vercel und Cloudflare sind speziell — eher fuer Agenten, die eng an Webhooks oder Edge-Functions angebunden sind.

Wie der Vergleich zu den Alternativen aussieht

Das OpenAI Agents SDK ist nicht der einzige Spieler. Hier die realistische Einordnung:

Entscheidungs-Heuristik: Wenn du heute 70 %+ deiner LLM-Tokens bei OpenAI laufen laesst, ist das neue Agents SDK der logische naechste Schritt. Wenn dein Stack multi-provider ist, schau LangGraph oder LiteLLM plus OpenShell an. Wenn du auf Enterprise-SaaS mit Audit-Trail-Zertifizierung willst, nimm Anthropic Managed Agents oder OpenShell.

Live-Test: Einen Coding-Agenten portieren

Wir haben einen bestehenden Claude-Code-basierten Agent (GitHub-PR-Review, ca. 400 Zeilen Python) auf das neue OpenAI Agents SDK portiert. Das Ergebnis:

• Code-Aenderungen: 180 Zeilen angepasst, 40 Zeilen neu. Hauptsaechlich der Wechsel vom Anthropic-Client zum OpenAI-Client sowie das Sandbox-Setup.
• Zeit: Etwas weniger als vier Stunden inkl. Tests.
• Performance: GPT-5.4 Pro war in unserem Test 12 % schneller, aber 8 % weniger akkurat als Claude Opus 4.7 (manuelle Bewertung von 50 PRs).
• Kosten: GPT-5.4 Pro kostete in unserem Workload ca. 40 % mehr Tokens pro PR als Claude Opus 4.7. Der Sandbox-Overhead (E2B) lag bei ~0,02 USD pro PR.

Lerneffekt: Das SDK selbst ist sauber, aber der Modell-Wechsel hat Trade-offs. Wer den PR-Review-Agent heute mit Claude laufen hat, sollte eher beim Claude Code-Stack bleiben. Wer ohnehin GPT-5.4 oder Codex nutzt, bekommt mit dem neuen SDK eine klare Upgrade-Route.

Praktischer Einstieg in 15 Minuten

Wer das neue SDK heute ausprobieren will, braucht Python 3.11+ und einen OpenAI-API-Key:

pip install openai-agents-sdk
export OPENAI_API_KEY=YOUR_OPENAI_API_KEY

Ein minimaler Code-Review-Agent mit Sandbox:

from openai_agents import Agent, tools
from openai_agents.sandboxes import E2B

agent = Agent(
    model="gpt-5.4-pro",
    tools=[tools.filesystem(), tools.shell()],
    sandbox=E2B(timeout=300),
    instructions="Review PR diffs for security and performance issues."
)

result = agent.run("Review the latest PR in my repo.")
print(result.summary)

Das ist bemerkenswert kompakt fuer einen produktionstauglichen Agenten mit Sandbox-Isolation. Bei unserem Test lief der obige Code ohne weitere Konfiguration — E2B hat die Sandbox automatisch provisioniert und nach 5 Minuten Timeout wieder geloescht.

Die Memory-Architektur im Detail

Das neue Memory-System ist vermutlich das unterschaetzte Haupt-Feature. Drei Scopes:

• Session-Memory (Default): Lebt nur innerhalb einer Agent-Ausfuehrung. Gut fuer Multi-Step-Tasks.
• Conversation-Memory: Lebt ueber mehrere Ausfuehrungen des gleichen Agents. Nuetzlich fuer “Chatbot-like”-Setups.
• Project-Memory: Langfristig persistiert, z.B. in Redis oder Postgres. Fuer Knowledge-Base-artige Agenten.

Die Persistenz ist pluggable — du kannst Redis, Postgres, DynamoDB oder einen Vector-Store einbinden. In unserem Test haben wir Redis mit einer TTL von 24h fuer Conversation-Memory genutzt, das Project-Memory in Postgres. Der Overhead pro Call lag bei ~8 ms.

Was das fuer Sicherheit und Compliance heisst

Das SDK selbst macht keine Audit-Logs out-of-the-box — die kommen vom Sandbox-Anbieter. Das ist eine wichtige Unterscheidung zu NVIDIA OpenShell, wo Audit-Trails im Runtime eingebaut sind.

Fuer EU-AI-Act-Compliance (ab August 2026 bindend) heisst das: Du musst selbst sicherstellen, dass dein Sandbox-Anbieter die noetigen Logs liefert. E2B, Daytona und Runloop haben vollstaendige Audit-APIs, Vercel und Cloudflare sind eingeschraenkter. Im AEGIS-Framework haben wir die Logging-Konfigurationen fuer die wichtigsten Anbieter dokumentiert.

Wann sich das SDK nicht lohnt

Drei Szenarien, in denen du nicht wechseln solltest:

1. Deine Code-Basis ist tief mit Claude Code verzahnt. Die Portierung ist machbar, aber nicht trivial. Wenn dein Agent bereits produktiv laeuft und Claude-spezifische Features (z.B. Computer-Use, Extended Thinking) nutzt, ist ein Wechsel wirtschaftlich selten sinnvoll.
2. Du brauchst Multi-Provider-Routing. Das SDK ist OpenAI-first. Fuer echte Multi-Provider-Setups sind LangGraph oder LiteLLM die bessere Wahl.
3. Du arbeitest ohne Python-Stack. TypeScript-Support kommt spaeter, ist aber noch nicht da. JS/TS-Teams sollten Vercel AI SDK oder LangChain.js weiter nutzen.

Fazit

Das OpenAI Agents SDK Update vom 15. April ist ein grosser Sprung. Native Sandbox-Execution mit sieben Anbietern, Manifest-Abstraktion, durchdachtes Memory-System — das Framework ist jetzt auf Augenhoehe mit Claude Managed Agents und, fuer den SaaS-Fall, oft einfacher zu bedienen als NVIDIA OpenShell.

Wer OpenAI-zentriert arbeitet, bekommt hier das beste Entwickler-Erlebnis 2026. Wer multi-provider unterwegs ist oder Audit-Trails auf Kernel-Level braucht, schaut lieber auf andere Stacks.

Weiterlesen

• OpenAI Codex bekommt Computer-Use, 90+ Plugins und Wochen-Tasks: Direkter Angriff auf Claude Code
• Claude Code Update April 2026: Prompt Caching, Session Recap und neue Slash-Commands
• NVIDIA Agent Toolkit & OpenShell: Die neue Sicherheits-Baseline fuer KI-Agenten im Unternehmen
• KI-Agenten 2026: Der Praxisguide — was sie sind, was sie koennen, wie du sie nutzt