[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"portal-settings:stajic:de":3,"public-menus:all":37,"post:managed-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose:de":204,"related:post:managed-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose:de:1":1745},{"statusCode":4,"data":5,"message":36},200,{"tenantId":6,"lang":7,"defaultLang":7,"siteUrl":8,"contactEmail":9,"brandName":10,"logoUrl":11,"siteName":10,"siteDescription":12,"ogImage":9,"robotsIndex":13,"socialLinks":9,"reservedSlugs":9,"seoPolicy":14},"stajic","de","https:\u002F\u002Fstajic.de",null,"Stajic Platform","\u002FLogo_Planet.svg","Stajic Portal",true,{"branding":15,"relatedContent":16,"crossDomainLinks":17},{"logoUrl":11},{"enabled":13},[18,21,24,27,30,33],{"url":19,"label":20,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Ffigure.rocks","figure.rocks",{"url":22,"label":23,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Floving.rocks","loving.rocks",{"url":25,"label":26,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.com","bazify.com",{"url":28,"label":29,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.de","bazify.de",{"url":31,"label":32,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.at","bazify.at",{"url":34,"label":35,"isActive":13,"showInFooter":13,"includeInSameAs":13},"https:\u002F\u002Fbazify.ba","bazify.ba","Portal settings resolved",[38,44],{"id":39,"name":40,"location":41,"isActive":13,"isDefault":42,"items":43},1,"main-navigation","header",false,[],{"id":45,"name":46,"location":47,"isActive":13,"isDefault":13,"items":48},4,"main-menu","sidebar",[49,65,78,92,102,117,132],{"id":50,"title":51,"url":59,"target":60,"icon":61,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":63,"portfolioId":9,"children":64},"item-18",{"de":52,"en":53,"es":54,"fr":55,"it":53,"ru":56,"sr":57,"zh":58},"Startseite","Home","Inicio","Accueil","Главная","Почетна","首页","\u002Ffull-stack-web-developer-munich-performance-seo-and-maintainable-builds","_self","i-lucide-home","page",111,[],{"id":66,"title":67,"url":74,"target":60,"icon":75,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":76,"portfolioId":9,"children":77},"item-22",{"de":68,"en":68,"es":69,"fr":68,"it":70,"ru":71,"sr":72,"zh":73},"Vision","Visión","Visione","Видение","Визија","想象","\u002Fueber-uns-webdesign-muenchen-webaplikation","i-lucide-eye",113,[],{"id":79,"title":80,"url":88,"target":60,"icon":89,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":90,"portfolioId":9,"children":91},"item-19",{"de":81,"en":82,"es":83,"fr":82,"it":84,"ru":85,"sr":86,"zh":87},"Leistungen","Services","Servicios","Servizi","Услуги","Услуге","服务","\u002Fservices-dienstleistungen-muenchen","i-lucide-wrench",116,[],{"id":93,"title":94,"url":98,"target":60,"icon":99,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":100,"portfolioId":9,"children":101},"item-23",{"de":95,"en":95,"es":95,"fr":95,"it":95,"ru":96,"sr":96,"zh":97},"Blog","Блог","博客","\u002Fblog","i-lucide-book-open",112,[],{"id":103,"title":104,"url":113,"target":60,"icon":114,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":115,"portfolioId":9,"children":116},"item-32",{"de":105,"en":106,"es":107,"fr":108,"it":109,"ru":110,"sr":111,"zh":112},"Neue Technologien","New Technologies","Nuevas tecnologías","Nouvelles technologies","Nuove tecnologie","Новые технологии","Нове технологије","新技术！","\u002Fneue-webtechnologien","i-lucide-sparkles",122,[],{"id":118,"title":119,"url":128,"target":60,"icon":129,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":130,"portfolioId":9,"children":131},"item-20",{"de":120,"en":121,"es":122,"fr":123,"it":124,"ru":125,"sr":126,"zh":127},"Kontakt","Contact us!","Contacto","Contact","Contatto","Контакт","Контактирајте нас","联系我们！","\u002Fcontact","i-lucide-mail",115,[],{"id":133,"title":134,"url":143,"target":60,"icon":144,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":145,"portfolioId":9,"children":146},"item-21",{"de":135,"en":136,"es":137,"fr":138,"it":139,"ru":140,"sr":141,"zh":142},"Unsere Arbeit","Our Work","Nuestro trabajo","Nos réalisations","I nostri lavori","Наши работы","Наши радови","文件夹","\u002Fportfolio","i-lucide-briefcase",114,[147,160,174,180,192],{"id":148,"title":149,"url":143,"target":60,"icon":158,"isActive":13,"type":62,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":145,"portfolioId":9,"children":159},"item-24",{"de":150,"en":151,"es":152,"fr":153,"it":154,"ru":155,"sr":156,"zh":157},"Alle Projekte","All Projects","Todos los proyectos","Tous les projets","Tutti i progetti","Все проекты","Сви пројекти","所有项目","i-lucide-grid-3x3",[],{"id":161,"title":162,"url":170,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":173},"item-29",{"de":163,"en":164,"es":165,"fr":166,"it":167,"ru":168,"sr":169,"zh":142},"Local Roots, Global Reach","Local Roots - Global Reach","Empresa local ","Entreprise locale","Azienda locale","Местная компания","Локално предузеће глобално тржиште","\u002Fportfolio\u002Flocal-roots-global-reach-communication-media-systems-for-modern-business","i-lucide-folder","custom",[],{"id":175,"title":176,"url":178,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":179},"item-28",{"de":177,"en":177,"es":177,"fr":177,"it":177,"ru":177,"sr":177,"zh":177},"Solr Suggester","\u002Fportfolio\u002Fsolr-fuzzy-suggester-und-solr-infix-suggester-abfrage-ueber-ajax-und-filterung",[],{"id":181,"title":182,"url":190,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":191},"item-27",{"de":183,"en":184,"es":185,"fr":186,"it":187,"ru":188,"sr":189,"zh":184},"Firmenwebseite SEO","Company Website SEO","Sitio web corporativo SEO","Site web d’entreprise SEO","Sito web aziendale SEO","Корпоративный сайт SEO","Пословна веб-страница SEO","\u002Fportfolio\u002Fseo-sem-branding-mobile-webseite-muenchen",[],{"id":193,"title":194,"url":202,"target":60,"icon":171,"isActive":13,"type":172,"productId":9,"categoryId":9,"shopCategoryId":9,"articleId":9,"pageId":9,"portfolioId":9,"children":203},"item-31",{"de":195,"en":196,"es":197,"fr":198,"it":199,"ru":200,"sr":201,"zh":196},"Digitalisierungsportal","Digitalization Portal","Portal de digitalización","Portail de numérisation","Portale di digitalizzazione","Портал цифровизации","Портал за дигитализацију","\u002Fportfolio\u002Fdigitalisierungsportal-archiv-museum-bibliothek-ead-lido-mets-mods",[],{"statusCode":4,"data":205,"message":1744},{"id":206,"title":207,"slug":208,"content":209,"contentJson":210,"excerpt":870,"featuredImage":871,"featuredImageAlt":872,"featuredImageCaption":9,"featuredImageTitle":9,"featuredImageCopyright":9,"featuredImageAuthor":9,"featuredImageSourceUrl":9,"featuredImageLicense":9,"featuredImageIsAiGenerated":42,"status":873,"publishedAt":874,"createdAt":875,"updatedAt":876,"seoLocalePaths":877,"categories":886,"author":899,"translations":904},"475","Managed Agent Harness vs. Self-Hosted Agent Loop: Was Sie gewinnen, was Sie verlieren","managed-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u003Cnav class=\"editorjs-toc\" data-editorjs-toc=\"true\" aria-label=\"Inhalt\">\u003Cstrong class=\"editorjs-toc__title\">Inhalt\u003C\u002Fstrong>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-0\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-6\" class=\"editorjs-toc__link\">Der Fehler: Self-Hosting als eine einzige Entscheidung zu betrachten\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-10\" class=\"editorjs-toc__link\">Drei Architekturen, die oft als „selbstgehostet“ bezeichnet werden\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-12\" class=\"editorjs-toc__link\">Das Zwei-Ebenen-Modell\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-15\" class=\"editorjs-toc__link\">Verwaltetes Harness: Was Sie tatsächlich gewinnen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-19\" class=\"editorjs-toc__link\">Verwaltetes Harness: Worauf Sie verzichten\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-23\" class=\"editorjs-toc__link\">Selbst gehostete Ausführungsumgebung: Die mittlere Architektur\u003C\u002Fa>\u003Col class=\"editorjs-toc__list editorjs-toc__list--depth-1\">\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-27\" class=\"editorjs-toc__link\">Wann eine selbst gehostete Ausführung ausreicht\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-29\" class=\"editorjs-toc__link\">Wann Sie möglicherweise auch das Harness selbst betreiben müssen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-33\" class=\"editorjs-toc__link\">Der Kontroll-Eskalationstest\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-36\" class=\"editorjs-toc__link\">Der Betriebsaufwand wächst nichtlinear, wenn Sie das Harness selbst betreiben\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-40\" class=\"editorjs-toc__link\">Sicherheitsgrenze: Selbst gehostete Rechenleistung macht den Agenten nicht automatisch privat\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-44\" class=\"editorjs-toc__link\">Latenz und Kosten: Kontrolle kann Engpässe verschieben statt beseitigen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-47\" class=\"editorjs-toc__link\">Eine Entscheidungsmatrix für die Produktion\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-49\" class=\"editorjs-toc__link\">Hybrid ist kein Kompromiss – es ist oft die sauberere Architektur\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-53\" class=\"editorjs-toc__link\">Was würde diese Einschätzung ändern?\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-56\" class=\"editorjs-toc__link\">Einschränkungen\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-59\" class=\"editorjs-toc__link\">Fazit\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-62\" class=\"editorjs-toc__link\">FAQ\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-64\" class=\"editorjs-toc__link\">Glossar\u003C\u002Fa>\u003C\u002Fli>\u003Cli class=\"editorjs-toc__item\">\u003Ca href=\"#section-66\" class=\"editorjs-toc__link\">Primärquellen und weiterführende Literatur\u003C\u002Fa>\u003C\u002Fli>\u003C\u002Fol>\u003C\u002Fnav>\n\u003Cp>Der Begriff „selbstgehosteter Agent“ verbirgt heute mindestens drei verschiedene Architekturen. Sie können ein verwaltetes Harness mit von OpenAI gehosteter Rechenleistung nutzen, ein verwaltetes Harness, das mit von Ihnen betriebener Infrastruktur verbunden ist, oder das Harness und die Agentenschleife selbst ausführen. Diese Optionen haben sehr unterschiedliche Auswirkungen auf Kontrolle, Wiederherstellung, Kontextverwaltung, Sicherheit, Latenz und Betriebsaufwand.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--info my-6 rounded-xl border p-5 border-blue-300 bg-blue-50 dark:border-blue-900 dark:bg-blue-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Direkte Antwort\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\"><strong>Entscheiden Sie sich nicht zwischen „managed“ und „selbstgehostet“, als wäre dies eine binäre Entscheidung.<\u002Fstrong> Trennen Sie die <strong>Harness-Ebene<\u002Fstrong> von der <strong>Ausführungsebene<\u002Fstrong>. Ein verwaltetes Harness kann dennoch selbstgehostete Rechenleistung nutzen. Eine selbstgehostete Umgebung gibt Ihnen die Kontrolle über Dateien, Pakete, Netzwerkzugriff und Ausführung, ohne dass Sie die Agentenschleife selbst verwalten müssen. Betreiben Sie das Harness nur dann selbst, wenn Sie die Kontrolle über Orchestrierung, Lebenszyklus, Modell-Routing-Annahmen oder Laufzeitverhalten benötigen, die ein verwaltetes Harness nicht bieten kann.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Stand: 25. September 2026\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Die Agents-API von OpenAI befindet sich in der öffentlichen Beta-Phase und ihre Architektur kann sich weiterentwickeln. Die aktuelle Dokumentation trennt das von OpenAI gehostete Codex-Harness von der Ausführungsumgebung und unterstützt explizit selbstgehostete Umgebungen. OpenAI stellt das Codex-Harness über das Codex SDK auch separat für von Ihnen betriebene Infrastruktur bereit.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Caside class=\"editorjs-callout editorjs-callout--note my-6 rounded-xl border p-5 border-gray-300 bg-gray-50 dark:border-gray-700 dark:bg-gray-900\u002F40\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Das in diesem Artikel verwendete Modell\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Das Modell aus Harness-Ebene \u002F Ausführungsebene und der unten stehende Control-Escalation-Test sind hier vorgeschlagene praktische Architekturwerkzeuge. Es handelt sich nicht um eine formelle Anbieter-Terminologie.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-6\">Der Fehler: Self-Hosting als eine einzige Entscheidung zu betrachten\u003C\u002Fh2>\n\u003Cp>Bei herkömmlicher Software bedeutet „selbstgehostet“ meist, dass die Anwendung auf einer von Ihnen kontrollierten Infrastruktur läuft. Agentensysteme verkomplizieren diese Definition, da die Laufzeitumgebung aufgeteilt werden kann. Die Modell-und-Tool-Schleife kann an einem Ort ausgeführt werden, während Codeausführung, Dateien und der Zugriff auf private Netzwerke an einem anderen Ort stattfinden.\u003C\u002Fp>\n\u003Cp>Die aktuelle Agents-API-Architektur von OpenAI macht diese Trennung explizit: OpenAI führt das Harness aus, während die Ausführungsumgebung fehlen, von OpenAI gehostet oder selbstgehostet sein kann. Eine selbstgehostete Umgebung bedeutet daher nicht, dass auch die Agentenschleife selbstgehostet ist.\u003C\u002Fp>\n\u003Cp>Diese Unterscheidung ist wichtig, da viele Teams eine komplexere Laufzeitumgebung wählen, als sie benötigen. Sie möchten Zugriff auf private Netzwerke oder benutzerdefinierte Pakete, schlussfolgern daraus, dass der gesamte Agent selbstgehostet sein muss, und übernehmen ungewollt die Verantwortung für Kontextverwaltung, Orchestrierung, Wiederherstellung und Lebenszyklus, die eigentlich verwaltet bleiben könnten.\u003C\u002Fp>\n\u003Ch2 id=\"section-10\">Drei Architekturen, die oft als „selbstgehostet“ bezeichnet werden\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Architektur\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Wer führt das Harness aus?\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Wo Code\u002FDateien ausgeführt werden\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Was Sie primär selbst verantworten\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verwaltetes Harness + verwaltete Umgebung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plattform\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Von der Plattform gehostete Sandbox\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Anwendung, Tools, Produktlogik, Autorisierung\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verwaltetes Harness + selbstgehostete Umgebung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plattform\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ihr Container, Ihre VM, Ihr Laptop, Ihre Private Cloud oder sonstige Rechenleistung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Umgebungsbereitstellung, Netzwerk, Dateien und Lebenszyklus; Plattform verwaltet weiterhin das Harness\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Selbstbetriebenes Harness \u002F Agentenschleife\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sie\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ihre gewählte Umgebung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Prozess, Orchestrierung, Kontextstrategie, Hosting, Wiederherstellung, Ausführung und Anwendungslebenszyklus\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-12\">Das Zwei-Ebenen-Modell\u003C\u002Fh2>\n\u003Csection class=\"editorjs-comparison my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Trennen Sie die Harness-Ebene von der Ausführungsebene\u003C\u002Fh3>\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left dark:border-gray-700 dark:bg-gray-900\">\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Ebene\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Was sie verantwortet\u003C\u002Fth>\u003Cth class=\"border border-gray-300 bg-gray-50 px-4 py-3 text-left font-semibold dark:border-gray-700 dark:bg-gray-900\">Zu stellende Fragen\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Harness-Ebene\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Ausführungsebene\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-3 text-left font-semibold dark:border-gray-700\">Anwendungsebene\u003C\u002Fth>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-3 dark:border-gray-700\">\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Caside class=\"editorjs-callout editorjs-callout--success my-6 rounded-xl border p-5 border-emerald-300 bg-emerald-50 dark:border-emerald-900 dark:bg-emerald-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Wesentliche architektonische Konsequenz\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\">Sie können die <strong>Ausführungsebene<\u002Fstrong> selbst hosten, ohne die <strong>Harness-Ebene<\u002Fstrong> selbst hosten zu müssen. Das ist oft der richtige Mittelweg.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-15\">Verwaltetes Harness: Was Sie tatsächlich gewinnen\u003C\u002Fh2>\n\u003Cp>Ein verwaltetes Harness nimmt Ihnen mehr als nur eine While-Schleife ab. Die aktuelle Agents-API von OpenAI verwaltet Sitzungen, Orchestrierung, Kontextkompaktierung und Wiederherstellung. Anthropics Arbeit zu verwalteten Agenten beschreibt dieselbe übergeordnete Motivation: Harnesses enthalten Annahmen über das Modellverhalten, und diese Annahmen müssen sich mit der Weiterentwicklung der Modelle anpassen.\u003C\u002Fp>\n\u003Cp>Das bedeutet, dass der Vorteil nicht nur in weniger Codezeilen besteht. Die Plattform kann Laufzeitverhalten, langfristige Kontextverarbeitung, Subagenten-Koordination und Wiederherstellung aktualisieren, ohne dass jedes Anwendungsteam diese Mechanismen neu entwickeln muss.\u003C\u002Fp>\n\u003Cul>\u003Cli>Weniger anwendungseigener Orchestrierungscode.\u003C\u002Fli>\u003Cli>Verwaltetes Verhalten langlebiger Sitzungen.\u003C\u002Fli>\u003Cli>Verwaltete Kontextkompaktierung und Wiederherstellung.\u003C\u002Fli>\u003Cli>Eine Laufzeitumgebung, die sich mit den Modellfähigkeiten weiterentwickeln kann.\u003C\u002Fli>\u003Cli>Einfachere Einführung plattformnativer Funktionen für Subagenten und langlebige Agenten.\u003C\u002Fli>\u003Cli>Potenziell geringerer Betriebsaufwand für Teams, deren Unterscheidungsmerkmal nicht das Harness selbst ist.\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2 id=\"section-19\">Verwaltetes Harness: Worauf Sie verzichten\u003C\u002Fh2>\n\u003Cp>Die Übergabe des Harness bedeutet auch die Abgabe eines Teils der Kontrolle. Ihre Anwendung bestimmt nicht mehr jedes Detail der Iteration, Kontextstrategie, Orchestrierung und Laufzeitentwicklung. Eine Plattformaktualisierung kann das System verbessern, aber auch Verhaltensweisen verändern, auf die sich Ihr Produkt implizit verlassen hat.\u003C\u002Fp>\n\u003Cp>Daraus entsteht eine andere Art von Engineering-Anforderung: robuste Evaluierungen, explizite Produktgrenzen und eine Integrationsschicht, die verhindert, dass das Verhalten verwalteter Sitzungen zu Ihrer geschäftlichen Single Source of Truth wird.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Kompromiss bei verwaltetem Harness\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Was das operativ bedeutet\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Geringere Schleifenkontrolle\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sie können nicht davon ausgehen, dass jedes Orchestrierungsdetail von der Anwendung definiert wird\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plattformentwicklung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Das Harness-Verhalten kann sich verbessern oder ändern, ohne dass sich Ihr Code ändert\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Anbieterspezifischer Lebenszyklus\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Sitzungen, Ereignisse und Wiederherstellungssemantik werden Teil der Integrationsfläche\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Observability-Grenze\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plattform-Traces müssen mit den Audit-Daten der Anwendung zusammengeführt werden\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Portabilitätskosten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ein späterer Wechsel zu einem anderen Harness erfordert möglicherweise mehr als nur das Austauschen von Modell-Endpunkten\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-23\">Selbst gehostete Ausführungsumgebung: Die mittlere Architektur\u003C\u002Fh2>\n\u003Cp>Das Modell der selbst gehosteten Umgebung von OpenAI ist wichtig, da es private Rechenressourcen von der Kontrolle über das Harness entkoppelt. Die Plattform führt weiterhin das Codex-Harness aus, während ein Executor in Ihrer Umgebung läuft und Befehle über eine ausgehende Verbindung empfängt.\u003C\u002Fp>\n\u003Cp>Sie kontrollieren Bereitstellung, Dateien, Abhängigkeiten, Netzwerkzugriff und Bereinigung. Das Harness kann somit auf private Infrastruktur oder individuelle Software zugreifen, ohne dass die gesamte Agenten-Laufzeitumgebung in Ihre Anwendung verlagert werden muss.\u003C\u002Fp>\n\u003Cp>Der Preis dafür ist die Verantwortung für den Lebenszyklus. Ihre Anwendung muss Sitzungen Rechenressourcen zuweisen, doppelte Bereitstellungen vermeiden, Umgebungen wieder verbinden, das Herunterfahren koordinieren und alle Dateien aufbewahren, die die Umgebung überdauern müssen.\u003C\u002Fp>\n\u003Ch3 id=\"section-27\">Wann eine selbst gehostete Ausführung ausreicht\u003C\u002Fh3>\n\u003Cul>\u003Cli>Der Agent benötigt Zugriff auf eine private VPC oder einen internen Dienst.\u003C\u002Fli>\u003Cli>Der Agent benötigt benutzerdefinierte Binärdateien, Pakete, Treiber oder Systemsoftware.\u003C\u002Fli>\u003Cli>Die Arbeitslast muss auf Hardware oder Cloud-Konten ausgeführt werden, die Sie kontrollieren.\u003C\u002Fli>\u003Cli>Dateien müssen innerhalb einer kontrollierten Umgebung verbleiben.\u003C\u002Fli>\u003Cli>Sie benötigen Ihren eigenen Sandbox-Anbieter oder ein eigenes Isolationsmodell.\u003C\u002Fli>\u003Cli>Sie möchten eine plattformverwaltete Orchestrierung, aber eine infrastrukturkontrollierte Ausführung.\u003C\u002Fli>\u003C\u002Ful>\n\u003Ch2 id=\"section-29\">Wann Sie möglicherweise auch das Harness selbst betreiben müssen\u003C\u002Fh2>\n\u003Cp>Der eigene Betrieb des Harness ist dann gerechtfertigt, wenn das Harness selbst Teil Ihrer Produktdifferenzierung oder Ihrer Vorgaben ist. OpenAIs aktuelle Laufzeitübersicht positioniert das Codex SDK für den Betrieb des Codex-Harness in der von Ihnen betriebenen Infrastruktur, während Responses die Low-Level-Option darstellt, wenn Sie die Agentenschleife vollständig selbst verwalten möchten.\u003C\u002Fp>\n\u003Cp>Entscheidend ist, eine Anforderung zu identifizieren, die tatsächlich auf der Harness-Ebene und nicht auf der Ausführungsebene liegt.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Anforderung\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Problem der Ausführungsebene oder der Harness-Ebene?\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Wahrscheinliche Ausrichtung\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Zugriff auf private Datenbanken\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ausführungsebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verwaltetes Harness + selbst gehostete Umgebung kann ausreichen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Benutzerdefinierte Linux-Pakete\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ausführungsebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verwaltetes Harness + selbst gehostete Umgebung\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Spezifische GPU-Hardware\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ausführungsebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Verwaltetes Harness + selbst gehostete Umgebung (sofern unterstützt)\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Benutzerdefinierte Stopplogik für Agenten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Ebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Selbst betriebenes Harness \u002F eigene Schleife\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Anbieterübergreifendes Modell-Routing bei jedem Schritt\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Ebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eigene Schleife oder selbst betriebenes Harness\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Benutzerdefinierter Algorithmus zur Kontextkomprimierung\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Ebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Selbst betriebenes Harness, falls die verwaltete Laufzeit dies nicht bereitstellen kann\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Deterministische Orchestrierungssemantik vom Produkt gefordert\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Ebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Selbst betriebenes Harness oder streng kontrollierte eigene Schleife\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Rein lokale Produktbereitstellung ohne Abhängigkeit von einem verwalteten Harness\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Ebene + Ausführungsebene\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Selbst betriebene Laufzeitumgebung\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-33\">Der Kontroll-Eskalationstest\u003C\u002Fh2>\n\u003Cp>Wählen Sie die am wenigsten selbst gehostete Architektur, die die tatsächliche Anforderung erfüllt. Erhöhen Sie den Kontrollgrad schrittweise Schicht für Schicht.\u003C\u002Fp>\n\u003Csection class=\"editorjs-process my-6\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Kontroll-Eskalationstest\u003C\u002Fh3>\u003Cdiv class=\"grid grid-cols-1 md:grid-cols-2 xl:grid-cols-3 gap-4\">\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">1\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">1. Bei den Anwendungsgrenzen beginnen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Behalten Sie die Domänenwahrheit, Autorisierung und folgenreiche Geschäftsaktionen unabhängig von der Agenten-Laufzeitumgebung in Ihrem eigenen Produkt.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">2\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">2. Klären, ob der Agent eine lokale Ausführung benötigt\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Falls nicht, kann ein verwaltetes Harness ohne dedizierte Umgebung ausreichend sein.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">3\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">3. Prüfen, ob plattformgehostete Rechenleistung akzeptabel ist\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Falls ja, nutzen Sie eine verwaltete Umgebung und vermeiden Sie unnötigen Infrastrukturbetrieb.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">4\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">4. Falls nicht, die Ausführungsebene selbst hosten\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Binden Sie Ihre eigene Umgebung an, um private Netzwerke, Dateien, Pakete oder kontrollierte Rechenleistung bereitzustellen.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">5\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">5. Die verbleibende Anforderung neu bewerten\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Wenn die Anforderung nun erfüllt ist, stoppen Sie hier. Hosten Sie das Harness nicht allein aus Gründen der architektonischen Symmetrie selbst.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">6\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">6. Die Kontrolle über das Harness nur für echte Harness-Anforderungen übernehmen\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Betreiben Sie das Codex-Harness oder eine eigene Agentenschleife nur dann selbst, wenn Orchestrierung, Kontextstrategie, Lebenszyklus oder Portabilität dies zwingend erfordern.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv class=\"editorjs-process__step min-w-0  rounded-xl border border-gray-200 dark:border-gray-700 p-4\">\u003Cdiv class=\"text-xs font-semibold text-gray-500 dark:text-gray-400\">7\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 font-semibold text-gray-900 dark:text-gray-100\">7. Nachweisen, dass die zusätzliche Kontrolle den operativen Mehraufwand rechtfertigt\u003C\u002Fdiv>\u003Cdiv class=\"mt-1 text-sm text-gray-600 dark:text-gray-300\">Überprüfen Sie Zuverlässigkeit, Latenz, Kosten, Wiederherstellung, Observability und Entwicklungsaufwand per Benchmark, bevor Sie sich endgültig festlegen.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-36\">Der Betriebsaufwand wächst nichtlinear, wenn Sie das Harness selbst betreiben\u003C\u002Fh2>\n\u003Cp>Eine selbst betriebene Schleife klingt in einer Demo simpel: Modell aufrufen, Tool-Aufruf prüfen, Tool ausführen, Ergebnis anhängen, wiederholen. Der Produktivbetrieb bringt jedoch langlebigen Zustand, Wiederholungsversuche, doppelte Ereignisse, Abbrüche, Genehmigungen, Kontextüberlauf, Tool-Timeouts, Prozessneustarts, Trace-Persistenz, Gegendruck (Backpressure), nebenläufige Arbeit und die Wiederherstellung nach partiellen Seiteneffekten mit sich.\u003C\u002Fp>\n\u003Cp>Die Forschung von Anthropic zu langlebigen Agenten zeigt immer wieder, dass das Harness-Design die Leistung maßgeblich beeinflusst. Ihre Arbeit zur Entwicklung langlebiger Anwendungen nutzt explizite Planung, strukturierte Artefakte und Evaluator-Agenten, da naive Schleifen dazu neigen, Fortschritte zu verlieren oder vorzeitig abzubrechen. Das Harness ist daher Produktionslogik, keine bloße Infrastruktur-Verkabelung.\u003C\u002Fp>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Wenn Sie das Harness selbst betreiben, benötigen Sie auch Antworten auf\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Warum es wichtig ist\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Durable session state\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Prozesse starten neu; langlebige Aufgaben müssen korrekt fortgesetzt werden\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Context compaction\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Der Verlauf überschreitet irgendwann den praktisch nutzbaren Arbeitskontext\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Tool idempotency\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Wiederholungsversuche dürfen irreversible Seiteneffekte nicht wiederholen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Cancellation and interruption\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Benutzer und Systeme müssen Arbeit anhalten oder umleiten können\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Recovery after partial execution\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ein Tool kann erfolgreich sein, selbst wenn der Agent das Ergebnis nie erhält\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Concurrency\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mehrere Aufgaben, Worker oder Agenten können auf geteilten Zustand zugreifen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Observability\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Die finale Ausgabe reicht nicht aus, um Laufzeitfehler zu debuggen\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Versioning\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-Updates können das Verhalten ändern, selbst wenn Prompts unverändert bleiben\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Evaluation\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Laufzeitänderungen erfordern Regressionstests über repräsentative Trajektorien hinweg\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-40\">Sicherheitsgrenze: Selbst gehostete Rechenleistung macht den Agenten nicht automatisch privat\u003C\u002Fh2>\n\u003Cp>Eine selbst gehostete Ausführungsumgebung kontrolliert, wo Befehle ausgeführt werden und wo Dateien liegen, doch das verwaltete Harness und die Modellinteraktion überschreiten weiterhin die Dienstgrenze. Teams sollten Datenflüsse daher explizit abbilden, anstatt „selbst gehostet“ als Synonym für Datenschutz zu verwenden.\u003C\u002Fp>\n\u003Cp>Der selbst gehostete Executor von OpenAI verwendet eingeschränkte Umgebungs-Anmeldedaten und ausgehende Verbindungen. Das ist eine nützliche Isolierung, aber Ihre Anwendung benötigt dennoch eigene Regeln für Secrets, Freigaben privater Netzwerke, Benutzer-zu-Umgebungs-Isolierung, Dateiaufbewahrung, Tool-Autorisierung und Datenklassifizierung.\u003C\u002Fp>\n\u003Caside class=\"editorjs-callout editorjs-callout--warning my-6 rounded-xl border p-5 border-amber-300 bg-amber-50 dark:border-amber-900 dark:bg-amber-950\u002F20\" role=\"note\">\u003Cstrong class=\"block mb-2 text-gray-900 dark:text-gray-100\">Wichtige Unterscheidung\u003C\u002Fstrong>\u003Cdiv class=\"text-gray-700 dark:text-gray-200\"><strong>Infrastrukturkontrolle, Ausführungsisolierung und Data-Governance-Grenzen hängen zusammen, sind aber nicht identisch.<\u002Fstrong> Treffen Sie diese Entscheidungen separat.\u003C\u002Fdiv>\u003C\u002Faside>\n\u003Ch2 id=\"section-44\">Latenz und Kosten: Kontrolle kann Engpässe verschieben statt beseitigen\u003C\u002Fh2>\n\u003Cp>Self-Hosting kann einige Datenpfad- oder Umgebung-Startkosten senken, aber auch Bereitstellungszeit, WebSocket-Lebenszyklen, Kaltstarts, Sandbox-Bereinigung, Observability-Infrastruktur und Engineering-Overhead verursachen. Eine verwaltete Umgebung kostet pro Recheneinheit möglicherweise mehr, ist bei geringem oder unregelmäßigem Volumen jedoch oft günstiger im Betrieb.\u003C\u002Fp>\n\u003Cp>Der zutreffende Vergleich sind die Gesamtsystemkosten: Modell- und Tool-Nutzung, Umgebungszeit, Infrastruktur, Entwicklungsaufwand, Bereitschaftsbelastung, Fehlerbehebung und die Kosten einer langsameren Iteration.\u003C\u002Fp>\n\u003Ch2 id=\"section-47\">Eine Entscheidungsmatrix für die Produktion\u003C\u002Fh2>\n\u003Cdiv class=\"overflow-x-auto\">\u003Ctable class=\"w-full border-collapse\">\u003Cthead>\u003Ctr>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Kriterium\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Verwaltetes Harness + verwaltete Umgebung\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Verwaltetes Harness + selbst gehostete Umgebung\u003C\u002Fth>\u003Cth class=\"border border-gray-300 px-4 py-2 text-left font-semibold\">Selbst betriebenes Harness \u002F eigene Schleife\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Fastest path to production\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stark\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mittel\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am schwächsten\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Private-network execution\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Schwach \u002F hängt vom Konnektivitätsdesign ab\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stark\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stark\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Custom packages \u002F system software\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mittel\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stark\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Stark\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Harness-level control\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Niedrig\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Niedrig\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am höchsten\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Operational burden\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am geringsten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mittel\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am höchsten\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Portability\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am geringsten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Mittel\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Potenziell am höchsten bei gezieltem Design\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Context strategy control\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plattformverwaltet\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Plattformverwaltet\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Anwendungsgesteuert\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Execution infrastructure control\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Niedrig\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Hoch\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Hoch\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Ability to benefit from managed harness updates\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am höchsten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Am höchsten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Eigene Verantwortung für Übernahme\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Best fit\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Teams, die sich auf Produkt-\u002FTool-Ebene differenzieren\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Teams, die private\u002Fbenutzerdefinierte Rechenleistung benötigen, ohne die Orchestrierung selbst zu verwalten\u003C\u002Ftd>\u003Ctd class=\"border border-gray-300 px-4 py-2\">Teams, bei denen die Laufzeitsemantik selbst eine Kernanforderung ist\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003C\u002Fdiv>\n\u003Ch2 id=\"section-49\">Hybrid ist kein Kompromiss – es ist oft die sauberere Architektur\u003C\u002Fh2>\n\u003Cp>Ein verwaltetes Harness mit selbst gehosteter Ausführung ist nicht „halb selbst gehostet“. Es ist eine bewusste Trennung von Zuständigkeiten. Die Plattform übernimmt die Komplexität der Agentenlaufzeit für lange Zeithorizonte, während Ihre Infrastruktur die Ausführung, private Konnektivität und Dateien verantwortet.\u003C\u002Fp>\n\u003Cp>Diese Abgrenzung ähnelt anderen Cloud-Architekturen: verwaltete Control Plane, kundengesteuerte Data oder Execution Plane. Die wesentliche Entwurfsarbeit besteht darin, den Vertrag dazwischen zu definieren – Sitzungsidentität, Umgebungsidentität, Anmeldedaten, Dateien, Tool-Berechtigungen, Lifecycle-Ereignisse und Bereinigung.\u003C\u002Fp>\n\u003Caside class=\"editorjs-referral my-6\">\u003Ca href=\"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fopenai-agents-api-vs-agents-sdk-vs-responses-api-what-should-you-build-on-in-2026\" class=\"flex flex-col sm:flex-row gap-4 rounded-xl border border-gray-200 dark:border-gray-700 p-4 transition hover:border-primary-500\">\u003Cdiv class=\"min-w-0 flex-1\">\u003Cstrong class=\"block text-lg text-gray-900 dark:text-gray-100\">OpenAI Agents API vs. Agents SDK vs. Responses API: Worauf sollten Sie 2026 aufbauen?\u003C\u002Fstrong>\u003Cp class=\"mt-2 text-sm text-gray-600 dark:text-gray-300\">Ein Vergleich der Laufzeitverantwortung aktueller OpenAI-Agentenschnittstellen und wo die jeweiligen Kontrollgrenzen liegen.\u003C\u002Fp>\u003Cspan class=\"mt-3 inline-flex text-sm font-medium text-primary-600 dark:text-primary-400\">Laufzeitvergleich lesen →\u003C\u002Fspan>\u003C\u002Fdiv>\u003C\u002Fa>\u003C\u002Faside>\n\u003Ch2 id=\"section-53\">Was würde diese Einschätzung ändern?\u003C\u002Fh2>\n\u003Cp>Die Empfehlung ändert sich, wenn verwaltete Harnesses deutlich mehr Laufzeitkontrolle bieten, wenn selbst gehostete Harnesses einfachere Primitive für persistente Sitzungen und Wiederherstellung erhalten oder wenn regulatorische Vorgaben vorschreiben, dass die gesamte Agentenschleife und Modellinteraktion innerhalb der von Ihnen betriebenen Infrastruktur verbleiben muss.\u003C\u002Fp>\n\u003Cp>Es ändert sich auch mit den Fähigkeiten der Modelle. Anthropic weist ausdrücklich darauf hin, dass Annahmen über den Harness veralten können, wenn sich Modelle verbessern. Ein Kontrollmechanismus, der heute unverzichtbar ist, kann später überflüssig werden, während eine neue Modellfähigkeit eine neue Governance-Anforderung schaffen kann.\u003C\u002Fp>\n\u003Ch2 id=\"section-56\">Einschränkungen\u003C\u002Fh2>\n\u003Cp>Dieser Artikel grenzt architektonische Verantwortlichkeiten voneinander ab; er behauptet nicht, dass ein Hosting-Modell durchgehend sicherer, kostengünstiger oder zuverlässiger ist. Diese Ergebnisse hängen von der Implementierung, dem Workload, den Compliance-Anforderungen, den Fähigkeiten des Teams und dem Verhalten des Anbieters ab.\u003C\u002Fp>\n\u003Cp>Die OpenAI Agents API befindet sich noch in der Public Beta, und Managed-Agent-Produkte verschiedener Anbieter weisen unterschiedliche Abgrenzungen auf. Das Zwei-Ebenen-Modell soll dabei helfen, diese Architekturen zu vergleichen, ohne vorauszusetzen, dass jeder Anbieter identische Begriffe verwendet.\u003C\u002Fp>\n\u003Ch2 id=\"section-59\">Fazit\u003C\u002Fh2>\n\u003Cp>Die sinnvolle Frage lautet nicht: „Sollten wir den Agenten selbst hosten?“ Sie lautet: Welche Ebene müssen wir tatsächlich kontrollieren?\u003C\u002Fp>\n\u003Cp>Wenn die Anforderung privates Compute, benutzerdefinierte Pakete, lokale Dateien oder Zugriff auf interne Netzwerke ist, hosten Sie die Execution Plane selbst und belassen Sie den Harness als Managed Service. Wenn die Anforderung Orchestrierungssemantik, Kontextstrategie, Anbieterkontrolle oder der Runtime-Lebenszyklus selbst ist, kann ein eigener Harness gerechtfertigt sein. Eskalieren Sie die Kontrolle nur so weit, wie es die Anforderung erfordert.\u003C\u002Fp>\n\u003Ch2 id=\"section-62\">FAQ\u003C\u002Fh2>\n\u003Csection class=\"editorjs-faq my-6 rounded-xl border border-gray-200 p-5 dark:border-gray-700\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Managed Harnesses und selbst gehostete Agent-Runtimes\u003C\u002Fh3>\u003Cdiv id=\"faq1\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Ist eine selbst gehostete Umgebung der OpenAI Agents API ein selbst gehosteter Agent?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Nicht vollständig. OpenAI betreibt weiterhin den verwalteten Codex-Harness, während Ihre Infrastruktur die Ausführungsumgebung für Befehle, Dateien und lokale Tools bereitstellt.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq2\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Wann reicht eine selbst gehostete Umgebung aus?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Sie reicht häufig aus, wenn Ihre Anforderungen den Zugriff auf private Netzwerke, benutzerdefinierte Pakete, kontrollierte Dateien, spezifische Hardware oder Infrastruktur-Richtlinien betreffen, anstatt die Kontrolle über den Agent-Loop selbst.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq3\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Wann sollte ich den Harness selbst betreiben?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Ziehen Sie einen eigenen Harness in Betracht, wenn Sie eine benutzerdefinierte Orchestrierungssemantik, ein eigenes Kontextmanagement, Provider-Routing, ein rein lokales Runtime-Verhalten oder eine andere Anforderung benötigen, die im Agent-Loop und nicht in der Ausführungsumgebung angesiedelt ist.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq4\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Verbessert Self-Hosting automatisch die Sicherheit?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Nein. Es ändert lediglich, welche Komponenten Sie kontrollieren. Sicherheit hängt von Datenflüssen, Isolierung, Zugangsdaten, Tool-Berechtigungen, Netzwerk, Protokollierung und dem Lifecycle-Design über alle Komponenten hinweg ab.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003Cdiv id=\"faq5\" class=\"border-t border-gray-200 py-4 first:border-t-0 dark:border-gray-700\">\u003Ch4 class=\"font-semibold text-gray-900 dark:text-gray-100\">Was ist der größte betriebliche Aufwand beim Betrieb des Agent-Loops?\u003C\u002Fh4>\u003Cdiv class=\"mt-2 text-gray-600 dark:text-gray-300\">Sie werden für persistenten Zustand, Kontextmanagement, Wiederholungsversuche, Abbrüche, Wiederherstellung, Observability, Nebenläufigkeit, Runtime-Upgrades und die Evaluierung von Änderungen am Harness verantwortlich.\u003C\u002Fdiv>\u003C\u002Fdiv>\u003C\u002Fsection>\n\u003Ch2 id=\"section-64\">Glossar\u003C\u002Fh2>\n\u003Csection class=\"editorjs-glossary my-6 rounded-xl border border-gray-200 dark:border-gray-700 p-5\">\u003Ch3 class=\"mb-3 text-lg font-semibold\">Wichtige Architekturbegriffe\u003C\u002Fh3>\u003Cdl>\u003Cdiv id=\"harness-plane\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Harness Plane\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die Agent-Runtime-Schicht, die für Loop-Ausführung, Orchestrierung, Kontextmanagement, Sitzungskontinuität und Wiederherstellung zuständig ist.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"execution-plane\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Execution Plane\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Die Umgebung, in der Befehle ausgeführt werden, Code läuft und auf Dateien, Pakete und lokale Ressourcen zugegriffen wird.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"managed-harness\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Managed Harness\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Ein Agent-Harness, dessen Runtime, Sitzungsmanagement und Orchestrierung von einem Plattformanbieter betrieben werden.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"self-hosted-environment\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Self-hosted Environment\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Compute-Ressourcen und Dateien, die vom Anwendungsbetreiber betrieben werden, während ein separater Agent-Harness an anderer Stelle verwaltet werden kann.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"self-operated-harness\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Self-operated Harness\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Eine Agent-Runtime, deren Loop, Hosting, Kontextstrategie und Lebenszyklus vom Anwendungsteam betrieben werden.\u003C\u002Fdd>\u003C\u002Fdiv>\u003Cdiv id=\"control-escalation-test\" class=\"border-t border-gray-200 dark:border-gray-700 py-3 first:border-t-0\">\u003Cdt class=\"font-semibold text-gray-900 dark:text-gray-100\">Control Escalation Test\u003C\u002Fdt>\u003Cdd class=\"mt-1 text-gray-600 dark:text-gray-300\">Eine Entscheidungsmethode, die den Grad der Infrastruktur- und Runtime-Kontrolle nur dann erhöht, wenn eine Anforderung auf einer Ebene mit geringerer Kontrolle nicht erfüllt werden kann.\u003C\u002Fdd>\u003C\u002Fdiv>\u003C\u002Fdl>\u003C\u002Fsection>\n\u003Ch2 id=\"section-66\">Primärquellen und weiterführende Literatur\u003C\u002Fh2>\n\u003Ca href=\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Farchitecture\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">OpenAI — Agents API Architecture\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Aktuelle Trennung zwischen gehostetem Harness, Ausführungsumgebung und Anwendungsserver.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Fenvironments\u002Fself-hosted\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">OpenAI — Self-hosted sandboxes\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Wie vom Kunden betriebene Ausführungsumgebungen sich mit dem verwalteten Harness verbinden und welche Lifecycle-Verantwortlichkeiten bei der Anwendung verbleiben.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Fenvironments\u002Flifecycle\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">OpenAI — Sandbox lifecycle\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Bereitstellung, Wiederverbindung, Vermeidung doppelter Umgebungen und Bereinigungsaufgaben für selbst gehostetes Compute.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">OpenAI — Agent runtime options\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Aktueller Vergleich von Agents API, Codex SDK und Responses API nach verwalteten versus anwendungsbetriebenen Verantwortlichkeiten.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fdevelopers.openai.com\u002Fblog\u002Fcodex-as-a-platform\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">OpenAI — Codex as a platform\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Open-Source-Codex-Harness und Integrationsschichten für Anwendungen, die eine tiefere Runtime-Kontrolle erfordern.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fmanaged-agents\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Anthropic — Scaling Managed Agents: Decoupling the brain from the hands\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Diskussion über die Architektur verwalteter Agenten und warum sich Harness-Annahmen mit den Modellfähigkeiten weiterentwickeln müssen.\u003C\u002Fp>\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents\" target=\"_blank\" rel=\"noopener noreferrer\" class=\"editorjs-link-tool block border border-gray-200 dark:border-gray-700 rounded-lg p-4 transition text-gray-900 dark:text-gray-100 hover:border-primary-500 hover:bg-primary-50 dark:hover:bg-gray-900 hover:text-gray-900 dark:hover:text-gray-100\">\u003Cstrong class=\"block font-semibold\">Anthropic — Effektive Harnesses für langlebige Agenten\u003C\u002Fstrong>\u003Cp class=\"text-sm text-gray-600 dark:text-gray-400\">Erkenntnisse aus der Entwicklung, die zeigen, dass die Leistung langlebiger Agenten wesentlich vom Harness-Design und persistenten Artefakten abhängt.\u003C\u002Fp>\u003C\u002Fa>",{"time":211,"blocks":212,"version":869},1790365294676,[213,221,227,235,242,248,253,258,263,268,273,298,303,333,340,345,350,355,369,374,379,384,407,412,417,422,427,432,444,449,454,459,493,498,503,532,537,542,547,582,587,592,597,603,608,613,618,623,665,670,675,680,689,694,699,704,709,714,719,724,729,734,739,765,770,800,805,815,824,833,842,851,860],{"id":214,"data":215,"type":219,"tunes":220},"-PDI7SJcNl",{"title":216,"maxLevel":217,"minLevel":218},"Inhalt",3,2,"tableOfContents",{},{"id":222,"data":223,"type":225,"tunes":226},"intro",{"text":224},"Der Begriff „selbstgehosteter Agent“ verbirgt heute mindestens drei verschiedene Architekturen. Sie können ein verwaltetes Harness mit von OpenAI gehosteter Rechenleistung nutzen, ein verwaltetes Harness, das mit von Ihnen betriebener Infrastruktur verbunden ist, oder das Harness und die Agentenschleife selbst ausführen. Diese Optionen haben sehr unterschiedliche Auswirkungen auf Kontrolle, Wiederherstellung, Kontextverwaltung, Sicherheit, Latenz und Betriebsaufwand.","paragraph",{},{"id":228,"data":229,"type":233,"tunes":234},"direct",{"body":230,"title":231,"variant":232},"\u003Cstrong>Entscheiden Sie sich nicht zwischen „managed“ und „selbstgehostet“, als wäre dies eine binäre Entscheidung.\u003C\u002Fstrong> Trennen Sie die \u003Cstrong>Harness-Ebene\u003C\u002Fstrong> von der \u003Cstrong>Ausführungsebene\u003C\u002Fstrong>. Ein verwaltetes Harness kann dennoch selbstgehostete Rechenleistung nutzen. Eine selbstgehostete Umgebung gibt Ihnen die Kontrolle über Dateien, Pakete, Netzwerkzugriff und Ausführung, ohne dass Sie die Agentenschleife selbst verwalten müssen. Betreiben Sie das Harness nur dann selbst, wenn Sie die Kontrolle über Orchestrierung, Lebenszyklus, Modell-Routing-Annahmen oder Laufzeitverhalten benötigen, die ein verwaltetes Harness nicht bieten kann.","Direkte Antwort","info","callout",{},{"id":236,"data":237,"type":233,"tunes":241},"current",{"body":238,"title":239,"variant":240},"Die Agents-API von OpenAI befindet sich in der öffentlichen Beta-Phase und ihre Architektur kann sich weiterentwickeln. Die aktuelle Dokumentation trennt das von OpenAI gehostete Codex-Harness von der Ausführungsumgebung und unterstützt explizit selbstgehostete Umgebungen. OpenAI stellt das Codex-Harness über das Codex SDK auch separat für von Ihnen betriebene Infrastruktur bereit.","Stand: 25. September 2026","warning",{},{"id":243,"data":244,"type":233,"tunes":247},"note",{"body":245,"title":246,"variant":243},"Das Modell aus Harness-Ebene \u002F Ausführungsebene und der unten stehende Control-Escalation-Test sind hier vorgeschlagene praktische Architekturwerkzeuge. Es handelt sich nicht um eine formelle Anbieter-Terminologie.","Das in diesem Artikel verwendete Modell",{},{"id":249,"data":250,"type":41,"tunes":252},"h-mistake",{"text":251,"level":218},"Der Fehler: Self-Hosting als eine einzige Entscheidung zu betrachten",{},{"id":254,"data":255,"type":225,"tunes":257},"p-mistake-1",{"text":256},"Bei herkömmlicher Software bedeutet „selbstgehostet“ meist, dass die Anwendung auf einer von Ihnen kontrollierten Infrastruktur läuft. Agentensysteme verkomplizieren diese Definition, da die Laufzeitumgebung aufgeteilt werden kann. Die Modell-und-Tool-Schleife kann an einem Ort ausgeführt werden, während Codeausführung, Dateien und der Zugriff auf private Netzwerke an einem anderen Ort stattfinden.",{},{"id":259,"data":260,"type":225,"tunes":262},"p-mistake-2",{"text":261},"Die aktuelle Agents-API-Architektur von OpenAI macht diese Trennung explizit: OpenAI führt das Harness aus, während die Ausführungsumgebung fehlen, von OpenAI gehostet oder selbstgehostet sein kann. Eine selbstgehostete Umgebung bedeutet daher nicht, dass auch die Agentenschleife selbstgehostet ist.",{},{"id":264,"data":265,"type":225,"tunes":267},"p-mistake-3",{"text":266},"Diese Unterscheidung ist wichtig, da viele Teams eine komplexere Laufzeitumgebung wählen, als sie benötigen. Sie möchten Zugriff auf private Netzwerke oder benutzerdefinierte Pakete, schlussfolgern daraus, dass der gesamte Agent selbstgehostet sein muss, und übernehmen ungewollt die Verantwortung für Kontextverwaltung, Orchestrierung, Wiederherstellung und Lebenszyklus, die eigentlich verwaltet bleiben könnten.",{},{"id":269,"data":270,"type":41,"tunes":272},"h-three",{"text":271,"level":218},"Drei Architekturen, die oft als „selbstgehostet“ bezeichnet werden",{},{"id":274,"data":275,"type":296,"tunes":297},"three-table",{"content":276,"stretched":42,"withHeadings":13},[277,282,287,291],[278,279,280,281],"Architektur","Wer führt das Harness aus?","Wo Code\u002FDateien ausgeführt werden","Was Sie primär selbst verantworten",[283,284,285,286],"Verwaltetes Harness + verwaltete Umgebung","Plattform","Von der Plattform gehostete Sandbox","Anwendung, Tools, Produktlogik, Autorisierung",[288,284,289,290],"Verwaltetes Harness + selbstgehostete Umgebung","Ihr Container, Ihre VM, Ihr Laptop, Ihre Private Cloud oder sonstige Rechenleistung","Umgebungsbereitstellung, Netzwerk, Dateien und Lebenszyklus; Plattform verwaltet weiterhin das Harness",[292,293,294,295],"Selbstbetriebenes Harness \u002F Agentenschleife","Sie","Ihre gewählte Umgebung","Harness-Prozess, Orchestrierung, Kontextstrategie, Hosting, Wiederherstellung, Ausführung und Anwendungslebenszyklus","table",{},{"id":299,"data":300,"type":41,"tunes":302},"h-two-plane",{"text":301,"level":218},"Das Zwei-Ebenen-Modell",{},{"id":304,"data":305,"type":331,"tunes":332},"plane-comparison",{"rows":306,"title":320,"layout":296,"columns":321},[307,312,316],{"id":308,"label":309,"values":310},"harness","Harness-Ebene",[311,311,311],"",{"id":313,"label":314,"values":315},"execution","Ausführungsebene",[311,311,311],{"id":317,"label":318,"values":319},"application","Anwendungsebene",[311,311,311],"Trennen Sie die Harness-Ebene von der Ausführungsebene",[322,325,328],{"id":323,"label":324},"plane","Ebene",{"id":326,"label":327},"owns","Was sie verantwortet",{"id":329,"label":330},"questions","Zu stellende Fragen","comparison",{},{"id":334,"data":335,"type":233,"tunes":339},"key-consequence",{"body":336,"title":337,"variant":338},"Sie können die \u003Cstrong>Ausführungsebene\u003C\u002Fstrong> selbst hosten, ohne die \u003Cstrong>Harness-Ebene\u003C\u002Fstrong> selbst hosten zu müssen. Das ist oft der richtige Mittelweg.","Wesentliche architektonische Konsequenz","success",{},{"id":341,"data":342,"type":41,"tunes":344},"h-managed",{"text":343,"level":218},"Verwaltetes Harness: Was Sie tatsächlich gewinnen",{},{"id":346,"data":347,"type":225,"tunes":349},"p-managed-1",{"text":348},"Ein verwaltetes Harness nimmt Ihnen mehr als nur eine While-Schleife ab. Die aktuelle Agents-API von OpenAI verwaltet Sitzungen, Orchestrierung, Kontextkompaktierung und Wiederherstellung. Anthropics Arbeit zu verwalteten Agenten beschreibt dieselbe übergeordnete Motivation: Harnesses enthalten Annahmen über das Modellverhalten, und diese Annahmen müssen sich mit der Weiterentwicklung der Modelle anpassen.",{},{"id":351,"data":352,"type":225,"tunes":354},"p-managed-2",{"text":353},"Das bedeutet, dass der Vorteil nicht nur in weniger Codezeilen besteht. Die Plattform kann Laufzeitverhalten, langfristige Kontextverarbeitung, Subagenten-Koordination und Wiederherstellung aktualisieren, ohne dass jedes Anwendungsteam diese Mechanismen neu entwickeln muss.",{},{"id":356,"data":357,"type":367,"tunes":368},"managed-list",{"meta":358,"items":359,"style":366},{},[360,361,362,363,364,365],"Weniger anwendungseigener Orchestrierungscode.","Verwaltetes Verhalten langlebiger Sitzungen.","Verwaltete Kontextkompaktierung und Wiederherstellung.","Eine Laufzeitumgebung, die sich mit den Modellfähigkeiten weiterentwickeln kann.","Einfachere Einführung plattformnativer Funktionen für Subagenten und langlebige Agenten.","Potenziell geringerer Betriebsaufwand für Teams, deren Unterscheidungsmerkmal nicht das Harness selbst ist.","unordered","list",{},{"id":370,"data":371,"type":41,"tunes":373},"h-managed-cost",{"text":372,"level":218},"Verwaltetes Harness: Worauf Sie verzichten",{},{"id":375,"data":376,"type":225,"tunes":378},"p-managed-cost-1",{"text":377},"Die Übergabe des Harness bedeutet auch die Abgabe eines Teils der Kontrolle. Ihre Anwendung bestimmt nicht mehr jedes Detail der Iteration, Kontextstrategie, Orchestrierung und Laufzeitentwicklung. Eine Plattformaktualisierung kann das System verbessern, aber auch Verhaltensweisen verändern, auf die sich Ihr Produkt implizit verlassen hat.",{},{"id":380,"data":381,"type":225,"tunes":383},"p-managed-cost-2",{"text":382},"Daraus entsteht eine andere Art von Engineering-Anforderung: robuste Evaluierungen, explizite Produktgrenzen und eine Integrationsschicht, die verhindert, dass das Verhalten verwalteter Sitzungen zu Ihrer geschäftlichen Single Source of Truth wird.",{},{"id":385,"data":386,"type":296,"tunes":406},"managed-cost-table",{"content":387,"stretched":42,"withHeadings":13},[388,391,394,397,400,403],[389,390],"Kompromiss bei verwaltetem Harness","Was das operativ bedeutet",[392,393],"Geringere Schleifenkontrolle","Sie können nicht davon ausgehen, dass jedes Orchestrierungsdetail von der Anwendung definiert wird",[395,396],"Plattformentwicklung","Das Harness-Verhalten kann sich verbessern oder ändern, ohne dass sich Ihr Code ändert",[398,399],"Anbieterspezifischer Lebenszyklus","Sitzungen, Ereignisse und Wiederherstellungssemantik werden Teil der Integrationsfläche",[401,402],"Observability-Grenze","Plattform-Traces müssen mit den Audit-Daten der Anwendung zusammengeführt werden",[404,405],"Portabilitätskosten","Ein späterer Wechsel zu einem anderen Harness erfordert möglicherweise mehr als nur das Austauschen von Modell-Endpunkten",{},{"id":408,"data":409,"type":41,"tunes":411},"h-self-env",{"text":410,"level":218},"Selbst gehostete Ausführungsumgebung: Die mittlere Architektur",{},{"id":413,"data":414,"type":225,"tunes":416},"p-self-env-1",{"text":415},"Das Modell der selbst gehosteten Umgebung von OpenAI ist wichtig, da es private Rechenressourcen von der Kontrolle über das Harness entkoppelt. Die Plattform führt weiterhin das Codex-Harness aus, während ein Executor in Ihrer Umgebung läuft und Befehle über eine ausgehende Verbindung empfängt.",{},{"id":418,"data":419,"type":225,"tunes":421},"p-self-env-2",{"text":420},"Sie kontrollieren Bereitstellung, Dateien, Abhängigkeiten, Netzwerkzugriff und Bereinigung. Das Harness kann somit auf private Infrastruktur oder individuelle Software zugreifen, ohne dass die gesamte Agenten-Laufzeitumgebung in Ihre Anwendung verlagert werden muss.",{},{"id":423,"data":424,"type":225,"tunes":426},"p-self-env-3",{"text":425},"Der Preis dafür ist die Verantwortung für den Lebenszyklus. Ihre Anwendung muss Sitzungen Rechenressourcen zuweisen, doppelte Bereitstellungen vermeiden, Umgebungen wieder verbinden, das Herunterfahren koordinieren und alle Dateien aufbewahren, die die Umgebung überdauern müssen.",{},{"id":428,"data":429,"type":41,"tunes":431},"h-enough",{"text":430,"level":217},"Wann eine selbst gehostete Ausführung ausreicht",{},{"id":433,"data":434,"type":367,"tunes":443},"enough-list",{"meta":435,"items":436,"style":366},{},[437,438,439,440,441,442],"Der Agent benötigt Zugriff auf eine private VPC oder einen internen Dienst.","Der Agent benötigt benutzerdefinierte Binärdateien, Pakete, Treiber oder Systemsoftware.","Die Arbeitslast muss auf Hardware oder Cloud-Konten ausgeführt werden, die Sie kontrollieren.","Dateien müssen innerhalb einer kontrollierten Umgebung verbleiben.","Sie benötigen Ihren eigenen Sandbox-Anbieter oder ein eigenes Isolationsmodell.","Sie möchten eine plattformverwaltete Orchestrierung, aber eine infrastrukturkontrollierte Ausführung.",{},{"id":445,"data":446,"type":41,"tunes":448},"h-own-harness",{"text":447,"level":218},"Wann Sie möglicherweise auch das Harness selbst betreiben müssen",{},{"id":450,"data":451,"type":225,"tunes":453},"p-own-1",{"text":452},"Der eigene Betrieb des Harness ist dann gerechtfertigt, wenn das Harness selbst Teil Ihrer Produktdifferenzierung oder Ihrer Vorgaben ist. OpenAIs aktuelle Laufzeitübersicht positioniert das Codex SDK für den Betrieb des Codex-Harness in der von Ihnen betriebenen Infrastruktur, während Responses die Low-Level-Option darstellt, wenn Sie die Agentenschleife vollständig selbst verwalten möchten.",{},{"id":455,"data":456,"type":225,"tunes":458},"p-own-2",{"text":457},"Entscheidend ist, eine Anforderung zu identifizieren, die tatsächlich auf der Harness-Ebene und nicht auf der Ausführungsebene liegt.",{},{"id":460,"data":461,"type":296,"tunes":492},"requirements-table",{"content":462,"stretched":42,"withHeadings":13},[463,467,470,473,476,479,482,485,488],[464,465,466],"Anforderung","Problem der Ausführungsebene oder der Harness-Ebene?","Wahrscheinliche Ausrichtung",[468,314,469],"Zugriff auf private Datenbanken","Verwaltetes Harness + selbst gehostete Umgebung kann ausreichen",[471,314,472],"Benutzerdefinierte Linux-Pakete","Verwaltetes Harness + selbst gehostete Umgebung",[474,314,475],"Spezifische GPU-Hardware","Verwaltetes Harness + selbst gehostete Umgebung (sofern unterstützt)",[477,309,478],"Benutzerdefinierte Stopplogik für Agenten","Selbst betriebenes Harness \u002F eigene Schleife",[480,309,481],"Anbieterübergreifendes Modell-Routing bei jedem Schritt","Eigene Schleife oder selbst betriebenes Harness",[483,309,484],"Benutzerdefinierter Algorithmus zur Kontextkomprimierung","Selbst betriebenes Harness, falls die verwaltete Laufzeit dies nicht bereitstellen kann",[486,309,487],"Deterministische Orchestrierungssemantik vom Produkt gefordert","Selbst betriebenes Harness oder streng kontrollierte eigene Schleife",[489,490,491],"Rein lokale Produktbereitstellung ohne Abhängigkeit von einem verwalteten Harness","Harness-Ebene + Ausführungsebene","Selbst betriebene Laufzeitumgebung",{},{"id":494,"data":495,"type":41,"tunes":497},"h-control-test",{"text":496,"level":218},"Der Kontroll-Eskalationstest",{},{"id":499,"data":500,"type":225,"tunes":502},"p-control-intro",{"text":501},"Wählen Sie die am wenigsten selbst gehostete Architektur, die die tatsächliche Anforderung erfüllt. Erhöhen Sie den Kontrollgrad schrittweise Schicht für Schicht.",{},{"id":504,"data":505,"type":530,"tunes":531},"control-flow",{"steps":506,"title":528,"orientation":529},[507,510,513,516,519,522,525],{"label":508,"description":509},"1. Bei den Anwendungsgrenzen beginnen","Behalten Sie die Domänenwahrheit, Autorisierung und folgenreiche Geschäftsaktionen unabhängig von der Agenten-Laufzeitumgebung in Ihrem eigenen Produkt.",{"label":511,"description":512},"2. Klären, ob der Agent eine lokale Ausführung benötigt","Falls nicht, kann ein verwaltetes Harness ohne dedizierte Umgebung ausreichend sein.",{"label":514,"description":515},"3. Prüfen, ob plattformgehostete Rechenleistung akzeptabel ist","Falls ja, nutzen Sie eine verwaltete Umgebung und vermeiden Sie unnötigen Infrastrukturbetrieb.",{"label":517,"description":518},"4. Falls nicht, die Ausführungsebene selbst hosten","Binden Sie Ihre eigene Umgebung an, um private Netzwerke, Dateien, Pakete oder kontrollierte Rechenleistung bereitzustellen.",{"label":520,"description":521},"5. Die verbleibende Anforderung neu bewerten","Wenn die Anforderung nun erfüllt ist, stoppen Sie hier. Hosten Sie das Harness nicht allein aus Gründen der architektonischen Symmetrie selbst.",{"label":523,"description":524},"6. Die Kontrolle über das Harness nur für echte Harness-Anforderungen übernehmen","Betreiben Sie das Codex-Harness oder eine eigene Agentenschleife nur dann selbst, wenn Orchestrierung, Kontextstrategie, Lebenszyklus oder Portabilität dies zwingend erfordern.",{"label":526,"description":527},"7. Nachweisen, dass die zusätzliche Kontrolle den operativen Mehraufwand rechtfertigt","Überprüfen Sie Zuverlässigkeit, Latenz, Kosten, Wiederherstellung, Observability und Entwicklungsaufwand per Benchmark, bevor Sie sich endgültig festlegen.","Kontroll-Eskalationstest","auto","processFlow",{},{"id":533,"data":534,"type":41,"tunes":536},"h-ops",{"text":535,"level":218},"Der Betriebsaufwand wächst nichtlinear, wenn Sie das Harness selbst betreiben",{},{"id":538,"data":539,"type":225,"tunes":541},"p-ops-1",{"text":540},"Eine selbst betriebene Schleife klingt in einer Demo simpel: Modell aufrufen, Tool-Aufruf prüfen, Tool ausführen, Ergebnis anhängen, wiederholen. Der Produktivbetrieb bringt jedoch langlebigen Zustand, Wiederholungsversuche, doppelte Ereignisse, Abbrüche, Genehmigungen, Kontextüberlauf, Tool-Timeouts, Prozessneustarts, Trace-Persistenz, Gegendruck (Backpressure), nebenläufige Arbeit und die Wiederherstellung nach partiellen Seiteneffekten mit sich.",{},{"id":543,"data":544,"type":225,"tunes":546},"p-ops-2",{"text":545},"Die Forschung von Anthropic zu langlebigen Agenten zeigt immer wieder, dass das Harness-Design die Leistung maßgeblich beeinflusst. Ihre Arbeit zur Entwicklung langlebiger Anwendungen nutzt explizite Planung, strukturierte Artefakte und Evaluator-Agenten, da naive Schleifen dazu neigen, Fortschritte zu verlieren oder vorzeitig abzubrechen. Das Harness ist daher Produktionslogik, keine bloße Infrastruktur-Verkabelung.",{},{"id":548,"data":549,"type":296,"tunes":581},"ops-table",{"content":550,"stretched":42,"withHeadings":13},[551,554,557,560,563,566,569,572,575,578],[552,553],"Wenn Sie das Harness selbst betreiben, benötigen Sie auch Antworten auf","Warum es wichtig ist",[555,556],"Durable session state","Prozesse starten neu; langlebige Aufgaben müssen korrekt fortgesetzt werden",[558,559],"Context compaction","Der Verlauf überschreitet irgendwann den praktisch nutzbaren Arbeitskontext",[561,562],"Tool idempotency","Wiederholungsversuche dürfen irreversible Seiteneffekte nicht wiederholen",[564,565],"Cancellation and interruption","Benutzer und Systeme müssen Arbeit anhalten oder umleiten können",[567,568],"Recovery after partial execution","Ein Tool kann erfolgreich sein, selbst wenn der Agent das Ergebnis nie erhält",[570,571],"Concurrency","Mehrere Aufgaben, Worker oder Agenten können auf geteilten Zustand zugreifen",[573,574],"Observability","Die finale Ausgabe reicht nicht aus, um Laufzeitfehler zu debuggen",[576,577],"Versioning","Harness-Updates können das Verhalten ändern, selbst wenn Prompts unverändert bleiben",[579,580],"Evaluation","Laufzeitänderungen erfordern Regressionstests über repräsentative Trajektorien hinweg",{},{"id":583,"data":584,"type":41,"tunes":586},"h-security",{"text":585,"level":218},"Sicherheitsgrenze: Selbst gehostete Rechenleistung macht den Agenten nicht automatisch privat",{},{"id":588,"data":589,"type":225,"tunes":591},"p-sec-1",{"text":590},"Eine selbst gehostete Ausführungsumgebung kontrolliert, wo Befehle ausgeführt werden und wo Dateien liegen, doch das verwaltete Harness und die Modellinteraktion überschreiten weiterhin die Dienstgrenze. Teams sollten Datenflüsse daher explizit abbilden, anstatt „selbst gehostet“ als Synonym für Datenschutz zu verwenden.",{},{"id":593,"data":594,"type":225,"tunes":596},"p-sec-2",{"text":595},"Der selbst gehostete Executor von OpenAI verwendet eingeschränkte Umgebungs-Anmeldedaten und ausgehende Verbindungen. Das ist eine nützliche Isolierung, aber Ihre Anwendung benötigt dennoch eigene Regeln für Secrets, Freigaben privater Netzwerke, Benutzer-zu-Umgebungs-Isolierung, Dateiaufbewahrung, Tool-Autorisierung und Datenklassifizierung.",{},{"id":598,"data":599,"type":233,"tunes":602},"sec-callout",{"body":600,"title":601,"variant":240},"\u003Cstrong>Infrastrukturkontrolle, Ausführungsisolierung und Data-Governance-Grenzen hängen zusammen, sind aber nicht identisch.\u003C\u002Fstrong> Treffen Sie diese Entscheidungen separat.","Wichtige Unterscheidung",{},{"id":604,"data":605,"type":41,"tunes":607},"h-cost",{"text":606,"level":218},"Latenz und Kosten: Kontrolle kann Engpässe verschieben statt beseitigen",{},{"id":609,"data":610,"type":225,"tunes":612},"p-cost-1",{"text":611},"Self-Hosting kann einige Datenpfad- oder Umgebung-Startkosten senken, aber auch Bereitstellungszeit, WebSocket-Lebenszyklen, Kaltstarts, Sandbox-Bereinigung, Observability-Infrastruktur und Engineering-Overhead verursachen. Eine verwaltete Umgebung kostet pro Recheneinheit möglicherweise mehr, ist bei geringem oder unregelmäßigem Volumen jedoch oft günstiger im Betrieb.",{},{"id":614,"data":615,"type":225,"tunes":617},"p-cost-2",{"text":616},"Der zutreffende Vergleich sind die Gesamtsystemkosten: Modell- und Tool-Nutzung, Umgebungszeit, Infrastruktur, Entwicklungsaufwand, Bereitschaftsbelastung, Fehlerbehebung und die Kosten einer langsameren Iteration.",{},{"id":619,"data":620,"type":41,"tunes":622},"h-matrix",{"text":621,"level":218},"Eine Entscheidungsmatrix für die Produktion",{},{"id":624,"data":625,"type":296,"tunes":664},"decision-matrix",{"content":626,"stretched":42,"withHeadings":13},[627,629,634,637,639,643,646,649,653,656,659],[628,283,472,478],"Kriterium",[630,631,632,633],"Fastest path to production","Stark","Mittel","Am schwächsten",[635,636,631,631],"Private-network execution","Schwach \u002F hängt vom Konnektivitätsdesign ab",[638,632,631,631],"Custom packages \u002F system software",[640,641,641,642],"Harness-level control","Niedrig","Am höchsten",[644,645,632,642],"Operational burden","Am geringsten",[647,645,632,648],"Portability","Potenziell am höchsten bei gezieltem Design",[650,651,651,652],"Context strategy control","Plattformverwaltet","Anwendungsgesteuert",[654,641,655,655],"Execution infrastructure control","Hoch",[657,642,642,658],"Ability to benefit from managed harness updates","Eigene Verantwortung für Übernahme",[660,661,662,663],"Best fit","Teams, die sich auf Produkt-\u002FTool-Ebene differenzieren","Teams, die private\u002Fbenutzerdefinierte Rechenleistung benötigen, ohne die Orchestrierung selbst zu verwalten","Teams, bei denen die Laufzeitsemantik selbst eine Kernanforderung ist",{},{"id":666,"data":667,"type":41,"tunes":669},"h-hybrid",{"text":668,"level":218},"Hybrid ist kein Kompromiss – es ist oft die sauberere Architektur",{},{"id":671,"data":672,"type":225,"tunes":674},"p-hybrid-1",{"text":673},"Ein verwaltetes Harness mit selbst gehosteter Ausführung ist nicht „halb selbst gehostet“. Es ist eine bewusste Trennung von Zuständigkeiten. Die Plattform übernimmt die Komplexität der Agentenlaufzeit für lange Zeithorizonte, während Ihre Infrastruktur die Ausführung, private Konnektivität und Dateien verantwortet.",{},{"id":676,"data":677,"type":225,"tunes":679},"p-hybrid-2",{"text":678},"Diese Abgrenzung ähnelt anderen Cloud-Architekturen: verwaltete Control Plane, kundengesteuerte Data oder Execution Plane. Die wesentliche Entwurfsarbeit besteht darin, den Vertrag dazwischen zu definieren – Sitzungsidentität, Umgebungsidentität, Anmeldedaten, Dateien, Tool-Berechtigungen, Lifecycle-Ereignisse und Bereinigung.",{},{"id":681,"data":682,"type":687,"tunes":688},"ref-runtime",{"url":683,"title":684,"excerpt":685,"ctaLabel":686},"https:\u002F\u002Fstajic.de\u002Fde\u002Fblog\u002Fopenai-agents-api-vs-agents-sdk-vs-responses-api-what-should-you-build-on-in-2026","OpenAI Agents API vs. Agents SDK vs. Responses API: Worauf sollten Sie 2026 aufbauen?","Ein Vergleich der Laufzeitverantwortung aktueller OpenAI-Agentenschnittstellen und wo die jeweiligen Kontrollgrenzen liegen.","Laufzeitvergleich lesen","referralArticle",{},{"id":690,"data":691,"type":41,"tunes":693},"h-change",{"text":692,"level":218},"Was würde diese Einschätzung ändern?",{},{"id":695,"data":696,"type":225,"tunes":698},"p-change-1",{"text":697},"Die Empfehlung ändert sich, wenn verwaltete Harnesses deutlich mehr Laufzeitkontrolle bieten, wenn selbst gehostete Harnesses einfachere Primitive für persistente Sitzungen und Wiederherstellung erhalten oder wenn regulatorische Vorgaben vorschreiben, dass die gesamte Agentenschleife und Modellinteraktion innerhalb der von Ihnen betriebenen Infrastruktur verbleiben muss.",{},{"id":700,"data":701,"type":225,"tunes":703},"p-change-2",{"text":702},"Es ändert sich auch mit den Fähigkeiten der Modelle. Anthropic weist ausdrücklich darauf hin, dass Annahmen über den Harness veralten können, wenn sich Modelle verbessern. Ein Kontrollmechanismus, der heute unverzichtbar ist, kann später überflüssig werden, während eine neue Modellfähigkeit eine neue Governance-Anforderung schaffen kann.",{},{"id":705,"data":706,"type":41,"tunes":708},"h-limit",{"text":707,"level":218},"Einschränkungen",{},{"id":710,"data":711,"type":225,"tunes":713},"p-limit-1",{"text":712},"Dieser Artikel grenzt architektonische Verantwortlichkeiten voneinander ab; er behauptet nicht, dass ein Hosting-Modell durchgehend sicherer, kostengünstiger oder zuverlässiger ist. Diese Ergebnisse hängen von der Implementierung, dem Workload, den Compliance-Anforderungen, den Fähigkeiten des Teams und dem Verhalten des Anbieters ab.",{},{"id":715,"data":716,"type":225,"tunes":718},"p-limit-2",{"text":717},"Die OpenAI Agents API befindet sich noch in der Public Beta, und Managed-Agent-Produkte verschiedener Anbieter weisen unterschiedliche Abgrenzungen auf. Das Zwei-Ebenen-Modell soll dabei helfen, diese Architekturen zu vergleichen, ohne vorauszusetzen, dass jeder Anbieter identische Begriffe verwendet.",{},{"id":720,"data":721,"type":41,"tunes":723},"h-conclusion",{"text":722,"level":218},"Fazit",{},{"id":725,"data":726,"type":225,"tunes":728},"p-conclusion-1",{"text":727},"Die sinnvolle Frage lautet nicht: „Sollten wir den Agenten selbst hosten?“ Sie lautet: Welche Ebene müssen wir tatsächlich kontrollieren?",{},{"id":730,"data":731,"type":225,"tunes":733},"p-conclusion-2",{"text":732},"Wenn die Anforderung privates Compute, benutzerdefinierte Pakete, lokale Dateien oder Zugriff auf interne Netzwerke ist, hosten Sie die Execution Plane selbst und belassen Sie den Harness als Managed Service. Wenn die Anforderung Orchestrierungssemantik, Kontextstrategie, Anbieterkontrolle oder der Runtime-Lebenszyklus selbst ist, kann ein eigener Harness gerechtfertigt sein. Eskalieren Sie die Kontrolle nur so weit, wie es die Anforderung erfordert.",{},{"id":735,"data":736,"type":41,"tunes":738},"h-faq",{"text":737,"level":218},"FAQ",{},{"id":740,"data":741,"type":740,"tunes":764},"faq",{"items":742,"title":763},[743,747,751,755,759],{"id":744,"answer":745,"question":746},"faq1","Nicht vollständig. OpenAI betreibt weiterhin den verwalteten Codex-Harness, während Ihre Infrastruktur die Ausführungsumgebung für Befehle, Dateien und lokale Tools bereitstellt.","Ist eine selbst gehostete Umgebung der OpenAI Agents API ein selbst gehosteter Agent?",{"id":748,"answer":749,"question":750},"faq2","Sie reicht häufig aus, wenn Ihre Anforderungen den Zugriff auf private Netzwerke, benutzerdefinierte Pakete, kontrollierte Dateien, spezifische Hardware oder Infrastruktur-Richtlinien betreffen, anstatt die Kontrolle über den Agent-Loop selbst.","Wann reicht eine selbst gehostete Umgebung aus?",{"id":752,"answer":753,"question":754},"faq3","Ziehen Sie einen eigenen Harness in Betracht, wenn Sie eine benutzerdefinierte Orchestrierungssemantik, ein eigenes Kontextmanagement, Provider-Routing, ein rein lokales Runtime-Verhalten oder eine andere Anforderung benötigen, die im Agent-Loop und nicht in der Ausführungsumgebung angesiedelt ist.","Wann sollte ich den Harness selbst betreiben?",{"id":756,"answer":757,"question":758},"faq4","Nein. Es ändert lediglich, welche Komponenten Sie kontrollieren. Sicherheit hängt von Datenflüssen, Isolierung, Zugangsdaten, Tool-Berechtigungen, Netzwerk, Protokollierung und dem Lifecycle-Design über alle Komponenten hinweg ab.","Verbessert Self-Hosting automatisch die Sicherheit?",{"id":760,"answer":761,"question":762},"faq5","Sie werden für persistenten Zustand, Kontextmanagement, Wiederholungsversuche, Abbrüche, Wiederherstellung, Observability, Nebenläufigkeit, Runtime-Upgrades und die Evaluierung von Änderungen am Harness verantwortlich.","Was ist der größte betriebliche Aufwand beim Betrieb des Agent-Loops?","Managed Harnesses und selbst gehostete Agent-Runtimes",{},{"id":766,"data":767,"type":41,"tunes":769},"h-glossary",{"text":768,"level":218},"Glossar",{},{"id":771,"data":772,"type":771,"tunes":799},"glossary",{"title":773,"entries":774},"Wichtige Architekturbegriffe",[775,779,783,787,791,795],{"term":776,"anchor":777,"definition":778},"Harness Plane","harness-plane","Die Agent-Runtime-Schicht, die für Loop-Ausführung, Orchestrierung, Kontextmanagement, Sitzungskontinuität und Wiederherstellung zuständig ist.",{"term":780,"anchor":781,"definition":782},"Execution Plane","execution-plane","Die Umgebung, in der Befehle ausgeführt werden, Code läuft und auf Dateien, Pakete und lokale Ressourcen zugegriffen wird.",{"term":784,"anchor":785,"definition":786},"Managed Harness","managed-harness","Ein Agent-Harness, dessen Runtime, Sitzungsmanagement und Orchestrierung von einem Plattformanbieter betrieben werden.",{"term":788,"anchor":789,"definition":790},"Self-hosted Environment","self-hosted-environment","Compute-Ressourcen und Dateien, die vom Anwendungsbetreiber betrieben werden, während ein separater Agent-Harness an anderer Stelle verwaltet werden kann.",{"term":792,"anchor":793,"definition":794},"Self-operated Harness","self-operated-harness","Eine Agent-Runtime, deren Loop, Hosting, Kontextstrategie und Lebenszyklus vom Anwendungsteam betrieben werden.",{"term":796,"anchor":797,"definition":798},"Control Escalation Test","control-escalation-test","Eine Entscheidungsmethode, die den Grad der Infrastruktur- und Runtime-Kontrolle nur dann erhöht, wenn eine Anforderung auf einer Ebene mit geringerer Kontrolle nicht erfüllt werden kann.",{},{"id":801,"data":802,"type":41,"tunes":804},"h-sources",{"text":803,"level":218},"Primärquellen und weiterführende Literatur",{},{"id":806,"data":807,"type":813,"tunes":814},"src-openai-architecture",{"link":808,"meta":809},"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Farchitecture",{"image":810,"title":811,"description":812},{"url":311},"OpenAI — Agents API Architecture","Aktuelle Trennung zwischen gehostetem Harness, Ausführungsumgebung und Anwendungsserver.","linkTool",{},{"id":816,"data":817,"type":813,"tunes":823},"src-openai-selfhosted",{"link":818,"meta":819},"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Fenvironments\u002Fself-hosted",{"image":820,"title":821,"description":822},{"url":311},"OpenAI — Self-hosted sandboxes","Wie vom Kunden betriebene Ausführungsumgebungen sich mit dem verwalteten Harness verbinden und welche Lifecycle-Verantwortlichkeiten bei der Anwendung verbleiben.",{},{"id":825,"data":826,"type":813,"tunes":832},"src-openai-lifecycle",{"link":827,"meta":828},"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Fenvironments\u002Flifecycle",{"image":829,"title":830,"description":831},{"url":311},"OpenAI — Sandbox lifecycle","Bereitstellung, Wiederverbindung, Vermeidung doppelter Umgebungen und Bereinigungsaufgaben für selbst gehostetes Compute.",{},{"id":834,"data":835,"type":813,"tunes":841},"src-openai-runtime",{"link":836,"meta":837},"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents",{"image":838,"title":839,"description":840},{"url":311},"OpenAI — Agent runtime options","Aktueller Vergleich von Agents API, Codex SDK und Responses API nach verwalteten versus anwendungsbetriebenen Verantwortlichkeiten.",{},{"id":843,"data":844,"type":813,"tunes":850},"src-openai-platform",{"link":845,"meta":846},"https:\u002F\u002Fdevelopers.openai.com\u002Fblog\u002Fcodex-as-a-platform",{"image":847,"title":848,"description":849},{"url":311},"OpenAI — Codex as a platform","Open-Source-Codex-Harness und Integrationsschichten für Anwendungen, die eine tiefere Runtime-Kontrolle erfordern.",{},{"id":852,"data":853,"type":813,"tunes":859},"src-anthropic-managed",{"link":854,"meta":855},"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fmanaged-agents",{"image":856,"title":857,"description":858},{"url":311},"Anthropic — Scaling Managed Agents: Decoupling the brain from the hands","Diskussion über die Architektur verwalteter Agenten und warum sich Harness-Annahmen mit den Modellfähigkeiten weiterentwickeln müssen.",{},{"id":861,"data":862,"type":813,"tunes":868},"src-anthropic-harness",{"link":863,"meta":864},"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents",{"image":865,"title":866,"description":867},{"url":311},"Anthropic — Effektive Harnesses für langlebige Agenten","Erkenntnisse aus der Entwicklung, die zeigen, dass die Leistung langlebiger Agenten wesentlich vom Harness-Design und persistenten Artefakten abhängt.",{},"2.31","“Selbst gehosteter Agent” kann sehr unterschiedliche Architekturen bedeuten. Dieser Leitfaden unterscheidet zwischen dem Managed Harness, der selbst gehosteten Ausführungsumgebung und dem vollständig selbst betriebenen Agent-Loop—und zeigt, welche Kontrollgrenze Teams tatsächlich benötigen.","\u002Fuploads\u002F2026\u002F09\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose-1790352403475-kj10jh.webp","managed-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose-1790352403475-kj10jh","PUBLISHED","2026-09-25T12:05:00.000Z","2026-09-25T16:05:38.279Z","2026-09-25T19:49:39.069Z",{"en":878,"de":879,"sr":880,"es":881,"fr":882,"it":883,"ru":884,"zh":885},"\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Fde\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Fsr\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Fes\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Ffr\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Fit\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Fru\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose","\u002Fzh\u002Fblog\u002Fmanaged-agent-harness-vs-self-hosted-agent-loop-what-you-gain-what-you-lose",[887,891,895],{"id":888,"name":889,"slug":890},89,"Evaluation-Harness","evaluation-harness",{"id":892,"name":893,"slug":894},78,"Optimierungsschleife","optimization-loop",{"id":896,"name":897,"slug":898},91,"Monitoring (Qualität, Drift)","monitoring",{"id":900,"login":901,"email":902,"displayName":903},"20","rooth8233","aleksandar@stajic.de","Aleksandar Stajić",[905,1222],{"lang":7,"title":207,"content":209,"contentJson":906,"excerpt":870},{"time":211,"blocks":907,"version":869},[908,911,914,917,920,923,926,929,932,935,938,946,949,963,966,969,972,975,980,983,986,989,999,1002,1005,1008,1011,1014,1019,1022,1025,1028,1041,1044,1047,1058,1061,1064,1067,1081,1084,1087,1090,1093,1096,1099,1102,1105,1120,1123,1126,1129,1132,1135,1138,1141,1144,1147,1150,1153,1156,1159,1162,1171,1174,1184,1187,1192,1197,1202,1207,1212,1217],{"id":214,"data":909,"type":219,"tunes":910},{"title":216,"maxLevel":217,"minLevel":218},{},{"id":222,"data":912,"type":225,"tunes":913},{"text":224},{},{"id":228,"data":915,"type":233,"tunes":916},{"body":230,"title":231,"variant":232},{},{"id":236,"data":918,"type":233,"tunes":919},{"body":238,"title":239,"variant":240},{},{"id":243,"data":921,"type":233,"tunes":922},{"body":245,"title":246,"variant":243},{},{"id":249,"data":924,"type":41,"tunes":925},{"text":251,"level":218},{},{"id":254,"data":927,"type":225,"tunes":928},{"text":256},{},{"id":259,"data":930,"type":225,"tunes":931},{"text":261},{},{"id":264,"data":933,"type":225,"tunes":934},{"text":266},{},{"id":269,"data":936,"type":41,"tunes":937},{"text":271,"level":218},{},{"id":274,"data":939,"type":296,"tunes":945},{"content":940,"stretched":42,"withHeadings":13},[941,942,943,944],[278,279,280,281],[283,284,285,286],[288,284,289,290],[292,293,294,295],{},{"id":299,"data":947,"type":41,"tunes":948},{"text":301,"level":218},{},{"id":304,"data":950,"type":331,"tunes":962},{"rows":951,"title":320,"layout":296,"columns":958},[952,954,956],{"id":308,"label":309,"values":953},[311,311,311],{"id":313,"label":314,"values":955},[311,311,311],{"id":317,"label":318,"values":957},[311,311,311],[959,960,961],{"id":323,"label":324},{"id":326,"label":327},{"id":329,"label":330},{},{"id":334,"data":964,"type":233,"tunes":965},{"body":336,"title":337,"variant":338},{},{"id":341,"data":967,"type":41,"tunes":968},{"text":343,"level":218},{},{"id":346,"data":970,"type":225,"tunes":971},{"text":348},{},{"id":351,"data":973,"type":225,"tunes":974},{"text":353},{},{"id":356,"data":976,"type":367,"tunes":979},{"meta":977,"items":978,"style":366},{},[360,361,362,363,364,365],{},{"id":370,"data":981,"type":41,"tunes":982},{"text":372,"level":218},{},{"id":375,"data":984,"type":225,"tunes":985},{"text":377},{},{"id":380,"data":987,"type":225,"tunes":988},{"text":382},{},{"id":385,"data":990,"type":296,"tunes":998},{"content":991,"stretched":42,"withHeadings":13},[992,993,994,995,996,997],[389,390],[392,393],[395,396],[398,399],[401,402],[404,405],{},{"id":408,"data":1000,"type":41,"tunes":1001},{"text":410,"level":218},{},{"id":413,"data":1003,"type":225,"tunes":1004},{"text":415},{},{"id":418,"data":1006,"type":225,"tunes":1007},{"text":420},{},{"id":423,"data":1009,"type":225,"tunes":1010},{"text":425},{},{"id":428,"data":1012,"type":41,"tunes":1013},{"text":430,"level":217},{},{"id":433,"data":1015,"type":367,"tunes":1018},{"meta":1016,"items":1017,"style":366},{},[437,438,439,440,441,442],{},{"id":445,"data":1020,"type":41,"tunes":1021},{"text":447,"level":218},{},{"id":450,"data":1023,"type":225,"tunes":1024},{"text":452},{},{"id":455,"data":1026,"type":225,"tunes":1027},{"text":457},{},{"id":460,"data":1029,"type":296,"tunes":1040},{"content":1030,"stretched":42,"withHeadings":13},[1031,1032,1033,1034,1035,1036,1037,1038,1039],[464,465,466],[468,314,469],[471,314,472],[474,314,475],[477,309,478],[480,309,481],[483,309,484],[486,309,487],[489,490,491],{},{"id":494,"data":1042,"type":41,"tunes":1043},{"text":496,"level":218},{},{"id":499,"data":1045,"type":225,"tunes":1046},{"text":501},{},{"id":504,"data":1048,"type":530,"tunes":1057},{"steps":1049,"title":528,"orientation":529},[1050,1051,1052,1053,1054,1055,1056],{"label":508,"description":509},{"label":511,"description":512},{"label":514,"description":515},{"label":517,"description":518},{"label":520,"description":521},{"label":523,"description":524},{"label":526,"description":527},{},{"id":533,"data":1059,"type":41,"tunes":1060},{"text":535,"level":218},{},{"id":538,"data":1062,"type":225,"tunes":1063},{"text":540},{},{"id":543,"data":1065,"type":225,"tunes":1066},{"text":545},{},{"id":548,"data":1068,"type":296,"tunes":1080},{"content":1069,"stretched":42,"withHeadings":13},[1070,1071,1072,1073,1074,1075,1076,1077,1078,1079],[552,553],[555,556],[558,559],[561,562],[564,565],[567,568],[570,571],[573,574],[576,577],[579,580],{},{"id":583,"data":1082,"type":41,"tunes":1083},{"text":585,"level":218},{},{"id":588,"data":1085,"type":225,"tunes":1086},{"text":590},{},{"id":593,"data":1088,"type":225,"tunes":1089},{"text":595},{},{"id":598,"data":1091,"type":233,"tunes":1092},{"body":600,"title":601,"variant":240},{},{"id":604,"data":1094,"type":41,"tunes":1095},{"text":606,"level":218},{},{"id":609,"data":1097,"type":225,"tunes":1098},{"text":611},{},{"id":614,"data":1100,"type":225,"tunes":1101},{"text":616},{},{"id":619,"data":1103,"type":41,"tunes":1104},{"text":621,"level":218},{},{"id":624,"data":1106,"type":296,"tunes":1119},{"content":1107,"stretched":42,"withHeadings":13},[1108,1109,1110,1111,1112,1113,1114,1115,1116,1117,1118],[628,283,472,478],[630,631,632,633],[635,636,631,631],[638,632,631,631],[640,641,641,642],[644,645,632,642],[647,645,632,648],[650,651,651,652],[654,641,655,655],[657,642,642,658],[660,661,662,663],{},{"id":666,"data":1121,"type":41,"tunes":1122},{"text":668,"level":218},{},{"id":671,"data":1124,"type":225,"tunes":1125},{"text":673},{},{"id":676,"data":1127,"type":225,"tunes":1128},{"text":678},{},{"id":681,"data":1130,"type":687,"tunes":1131},{"url":683,"title":684,"excerpt":685,"ctaLabel":686},{},{"id":690,"data":1133,"type":41,"tunes":1134},{"text":692,"level":218},{},{"id":695,"data":1136,"type":225,"tunes":1137},{"text":697},{},{"id":700,"data":1139,"type":225,"tunes":1140},{"text":702},{},{"id":705,"data":1142,"type":41,"tunes":1143},{"text":707,"level":218},{},{"id":710,"data":1145,"type":225,"tunes":1146},{"text":712},{},{"id":715,"data":1148,"type":225,"tunes":1149},{"text":717},{},{"id":720,"data":1151,"type":41,"tunes":1152},{"text":722,"level":218},{},{"id":725,"data":1154,"type":225,"tunes":1155},{"text":727},{},{"id":730,"data":1157,"type":225,"tunes":1158},{"text":732},{},{"id":735,"data":1160,"type":41,"tunes":1161},{"text":737,"level":218},{},{"id":740,"data":1163,"type":740,"tunes":1170},{"items":1164,"title":763},[1165,1166,1167,1168,1169],{"id":744,"answer":745,"question":746},{"id":748,"answer":749,"question":750},{"id":752,"answer":753,"question":754},{"id":756,"answer":757,"question":758},{"id":760,"answer":761,"question":762},{},{"id":766,"data":1172,"type":41,"tunes":1173},{"text":768,"level":218},{},{"id":771,"data":1175,"type":771,"tunes":1183},{"title":773,"entries":1176},[1177,1178,1179,1180,1181,1182],{"term":776,"anchor":777,"definition":778},{"term":780,"anchor":781,"definition":782},{"term":784,"anchor":785,"definition":786},{"term":788,"anchor":789,"definition":790},{"term":792,"anchor":793,"definition":794},{"term":796,"anchor":797,"definition":798},{},{"id":801,"data":1185,"type":41,"tunes":1186},{"text":803,"level":218},{},{"id":806,"data":1188,"type":813,"tunes":1191},{"link":808,"meta":1189},{"image":1190,"title":811,"description":812},{"url":311},{},{"id":816,"data":1193,"type":813,"tunes":1196},{"link":818,"meta":1194},{"image":1195,"title":821,"description":822},{"url":311},{},{"id":825,"data":1198,"type":813,"tunes":1201},{"link":827,"meta":1199},{"image":1200,"title":830,"description":831},{"url":311},{},{"id":834,"data":1203,"type":813,"tunes":1206},{"link":836,"meta":1204},{"image":1205,"title":839,"description":840},{"url":311},{},{"id":843,"data":1208,"type":813,"tunes":1211},{"link":845,"meta":1209},{"image":1210,"title":848,"description":849},{"url":311},{},{"id":852,"data":1213,"type":813,"tunes":1216},{"link":854,"meta":1214},{"image":1215,"title":857,"description":858},{"url":311},{},{"id":861,"data":1218,"type":813,"tunes":1221},{"link":863,"meta":1219},{"image":1220,"title":866,"description":867},{"url":311},{},{"lang":1223,"title":1224,"content":1225,"contentJson":1226,"excerpt":1743},"en","Managed Agent Harness vs Self-Hosted Agent Loop: What You Gain, What You Lose","{\"time\":1790352404508,\"blocks\":[{\"id\":\"-PDI7SJcNl\",\"type\":\"tableOfContents\",\"data\":{\"title\":\"Contents\",\"minLevel\":2,\"maxLevel\":3},\"tunes\":{}},{\"id\":\"intro\",\"type\":\"paragraph\",\"data\":{\"text\":\"The phrase “self-hosted agent” now hides at least three different architectures. You can use a managed harness with OpenAI-hosted compute, a managed harness connected to infrastructure you operate, or run the harness and agent loop yourself. Those choices have very different implications for control, recovery, context management, security, latency, and operational burden.\"},\"tunes\":{}},{\"id\":\"direct\",\"type\":\"callout\",\"data\":{\"variant\":\"info\",\"title\":\"Direct answer\",\"body\":\"\u003Cstrong>Do not choose between “managed” and “self-hosted” as if they were one binary decision.\u003C\u002Fstrong> Separate the \u003Cstrong>harness plane\u003C\u002Fstrong> from the \u003Cstrong>execution plane\u003C\u002Fstrong>. A managed harness can still use self-hosted compute. A self-hosted environment gives you control over files, packages, network access and execution without requiring you to own the agent loop. Run the harness yourself only when you need control over orchestration, lifecycle, model-routing assumptions, or runtime behaviour that a managed harness cannot expose.\"},\"tunes\":{}},{\"id\":\"current\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"Current as of 25 September 2026\",\"body\":\"OpenAI's Agents API is in public beta and its architecture can evolve. Current documentation separates the OpenAI-hosted Codex harness from the execution environment and explicitly supports self-hosted environments. OpenAI also exposes the Codex harness separately through the Codex SDK for infrastructure you operate.\"},\"tunes\":{}},{\"id\":\"note\",\"type\":\"callout\",\"data\":{\"variant\":\"note\",\"title\":\"The model used in this article\",\"body\":\"The Harness Plane \u002F Execution Plane model and Control Escalation Test below are practical architecture tools proposed here. They are not formal vendor terminology.\"},\"tunes\":{}},{\"id\":\"h-mistake\",\"type\":\"header\",\"data\":{\"text\":\"The mistake: treating self-hosting as one decision\",\"level\":2},\"tunes\":{}},{\"id\":\"p-mistake-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"In conventional software, “self-hosted” usually means the application runs on infrastructure you control. Agent systems complicate that definition because the runtime can be split. The model-and-tool loop can run in one place while code execution, files and private-network access happen somewhere else.\"},\"tunes\":{}},{\"id\":\"p-mistake-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"OpenAI's current Agents API architecture makes this split explicit: OpenAI runs the harness, while the execution environment can be absent, OpenAI-hosted, or self-hosted. A self-hosted environment therefore does not mean the agent loop is self-hosted.\"},\"tunes\":{}},{\"id\":\"p-mistake-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"This distinction matters because many teams choose a more complex runtime than they need. They want private-network access or custom packages, conclude that the entire agent must be self-hosted, and accidentally take ownership of context management, orchestration, recovery and lifecycle that could have remained managed.\"},\"tunes\":{}},{\"id\":\"h-three\",\"type\":\"header\",\"data\":{\"text\":\"Three architectures that are often called “self-hosted”\",\"level\":2},\"tunes\":{}},{\"id\":\"three-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Architecture\",\"Who runs the harness?\",\"Where code\u002Ffiles execute\",\"What you primarily own\"],[\"Managed harness + managed environment\",\"Platform\",\"Platform-hosted sandbox\",\"Application, tools, product logic, authorization\"],[\"Managed harness + self-hosted environment\",\"Platform\",\"Your container, VM, laptop, private cloud or other compute\",\"Environment provisioning, networking, files and lifecycle; platform still owns harness\"],[\"Self-operated harness \u002F agent loop\",\"You\",\"Your chosen environment\",\"Harness process, orchestration, context strategy, hosting, recovery, execution and application lifecycle\"]]},\"tunes\":{}},{\"id\":\"h-two-plane\",\"type\":\"header\",\"data\":{\"text\":\"The two-plane model\",\"level\":2},\"tunes\":{}},{\"id\":\"plane-comparison\",\"type\":\"comparison\",\"data\":{\"title\":\"Separate the harness plane from the execution plane\",\"layout\":\"table\",\"columns\":[{\"id\":\"plane\",\"label\":\"Plane\"},{\"id\":\"owns\",\"label\":\"What it owns\"},{\"id\":\"questions\",\"label\":\"Questions to ask\"}],\"rows\":[{\"id\":\"harness\",\"label\":\"Harness plane\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"execution\",\"label\":\"Execution plane\",\"values\":[\"\",\"\",\"\"]},{\"id\":\"application\",\"label\":\"Application plane\",\"values\":[\"\",\"\",\"\"]}]},\"tunes\":{}},{\"id\":\"key-consequence\",\"type\":\"callout\",\"data\":{\"variant\":\"success\",\"title\":\"Key architectural consequence\",\"body\":\"You can self-host the \u003Cstrong>execution plane\u003C\u002Fstrong> without self-hosting the \u003Cstrong>harness plane\u003C\u002Fstrong>. That is often the right middle ground.\"},\"tunes\":{}},{\"id\":\"h-managed\",\"type\":\"header\",\"data\":{\"text\":\"Managed harness: what you actually gain\",\"level\":2},\"tunes\":{}},{\"id\":\"p-managed-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A managed harness removes more than a while-loop. OpenAI's current Agents API manages sessions, orchestration, context compaction and recovery. Anthropic's work on managed agents describes the same broader motivation: harnesses contain assumptions about model behaviour, and those assumptions need to evolve as models improve.\"},\"tunes\":{}},{\"id\":\"p-managed-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"That means the benefit is not only fewer lines of code. The platform can update runtime behaviour, long-horizon context handling, subagent coordination and recovery without requiring every application team to rebuild those mechanisms.\"},\"tunes\":{}},{\"id\":\"managed-list\",\"type\":\"list\",\"data\":{\"style\":\"unordered\",\"meta\":{},\"items\":[\"Less application-owned orchestration code.\",\"Managed durable-session behaviour.\",\"Managed context compaction and recovery.\",\"A runtime that can evolve with model capabilities.\",\"Simpler adoption of platform-native subagent and long-running-agent features.\",\"Potentially lower operational burden for teams whose differentiation is not the harness itself.\"]},\"tunes\":{}},{\"id\":\"h-managed-cost\",\"type\":\"header\",\"data\":{\"text\":\"Managed harness: what you give up\",\"level\":2},\"tunes\":{}},{\"id\":\"p-managed-cost-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Delegating the harness also delegates some control. Your application no longer owns every detail of iteration, context strategy, orchestration and runtime evolution. A platform update can improve the system, but it can also change behaviour your product implicitly depended on.\"},\"tunes\":{}},{\"id\":\"p-managed-cost-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"This creates a different kind of engineering requirement: strong evals, explicit product boundaries and an integration layer that prevents managed-session behaviour from becoming your business source of truth.\"},\"tunes\":{}},{\"id\":\"managed-cost-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Managed-harness trade-off\",\"What it means operationally\"],[\"Less loop control\",\"You cannot assume every orchestration detail is application-defined\"],[\"Platform evolution\",\"Harness behaviour can improve or change without your code changing\"],[\"Vendor-specific lifecycle\",\"Sessions, events and recovery semantics become part of the integration surface\"],[\"Observability boundary\",\"Platform traces must be joined with application audit data\"],[\"Portability cost\",\"Moving to another harness later may require more than swapping model endpoints\"]]},\"tunes\":{}},{\"id\":\"h-self-env\",\"type\":\"header\",\"data\":{\"text\":\"Self-hosted execution environment: the middle architecture\",\"level\":2},\"tunes\":{}},{\"id\":\"p-self-env-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"OpenAI's self-hosted environment model is important because it decouples private compute from harness ownership. The platform still runs the Codex harness, while an executor runs inside your environment and receives commands over an outbound connection.\"},\"tunes\":{}},{\"id\":\"p-self-env-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"You control provisioning, files, dependencies, network access and cleanup. The harness can therefore work against private infrastructure or custom software without requiring the entire agent runtime to move into your application.\"},\"tunes\":{}},{\"id\":\"p-self-env-3\",\"type\":\"paragraph\",\"data\":{\"text\":\"The cost is lifecycle responsibility. Your application must map sessions to compute, avoid duplicate provisioning, reconnect environments, coordinate shutdown and preserve any files that must outlive the environment.\"},\"tunes\":{}},{\"id\":\"h-enough\",\"type\":\"header\",\"data\":{\"text\":\"When self-hosted execution is enough\",\"level\":3},\"tunes\":{}},{\"id\":\"enough-list\",\"type\":\"list\",\"data\":{\"style\":\"unordered\",\"meta\":{},\"items\":[\"The agent needs access to a private VPC or internal service.\",\"The agent needs custom binaries, packages, drivers or system software.\",\"The workload must run on hardware or cloud accounts you control.\",\"Files must remain inside a controlled environment.\",\"You need your own sandbox provider or isolation model.\",\"You want platform-managed orchestration but infrastructure-controlled execution.\"]},\"tunes\":{}},{\"id\":\"h-own-harness\",\"type\":\"header\",\"data\":{\"text\":\"When you may need to own the harness too\",\"level\":2},\"tunes\":{}},{\"id\":\"p-own-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Owning the harness becomes justified when the harness itself is part of your product differentiation or constraint set. OpenAI's current runtime overview positions the Codex SDK for running the Codex harness in infrastructure you operate, while Responses is the lower-level option when you want to own the agent loop yourself.\"},\"tunes\":{}},{\"id\":\"p-own-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The key is to identify a requirement that genuinely lives in the harness plane, not the execution plane.\"},\"tunes\":{}},{\"id\":\"requirements-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Requirement\",\"Execution-plane problem or harness-plane problem?\",\"Likely direction\"],[\"Private database access\",\"Execution plane\",\"Managed harness + self-hosted environment may be sufficient\"],[\"Custom Linux packages\",\"Execution plane\",\"Managed harness + self-hosted environment\"],[\"Custom GPU hardware\",\"Execution plane\",\"Managed harness + self-hosted environment where supported\"],[\"Custom agent stopping logic\",\"Harness plane\",\"Self-operated harness \u002F custom loop\"],[\"Cross-provider model routing at every step\",\"Harness plane\",\"Custom loop or harness you operate\"],[\"Custom context-compaction algorithm\",\"Harness plane\",\"Self-operated harness if the managed runtime cannot expose it\"],[\"Deterministic orchestration semantics required by product\",\"Harness plane\",\"Self-operated harness or tightly controlled custom loop\"],[\"Local-only product deployment with no managed harness dependency\",\"Harness plane + execution plane\",\"Self-operated runtime\"]]},\"tunes\":{}},{\"id\":\"h-control-test\",\"type\":\"header\",\"data\":{\"text\":\"The Control Escalation Test\",\"level\":2},\"tunes\":{}},{\"id\":\"p-control-intro\",\"type\":\"paragraph\",\"data\":{\"text\":\"Use the least self-hosted architecture that satisfies the actual requirement. Escalate control one layer at a time.\"},\"tunes\":{}},{\"id\":\"control-flow\",\"type\":\"processFlow\",\"data\":{\"title\":\"Control Escalation Test\",\"orientation\":\"auto\",\"steps\":[{\"label\":\"1. Start with the application boundary\",\"description\":\"Keep domain truth, authorization and consequential business actions in your own product regardless of agent runtime.\"},{\"label\":\"2. Ask whether the agent needs local execution\",\"description\":\"If not, a managed harness without a dedicated environment may be enough.\"},{\"label\":\"3. Ask whether platform-hosted compute is acceptable\",\"description\":\"If yes, use a managed environment and avoid unnecessary infrastructure ownership.\"},{\"label\":\"4. If not, self-host the execution plane\",\"description\":\"Connect your own environment for private network, files, packages or controlled compute.\"},{\"label\":\"5. Re-evaluate the remaining constraint\",\"description\":\"If the requirement is now satisfied, stop. Do not self-host the harness simply for architectural symmetry.\"},{\"label\":\"6. Escalate to harness ownership only for harness requirements\",\"description\":\"Own the Codex harness or custom agent loop when orchestration, context strategy, lifecycle or portability genuinely requires it.\"},{\"label\":\"7. Prove the extra control is worth the extra operations\",\"description\":\"Benchmark reliability, latency, cost, recovery, observability and engineering burden before committing.\"}]},\"tunes\":{}},{\"id\":\"h-ops\",\"type\":\"header\",\"data\":{\"text\":\"Operational burden grows nonlinearly when you own the harness\",\"level\":2},\"tunes\":{}},{\"id\":\"p-ops-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A self-operated loop sounds simple in a demo: call model, inspect tool call, execute tool, append result, repeat. Production adds durable state, retries, duplicate events, cancellation, approval, context overflow, tool timeouts, process restarts, trace persistence, backpressure, concurrent work and recovery after partial side effects.\"},\"tunes\":{}},{\"id\":\"p-ops-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"Long-running-agent research from Anthropic repeatedly shows that harness design materially affects performance. Their work on long-running application development uses explicit planning, structured artifacts and evaluator agents because naïve loops tend to lose progress or terminate prematurely. The harness is therefore production logic, not plumbing.\"},\"tunes\":{}},{\"id\":\"ops-table\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"If you own the harness, you also need an answer for\",\"Why it matters\"],[\"Durable session state\",\"Processes restart; long-running work must resume correctly\"],[\"Context compaction\",\"History eventually exceeds practical working context\"],[\"Tool idempotency\",\"Retries must not repeat irreversible side effects\"],[\"Cancellation and interruption\",\"Users and systems need to stop or redirect work\"],[\"Recovery after partial execution\",\"A tool may succeed even if the agent never receives the result\"],[\"Concurrency\",\"Multiple tasks, workers or agents can touch shared state\"],[\"Observability\",\"Final output is insufficient for debugging runtime failures\"],[\"Versioning\",\"Harness updates can change behaviour even when prompts remain constant\"],[\"Evaluation\",\"Runtime changes need regression testing across representative trajectories\"]]},\"tunes\":{}},{\"id\":\"h-security\",\"type\":\"header\",\"data\":{\"text\":\"Security boundary: self-hosting compute does not automatically make the agent private\",\"level\":2},\"tunes\":{}},{\"id\":\"p-sec-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A self-hosted execution environment controls where commands run and where files live, but the managed harness and model interaction still cross the service boundary. Teams should therefore map data flows explicitly rather than use “self-hosted” as shorthand for a privacy property.\"},\"tunes\":{}},{\"id\":\"p-sec-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"OpenAI's self-hosted executor uses restricted environment credentials and outbound connections. That is useful isolation, but your application still needs its own rules for secrets, private-network exposure, user-to-environment isolation, file retention, tool authorization and data classification.\"},\"tunes\":{}},{\"id\":\"sec-callout\",\"type\":\"callout\",\"data\":{\"variant\":\"warning\",\"title\":\"Important distinction\",\"body\":\"\u003Cstrong>Infrastructure control, execution isolation and data-governance boundaries are related but not identical.\u003C\u002Fstrong> Decide them separately.\"},\"tunes\":{}},{\"id\":\"h-cost\",\"type\":\"header\",\"data\":{\"text\":\"Latency and cost: control can move bottlenecks rather than remove them\",\"level\":2},\"tunes\":{}},{\"id\":\"p-cost-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"Self-hosting may reduce some data-path or environment-startup costs, but it can also add provisioning time, WebSocket lifecycle, cold starts, sandbox cleanup, observability infrastructure and engineering overhead. A managed environment may cost more per unit of compute while being cheaper to operate at low or irregular volume.\"},\"tunes\":{}},{\"id\":\"p-cost-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The correct comparison is total system cost: model and tool usage, environment time, infrastructure, engineering effort, on-call burden, failure recovery and the cost of slower iteration.\"},\"tunes\":{}},{\"id\":\"h-matrix\",\"type\":\"header\",\"data\":{\"text\":\"A production decision matrix\",\"level\":2},\"tunes\":{}},{\"id\":\"decision-matrix\",\"type\":\"table\",\"data\":{\"withHeadings\":true,\"stretched\":false,\"content\":[[\"Constraint\",\"Managed harness + managed environment\",\"Managed harness + self-hosted environment\",\"Self-operated harness \u002F loop\"],[\"Fastest path to production\",\"Strong\",\"Moderate\",\"Weakest\"],[\"Private-network execution\",\"Weak \u002F depends on connectivity design\",\"Strong\",\"Strong\"],[\"Custom packages \u002F system software\",\"Moderate\",\"Strong\",\"Strong\"],[\"Harness-level control\",\"Low\",\"Low\",\"Highest\"],[\"Operational burden\",\"Lowest\",\"Medium\",\"Highest\"],[\"Portability\",\"Lowest\",\"Medium\",\"Potentially highest if intentionally designed\"],[\"Context strategy control\",\"Platform-managed\",\"Platform-managed\",\"Application-controlled\"],[\"Execution infrastructure control\",\"Low\",\"High\",\"High\"],[\"Ability to benefit from managed harness updates\",\"Highest\",\"Highest\",\"You own adoption\"],[\"Best fit\",\"Teams differentiating at product\u002Ftool layer\",\"Teams needing private\u002Fcustom compute without owning orchestration\",\"Teams whose runtime semantics are themselves a requirement\"]]},\"tunes\":{}},{\"id\":\"h-hybrid\",\"type\":\"header\",\"data\":{\"text\":\"Hybrid is not a compromise — it is often the clean architecture\",\"level\":2},\"tunes\":{}},{\"id\":\"p-hybrid-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"A managed harness with self-hosted execution is not “half self-hosted.” It is an intentional separation of concerns. The platform owns long-horizon agent-runtime complexity, while your infrastructure owns execution, private connectivity and files.\"},\"tunes\":{}},{\"id\":\"p-hybrid-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"That boundary resembles other cloud architectures: managed control plane, customer-controlled data or execution plane. The important design work is defining the contract between them — session identity, environment identity, credentials, files, tool permissions, lifecycle events and cleanup.\"},\"tunes\":{}},{\"id\":\"ref-runtime\",\"type\":\"referralArticle\",\"data\":{\"url\":\"https:\u002F\u002Fstajic.de\u002Fblog\u002Fopenai-agents-api-vs-agents-sdk-vs-responses-api-what-should-you-build-on-in-2026\",\"title\":\"OpenAI Agents API vs Agents SDK vs Responses API: What Should You Build On in 2026?\",\"excerpt\":\"A runtime-ownership comparison of OpenAI's current agent surfaces and where each control boundary belongs.\",\"ctaLabel\":\"Read the runtime comparison\"},\"tunes\":{}},{\"id\":\"h-change\",\"type\":\"header\",\"data\":{\"text\":\"What would change this answer?\",\"level\":2},\"tunes\":{}},{\"id\":\"p-change-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The recommendation changes if managed harnesses expose substantially more runtime control, if self-hosted harnesses gain simpler durable-session and recovery primitives, or if regulation requires the entire agent loop and model interaction to remain inside infrastructure you operate.\"},\"tunes\":{}},{\"id\":\"p-change-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"It also changes with model capability. Anthropic explicitly notes that harness assumptions can become stale as models improve. A control mechanism that is essential today may become unnecessary later, while a new model capability can create a new governance requirement.\"},\"tunes\":{}},{\"id\":\"h-limit\",\"type\":\"header\",\"data\":{\"text\":\"Limitations\",\"level\":2},\"tunes\":{}},{\"id\":\"p-limit-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"This article separates architecture responsibilities; it does not claim that one hosting model is universally more secure, cheaper or more reliable. Those outcomes depend on implementation, workload, compliance requirements, team skill and provider behaviour.\"},\"tunes\":{}},{\"id\":\"p-limit-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"The OpenAI Agents API is still in public beta, and managed-agent products from different vendors expose different boundaries. The two-plane model is intended to help compare those architectures without assuming that every vendor uses identical terms.\"},\"tunes\":{}},{\"id\":\"h-conclusion\",\"type\":\"header\",\"data\":{\"text\":\"Conclusion\",\"level\":2},\"tunes\":{}},{\"id\":\"p-conclusion-1\",\"type\":\"paragraph\",\"data\":{\"text\":\"The useful question is not “Should we self-host the agent?” It is: Which plane do we actually need to control?\"},\"tunes\":{}},{\"id\":\"p-conclusion-2\",\"type\":\"paragraph\",\"data\":{\"text\":\"If the requirement is private compute, custom packages, local files or internal-network access, self-host the execution plane and keep the harness managed. If the requirement is orchestration semantics, context strategy, provider control or runtime lifecycle itself, then harness ownership may be justified. Escalate control only as far as the requirement demands.\"},\"tunes\":{}},{\"id\":\"h-faq\",\"type\":\"header\",\"data\":{\"text\":\"FAQ\",\"level\":2},\"tunes\":{}},{\"id\":\"faq\",\"type\":\"faq\",\"data\":{\"title\":\"Managed harnesses and self-hosted agent runtimes\",\"items\":[{\"id\":\"faq1\",\"question\":\"Is an OpenAI Agents API self-hosted environment a self-hosted agent?\",\"answer\":\"Not completely. OpenAI still runs the managed Codex harness, while your infrastructure runs the execution environment used for commands, files and local tools.\"},{\"id\":\"faq2\",\"question\":\"When is a self-hosted environment enough?\",\"answer\":\"It is often enough when your requirements concern private-network access, custom packages, controlled files, specific hardware or infrastructure policy rather than control over the agent loop itself.\"},{\"id\":\"faq3\",\"question\":\"When should I run the harness myself?\",\"answer\":\"Consider harness ownership when you need custom orchestration semantics, custom context management, provider routing, local-only runtime behaviour, or another requirement that lives in the agent loop rather than the execution environment.\"},{\"id\":\"faq4\",\"question\":\"Does self-hosting automatically improve security?\",\"answer\":\"No. It changes which components you control. Security depends on data flow, isolation, credentials, tool permissions, networking, logging and lifecycle design across all components.\"},{\"id\":\"faq5\",\"question\":\"What is the main operational cost of owning the agent loop?\",\"answer\":\"You become responsible for durable state, context management, retries, cancellation, recovery, observability, concurrency, runtime upgrades and evaluation of harness changes.\"}]},\"tunes\":{}},{\"id\":\"h-glossary\",\"type\":\"header\",\"data\":{\"text\":\"Glossary\",\"level\":2},\"tunes\":{}},{\"id\":\"glossary\",\"type\":\"glossary\",\"data\":{\"title\":\"Key architecture terms\",\"entries\":[{\"term\":\"Harness plane\",\"definition\":\"The agent-runtime layer responsible for loop execution, orchestration, context management, session continuity and recovery.\",\"anchor\":\"harness-plane\"},{\"term\":\"Execution plane\",\"definition\":\"The environment in which commands run, code executes and files, packages and local resources are accessed.\",\"anchor\":\"execution-plane\"},{\"term\":\"Managed harness\",\"definition\":\"An agent harness whose runtime, session management and orchestration are operated by a platform provider.\",\"anchor\":\"managed-harness\"},{\"term\":\"Self-hosted environment\",\"definition\":\"Compute and files operated by the application owner while a separate agent harness may remain managed elsewhere.\",\"anchor\":\"self-hosted-environment\"},{\"term\":\"Self-operated harness\",\"definition\":\"An agent runtime whose loop, hosting, context strategy and lifecycle are operated by the application team.\",\"anchor\":\"self-operated-harness\"},{\"term\":\"Control Escalation Test\",\"definition\":\"A decision method that increases infrastructure and runtime ownership only when a requirement cannot be satisfied at a lower-control layer.\",\"anchor\":\"control-escalation-test\"}]},\"tunes\":{}},{\"id\":\"h-sources\",\"type\":\"header\",\"data\":{\"text\":\"Primary sources and further reading\",\"level\":2},\"tunes\":{}},{\"id\":\"src-openai-architecture\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Farchitecture\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"OpenAI — Agents API Architecture\",\"description\":\"Current separation between the hosted harness, execution environment and application server.\"}},\"tunes\":{}},{\"id\":\"src-openai-selfhosted\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Fenvironments\u002Fself-hosted\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"OpenAI — Self-hosted sandboxes\",\"description\":\"How customer-operated execution environments connect to the managed harness and which lifecycle responsibilities remain with the application.\"}},\"tunes\":{}},{\"id\":\"src-openai-lifecycle\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents-api\u002Fenvironments\u002Flifecycle\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"OpenAI — Sandbox lifecycle\",\"description\":\"Provisioning, reconnection, duplicate-environment prevention and cleanup responsibilities for self-hosted compute.\"}},\"tunes\":{}},{\"id\":\"src-openai-runtime\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdevelopers.openai.com\u002Fapi\u002Fdocs\u002Fguides\u002Fagents\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"OpenAI — Agent runtime options\",\"description\":\"Current comparison of Agents API, Codex SDK and Responses API by managed versus application-operated responsibilities.\"}},\"tunes\":{}},{\"id\":\"src-openai-platform\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fdevelopers.openai.com\u002Fblog\u002Fcodex-as-a-platform\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"OpenAI — Codex as a platform\",\"description\":\"Open-source Codex harness and integration layers for applications that want deeper runtime control.\"}},\"tunes\":{}},{\"id\":\"src-anthropic-managed\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Fmanaged-agents\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Anthropic — Scaling Managed Agents: Decoupling the brain from the hands\",\"description\":\"Discussion of managed-agent architecture and why harness assumptions need to evolve with model capability.\"}},\"tunes\":{}},{\"id\":\"src-anthropic-harness\",\"type\":\"linkTool\",\"data\":{\"link\":\"https:\u002F\u002Fwww.anthropic.com\u002Fengineering\u002Feffective-harnesses-for-long-running-agents\",\"meta\":{\"image\":{\"url\":\"\"},\"title\":\"Anthropic — Effective harnesses for long-running agents\",\"description\":\"Engineering lessons showing that long-running agent performance depends materially on harness design and persistent artifacts.\"}},\"tunes\":{}}],\"version\":\"2.31.6\"}",{"time":1227,"blocks":1228,"version":1742},1790352404508,[1229,1233,1237,1242,1247,1252,1256,1260,1264,1268,1272,1295,1299,1320,1325,1329,1333,1337,1348,1352,1356,1360,1382,1386,1390,1394,1398,1402,1413,1417,1421,1425,1457,1461,1465,1490,1494,1498,1502,1527,1531,1535,1539,1544,1548,1552,1556,1560,1593,1597,1601,1605,1612,1616,1620,1624,1628,1632,1636,1640,1644,1648,1651,1671,1675,1695,1699,1705,1711,1717,1723,1729,1735],{"id":214,"data":1230,"type":219,"tunes":1232},{"title":1231,"maxLevel":217,"minLevel":218},"Contents",{},{"id":222,"data":1234,"type":225,"tunes":1236},{"text":1235},"The phrase “self-hosted agent” now hides at least three different architectures. You can use a managed harness with OpenAI-hosted compute, a managed harness connected to infrastructure you operate, or run the harness and agent loop yourself. Those choices have very different implications for control, recovery, context management, security, latency, and operational burden.",{},{"id":228,"data":1238,"type":233,"tunes":1241},{"body":1239,"title":1240,"variant":232},"\u003Cstrong>Do not choose between “managed” and “self-hosted” as if they were one binary decision.\u003C\u002Fstrong> Separate the \u003Cstrong>harness plane\u003C\u002Fstrong> from the \u003Cstrong>execution plane\u003C\u002Fstrong>. A managed harness can still use self-hosted compute. A self-hosted environment gives you control over files, packages, network access and execution without requiring you to own the agent loop. Run the harness yourself only when you need control over orchestration, lifecycle, model-routing assumptions, or runtime behaviour that a managed harness cannot expose.","Direct answer",{},{"id":236,"data":1243,"type":233,"tunes":1246},{"body":1244,"title":1245,"variant":240},"OpenAI's Agents API is in public beta and its architecture can evolve. Current documentation separates the OpenAI-hosted Codex harness from the execution environment and explicitly supports self-hosted environments. OpenAI also exposes the Codex harness separately through the Codex SDK for infrastructure you operate.","Current as of 25 September 2026",{},{"id":243,"data":1248,"type":233,"tunes":1251},{"body":1249,"title":1250,"variant":243},"The Harness Plane \u002F Execution Plane model and Control Escalation Test below are practical architecture tools proposed here. They are not formal vendor terminology.","The model used in this article",{},{"id":249,"data":1253,"type":41,"tunes":1255},{"text":1254,"level":218},"The mistake: treating self-hosting as one decision",{},{"id":254,"data":1257,"type":225,"tunes":1259},{"text":1258},"In conventional software, “self-hosted” usually means the application runs on infrastructure you control. Agent systems complicate that definition because the runtime can be split. The model-and-tool loop can run in one place while code execution, files and private-network access happen somewhere else.",{},{"id":259,"data":1261,"type":225,"tunes":1263},{"text":1262},"OpenAI's current Agents API architecture makes this split explicit: OpenAI runs the harness, while the execution environment can be absent, OpenAI-hosted, or self-hosted. A self-hosted environment therefore does not mean the agent loop is self-hosted.",{},{"id":264,"data":1265,"type":225,"tunes":1267},{"text":1266},"This distinction matters because many teams choose a more complex runtime than they need. They want private-network access or custom packages, conclude that the entire agent must be self-hosted, and accidentally take ownership of context management, orchestration, recovery and lifecycle that could have remained managed.",{},{"id":269,"data":1269,"type":41,"tunes":1271},{"text":1270,"level":218},"Three architectures that are often called “self-hosted”",{},{"id":274,"data":1273,"type":296,"tunes":1294},{"content":1274,"stretched":42,"withHeadings":13},[1275,1280,1285,1289],[1276,1277,1278,1279],"Architecture","Who runs the harness?","Where code\u002Ffiles execute","What you primarily own",[1281,1282,1283,1284],"Managed harness + managed environment","Platform","Platform-hosted sandbox","Application, tools, product logic, authorization",[1286,1282,1287,1288],"Managed harness + self-hosted environment","Your container, VM, laptop, private cloud or other compute","Environment provisioning, networking, files and lifecycle; platform still owns harness",[1290,1291,1292,1293],"Self-operated harness \u002F agent loop","You","Your chosen environment","Harness process, orchestration, context strategy, hosting, recovery, execution and application lifecycle",{},{"id":299,"data":1296,"type":41,"tunes":1298},{"text":1297,"level":218},"The two-plane model",{},{"id":304,"data":1300,"type":331,"tunes":1319},{"rows":1301,"title":1311,"layout":296,"columns":1312},[1302,1305,1308],{"id":308,"label":1303,"values":1304},"Harness plane",[311,311,311],{"id":313,"label":1306,"values":1307},"Execution plane",[311,311,311],{"id":317,"label":1309,"values":1310},"Application plane",[311,311,311],"Separate the harness plane from the execution plane",[1313,1315,1317],{"id":323,"label":1314},"Plane",{"id":326,"label":1316},"What it owns",{"id":329,"label":1318},"Questions to ask",{},{"id":334,"data":1321,"type":233,"tunes":1324},{"body":1322,"title":1323,"variant":338},"You can self-host the \u003Cstrong>execution plane\u003C\u002Fstrong> without self-hosting the \u003Cstrong>harness plane\u003C\u002Fstrong>. That is often the right middle ground.","Key architectural consequence",{},{"id":341,"data":1326,"type":41,"tunes":1328},{"text":1327,"level":218},"Managed harness: what you actually gain",{},{"id":346,"data":1330,"type":225,"tunes":1332},{"text":1331},"A managed harness removes more than a while-loop. OpenAI's current Agents API manages sessions, orchestration, context compaction and recovery. Anthropic's work on managed agents describes the same broader motivation: harnesses contain assumptions about model behaviour, and those assumptions need to evolve as models improve.",{},{"id":351,"data":1334,"type":225,"tunes":1336},{"text":1335},"That means the benefit is not only fewer lines of code. The platform can update runtime behaviour, long-horizon context handling, subagent coordination and recovery without requiring every application team to rebuild those mechanisms.",{},{"id":356,"data":1338,"type":367,"tunes":1347},{"meta":1339,"items":1340,"style":366},{},[1341,1342,1343,1344,1345,1346],"Less application-owned orchestration code.","Managed durable-session behaviour.","Managed context compaction and recovery.","A runtime that can evolve with model capabilities.","Simpler adoption of platform-native subagent and long-running-agent features.","Potentially lower operational burden for teams whose differentiation is not the harness itself.",{},{"id":370,"data":1349,"type":41,"tunes":1351},{"text":1350,"level":218},"Managed harness: what you give up",{},{"id":375,"data":1353,"type":225,"tunes":1355},{"text":1354},"Delegating the harness also delegates some control. Your application no longer owns every detail of iteration, context strategy, orchestration and runtime evolution. A platform update can improve the system, but it can also change behaviour your product implicitly depended on.",{},{"id":380,"data":1357,"type":225,"tunes":1359},{"text":1358},"This creates a different kind of engineering requirement: strong evals, explicit product boundaries and an integration layer that prevents managed-session behaviour from becoming your business source of truth.",{},{"id":385,"data":1361,"type":296,"tunes":1381},{"content":1362,"stretched":42,"withHeadings":13},[1363,1366,1369,1372,1375,1378],[1364,1365],"Managed-harness trade-off","What it means operationally",[1367,1368],"Less loop control","You cannot assume every orchestration detail is application-defined",[1370,1371],"Platform evolution","Harness behaviour can improve or change without your code changing",[1373,1374],"Vendor-specific lifecycle","Sessions, events and recovery semantics become part of the integration surface",[1376,1377],"Observability boundary","Platform traces must be joined with application audit data",[1379,1380],"Portability cost","Moving to another harness later may require more than swapping model endpoints",{},{"id":408,"data":1383,"type":41,"tunes":1385},{"text":1384,"level":218},"Self-hosted execution environment: the middle architecture",{},{"id":413,"data":1387,"type":225,"tunes":1389},{"text":1388},"OpenAI's self-hosted environment model is important because it decouples private compute from harness ownership. The platform still runs the Codex harness, while an executor runs inside your environment and receives commands over an outbound connection.",{},{"id":418,"data":1391,"type":225,"tunes":1393},{"text":1392},"You control provisioning, files, dependencies, network access and cleanup. The harness can therefore work against private infrastructure or custom software without requiring the entire agent runtime to move into your application.",{},{"id":423,"data":1395,"type":225,"tunes":1397},{"text":1396},"The cost is lifecycle responsibility. Your application must map sessions to compute, avoid duplicate provisioning, reconnect environments, coordinate shutdown and preserve any files that must outlive the environment.",{},{"id":428,"data":1399,"type":41,"tunes":1401},{"text":1400,"level":217},"When self-hosted execution is enough",{},{"id":433,"data":1403,"type":367,"tunes":1412},{"meta":1404,"items":1405,"style":366},{},[1406,1407,1408,1409,1410,1411],"The agent needs access to a private VPC or internal service.","The agent needs custom binaries, packages, drivers or system software.","The workload must run on hardware or cloud accounts you control.","Files must remain inside a controlled environment.","You need your own sandbox provider or isolation model.","You want platform-managed orchestration but infrastructure-controlled execution.",{},{"id":445,"data":1414,"type":41,"tunes":1416},{"text":1415,"level":218},"When you may need to own the harness too",{},{"id":450,"data":1418,"type":225,"tunes":1420},{"text":1419},"Owning the harness becomes justified when the harness itself is part of your product differentiation or constraint set. OpenAI's current runtime overview positions the Codex SDK for running the Codex harness in infrastructure you operate, while Responses is the lower-level option when you want to own the agent loop yourself.",{},{"id":455,"data":1422,"type":225,"tunes":1424},{"text":1423},"The key is to identify a requirement that genuinely lives in the harness plane, not the execution plane.",{},{"id":460,"data":1426,"type":296,"tunes":1456},{"content":1427,"stretched":42,"withHeadings":13},[1428,1432,1435,1437,1440,1443,1446,1449,1452],[1429,1430,1431],"Requirement","Execution-plane problem or harness-plane problem?","Likely direction",[1433,1306,1434],"Private database access","Managed harness + self-hosted environment may be sufficient",[1436,1306,1286],"Custom Linux packages",[1438,1306,1439],"Custom GPU hardware","Managed harness + self-hosted environment where supported",[1441,1303,1442],"Custom agent stopping logic","Self-operated harness \u002F custom loop",[1444,1303,1445],"Cross-provider model routing at every step","Custom loop or harness you operate",[1447,1303,1448],"Custom context-compaction algorithm","Self-operated harness if the managed runtime cannot expose it",[1450,1303,1451],"Deterministic orchestration semantics required by product","Self-operated harness or tightly controlled custom loop",[1453,1454,1455],"Local-only product deployment with no managed harness dependency","Harness plane + execution plane","Self-operated runtime",{},{"id":494,"data":1458,"type":41,"tunes":1460},{"text":1459,"level":218},"The Control Escalation Test",{},{"id":499,"data":1462,"type":225,"tunes":1464},{"text":1463},"Use the least self-hosted architecture that satisfies the actual requirement. Escalate control one layer at a time.",{},{"id":504,"data":1466,"type":530,"tunes":1489},{"steps":1467,"title":796,"orientation":529},[1468,1471,1474,1477,1480,1483,1486],{"label":1469,"description":1470},"1. Start with the application boundary","Keep domain truth, authorization and consequential business actions in your own product regardless of agent runtime.",{"label":1472,"description":1473},"2. Ask whether the agent needs local execution","If not, a managed harness without a dedicated environment may be enough.",{"label":1475,"description":1476},"3. Ask whether platform-hosted compute is acceptable","If yes, use a managed environment and avoid unnecessary infrastructure ownership.",{"label":1478,"description":1479},"4. If not, self-host the execution plane","Connect your own environment for private network, files, packages or controlled compute.",{"label":1481,"description":1482},"5. Re-evaluate the remaining constraint","If the requirement is now satisfied, stop. Do not self-host the harness simply for architectural symmetry.",{"label":1484,"description":1485},"6. Escalate to harness ownership only for harness requirements","Own the Codex harness or custom agent loop when orchestration, context strategy, lifecycle or portability genuinely requires it.",{"label":1487,"description":1488},"7. Prove the extra control is worth the extra operations","Benchmark reliability, latency, cost, recovery, observability and engineering burden before committing.",{},{"id":533,"data":1491,"type":41,"tunes":1493},{"text":1492,"level":218},"Operational burden grows nonlinearly when you own the harness",{},{"id":538,"data":1495,"type":225,"tunes":1497},{"text":1496},"A self-operated loop sounds simple in a demo: call model, inspect tool call, execute tool, append result, repeat. Production adds durable state, retries, duplicate events, cancellation, approval, context overflow, tool timeouts, process restarts, trace persistence, backpressure, concurrent work and recovery after partial side effects.",{},{"id":543,"data":1499,"type":225,"tunes":1501},{"text":1500},"Long-running-agent research from Anthropic repeatedly shows that harness design materially affects performance. Their work on long-running application development uses explicit planning, structured artifacts and evaluator agents because naïve loops tend to lose progress or terminate prematurely. The harness is therefore production logic, not plumbing.",{},{"id":548,"data":1503,"type":296,"tunes":1526},{"content":1504,"stretched":42,"withHeadings":13},[1505,1508,1510,1512,1514,1516,1518,1520,1522,1524],[1506,1507],"If you own the harness, you also need an answer for","Why it matters",[555,1509],"Processes restart; long-running work must resume correctly",[558,1511],"History eventually exceeds practical working context",[561,1513],"Retries must not repeat irreversible side effects",[564,1515],"Users and systems need to stop or redirect work",[567,1517],"A tool may succeed even if the agent never receives the result",[570,1519],"Multiple tasks, workers or agents can touch shared state",[573,1521],"Final output is insufficient for debugging runtime failures",[576,1523],"Harness updates can change behaviour even when prompts remain constant",[579,1525],"Runtime changes need regression testing across representative trajectories",{},{"id":583,"data":1528,"type":41,"tunes":1530},{"text":1529,"level":218},"Security boundary: self-hosting compute does not automatically make the agent private",{},{"id":588,"data":1532,"type":225,"tunes":1534},{"text":1533},"A self-hosted execution environment controls where commands run and where files live, but the managed harness and model interaction still cross the service boundary. Teams should therefore map data flows explicitly rather than use “self-hosted” as shorthand for a privacy property.",{},{"id":593,"data":1536,"type":225,"tunes":1538},{"text":1537},"OpenAI's self-hosted executor uses restricted environment credentials and outbound connections. That is useful isolation, but your application still needs its own rules for secrets, private-network exposure, user-to-environment isolation, file retention, tool authorization and data classification.",{},{"id":598,"data":1540,"type":233,"tunes":1543},{"body":1541,"title":1542,"variant":240},"\u003Cstrong>Infrastructure control, execution isolation and data-governance boundaries are related but not identical.\u003C\u002Fstrong> Decide them separately.","Important distinction",{},{"id":604,"data":1545,"type":41,"tunes":1547},{"text":1546,"level":218},"Latency and cost: control can move bottlenecks rather than remove them",{},{"id":609,"data":1549,"type":225,"tunes":1551},{"text":1550},"Self-hosting may reduce some data-path or environment-startup costs, but it can also add provisioning time, WebSocket lifecycle, cold starts, sandbox cleanup, observability infrastructure and engineering overhead. A managed environment may cost more per unit of compute while being cheaper to operate at low or irregular volume.",{},{"id":614,"data":1553,"type":225,"tunes":1555},{"text":1554},"The correct comparison is total system cost: model and tool usage, environment time, infrastructure, engineering effort, on-call burden, failure recovery and the cost of slower iteration.",{},{"id":619,"data":1557,"type":41,"tunes":1559},{"text":1558,"level":218},"A production decision matrix",{},{"id":624,"data":1561,"type":296,"tunes":1592},{"content":1562,"stretched":42,"withHeadings":13},[1563,1566,1570,1572,1573,1576,1579,1581,1584,1586,1588],[1564,1281,1286,1565],"Constraint","Self-operated harness \u002F loop",[630,1567,1568,1569],"Strong","Moderate","Weakest",[635,1571,1567,1567],"Weak \u002F depends on connectivity design",[638,1568,1567,1567],[640,1574,1574,1575],"Low","Highest",[644,1577,1578,1575],"Lowest","Medium",[647,1577,1578,1580],"Potentially highest if intentionally designed",[650,1582,1582,1583],"Platform-managed","Application-controlled",[654,1574,1585,1585],"High",[657,1575,1575,1587],"You own adoption",[660,1589,1590,1591],"Teams differentiating at product\u002Ftool layer","Teams needing private\u002Fcustom compute without owning orchestration","Teams whose runtime semantics are themselves a requirement",{},{"id":666,"data":1594,"type":41,"tunes":1596},{"text":1595,"level":218},"Hybrid is not a compromise — it is often the clean architecture",{},{"id":671,"data":1598,"type":225,"tunes":1600},{"text":1599},"A managed harness with self-hosted execution is not “half self-hosted.” It is an intentional separation of concerns. The platform owns long-horizon agent-runtime complexity, while your infrastructure owns execution, private connectivity and files.",{},{"id":676,"data":1602,"type":225,"tunes":1604},{"text":1603},"That boundary resembles other cloud architectures: managed control plane, customer-controlled data or execution plane. The important design work is defining the contract between them — session identity, environment identity, credentials, files, tool permissions, lifecycle events and cleanup.",{},{"id":681,"data":1606,"type":687,"tunes":1611},{"url":1607,"title":1608,"excerpt":1609,"ctaLabel":1610},"https:\u002F\u002Fstajic.de\u002Fblog\u002Fopenai-agents-api-vs-agents-sdk-vs-responses-api-what-should-you-build-on-in-2026","OpenAI Agents API vs Agents SDK vs Responses API: What Should You Build On in 2026?","A runtime-ownership comparison of OpenAI's current agent surfaces and where each control boundary belongs.","Read the runtime comparison",{},{"id":690,"data":1613,"type":41,"tunes":1615},{"text":1614,"level":218},"What would change this answer?",{},{"id":695,"data":1617,"type":225,"tunes":1619},{"text":1618},"The recommendation changes if managed harnesses expose substantially more runtime control, if self-hosted harnesses gain simpler durable-session and recovery primitives, or if regulation requires the entire agent loop and model interaction to remain inside infrastructure you operate.",{},{"id":700,"data":1621,"type":225,"tunes":1623},{"text":1622},"It also changes with model capability. Anthropic explicitly notes that harness assumptions can become stale as models improve. A control mechanism that is essential today may become unnecessary later, while a new model capability can create a new governance requirement.",{},{"id":705,"data":1625,"type":41,"tunes":1627},{"text":1626,"level":218},"Limitations",{},{"id":710,"data":1629,"type":225,"tunes":1631},{"text":1630},"This article separates architecture responsibilities; it does not claim that one hosting model is universally more secure, cheaper or more reliable. Those outcomes depend on implementation, workload, compliance requirements, team skill and provider behaviour.",{},{"id":715,"data":1633,"type":225,"tunes":1635},{"text":1634},"The OpenAI Agents API is still in public beta, and managed-agent products from different vendors expose different boundaries. The two-plane model is intended to help compare those architectures without assuming that every vendor uses identical terms.",{},{"id":720,"data":1637,"type":41,"tunes":1639},{"text":1638,"level":218},"Conclusion",{},{"id":725,"data":1641,"type":225,"tunes":1643},{"text":1642},"The useful question is not “Should we self-host the agent?” It is: Which plane do we actually need to control?",{},{"id":730,"data":1645,"type":225,"tunes":1647},{"text":1646},"If the requirement is private compute, custom packages, local files or internal-network access, self-host the execution plane and keep the harness managed. If the requirement is orchestration semantics, context strategy, provider control or runtime lifecycle itself, then harness ownership may be justified. Escalate control only as far as the requirement demands.",{},{"id":735,"data":1649,"type":41,"tunes":1650},{"text":737,"level":218},{},{"id":740,"data":1652,"type":740,"tunes":1670},{"items":1653,"title":1669},[1654,1657,1660,1663,1666],{"id":744,"answer":1655,"question":1656},"Not completely. OpenAI still runs the managed Codex harness, while your infrastructure runs the execution environment used for commands, files and local tools.","Is an OpenAI Agents API self-hosted environment a self-hosted agent?",{"id":748,"answer":1658,"question":1659},"It is often enough when your requirements concern private-network access, custom packages, controlled files, specific hardware or infrastructure policy rather than control over the agent loop itself.","When is a self-hosted environment enough?",{"id":752,"answer":1661,"question":1662},"Consider harness ownership when you need custom orchestration semantics, custom context management, provider routing, local-only runtime behaviour, or another requirement that lives in the agent loop rather than the execution environment.","When should I run the harness myself?",{"id":756,"answer":1664,"question":1665},"No. It changes which components you control. Security depends on data flow, isolation, credentials, tool permissions, networking, logging and lifecycle design across all components.","Does self-hosting automatically improve security?",{"id":760,"answer":1667,"question":1668},"You become responsible for durable state, context management, retries, cancellation, recovery, observability, concurrency, runtime upgrades and evaluation of harness changes.","What is the main operational cost of owning the agent loop?","Managed harnesses and self-hosted agent runtimes",{},{"id":766,"data":1672,"type":41,"tunes":1674},{"text":1673,"level":218},"Glossary",{},{"id":771,"data":1676,"type":771,"tunes":1694},{"title":1677,"entries":1678},"Key architecture terms",[1679,1681,1683,1686,1689,1692],{"term":1303,"anchor":777,"definition":1680},"The agent-runtime layer responsible for loop execution, orchestration, context management, session continuity and recovery.",{"term":1306,"anchor":781,"definition":1682},"The environment in which commands run, code executes and files, packages and local resources are accessed.",{"term":1684,"anchor":785,"definition":1685},"Managed harness","An agent harness whose runtime, session management and orchestration are operated by a platform provider.",{"term":1687,"anchor":789,"definition":1688},"Self-hosted environment","Compute and files operated by the application owner while a separate agent harness may remain managed elsewhere.",{"term":1690,"anchor":793,"definition":1691},"Self-operated harness","An agent runtime whose loop, hosting, context strategy and lifecycle are operated by the application team.",{"term":796,"anchor":797,"definition":1693},"A decision method that increases infrastructure and runtime ownership only when a requirement cannot be satisfied at a lower-control layer.",{},{"id":801,"data":1696,"type":41,"tunes":1698},{"text":1697,"level":218},"Primary sources and further reading",{},{"id":806,"data":1700,"type":813,"tunes":1704},{"link":808,"meta":1701},{"image":1702,"title":811,"description":1703},{"url":311},"Current separation between the hosted harness, execution environment and application server.",{},{"id":816,"data":1706,"type":813,"tunes":1710},{"link":818,"meta":1707},{"image":1708,"title":821,"description":1709},{"url":311},"How customer-operated execution environments connect to the managed harness and which lifecycle responsibilities remain with the application.",{},{"id":825,"data":1712,"type":813,"tunes":1716},{"link":827,"meta":1713},{"image":1714,"title":830,"description":1715},{"url":311},"Provisioning, reconnection, duplicate-environment prevention and cleanup responsibilities for self-hosted compute.",{},{"id":834,"data":1718,"type":813,"tunes":1722},{"link":836,"meta":1719},{"image":1720,"title":839,"description":1721},{"url":311},"Current comparison of Agents API, Codex SDK and Responses API by managed versus application-operated responsibilities.",{},{"id":843,"data":1724,"type":813,"tunes":1728},{"link":845,"meta":1725},{"image":1726,"title":848,"description":1727},{"url":311},"Open-source Codex harness and integration layers for applications that want deeper runtime control.",{},{"id":852,"data":1730,"type":813,"tunes":1734},{"link":854,"meta":1731},{"image":1732,"title":857,"description":1733},{"url":311},"Discussion of managed-agent architecture and why harness assumptions need to evolve with model capability.",{},{"id":861,"data":1736,"type":813,"tunes":1741},{"link":863,"meta":1737},{"image":1738,"title":1739,"description":1740},{"url":311},"Anthropic — Effective harnesses for long-running agents","Engineering lessons showing that long-running agent performance depends materially on harness design and persistent artifacts.",{},"2.31.6","“Self-hosted agent” can mean very different architectures. This guide separates the managed harness, self-hosted execution environment, and fully self-operated agent loop—and shows which control boundary teams actually need.","Post erfolgreich abgerufen",{"items":1746,"source":1788,"manualIds":1789,"manualMatchedIds":1790},[1747,1754,1761,1768,1775,1781],{"id":1748,"slug":1749,"title":1750,"excerpt":1751,"featuredImage":1752,"publishedAt":1753},"455","zbt-z8102ax-dual-sim-failover-test","ZBT Z8102AX Dual-SIM-Failover: Was funktioniert, was fehlt und was eine bessere Firmware benötigt","Der ZBT Z8102AX ist ein Dual-SIM-5G-OpenWrt-Router, aber Dual-SIM-Hardware allein ist nicht dasselbe wie ein intelligentes Failover. Der Router erkennt die SIM und verbindet sich erfolgreich, aber die automatische Umschaltung, die Modem-Wiederherstellung, signalbasierte Entscheidungen und eine saubere Failover-Logik erfordern noch eingehendere Tests.","\u002Fuploads\u002F2026\u002F06\u002Fopenwrt-router-review-dual-sim-03-1781620592829-7t77j7.webp","2026-06-16T10:40:00.000Z",{"id":1755,"slug":1756,"title":1757,"excerpt":1758,"featuredImage":1759,"publishedAt":1760},"469","rag-failed-but-which-layer-actually-failed-a-diagnostic-method","RAG fehlgeschlagen – aber welche Ebene ist tatsächlich fehlgeschlagen? Eine diagnostische Methode","Wenn eine RAG-Antwort falsch ist, ist es zu vage, das Retrieval oder das Modell verantwortlich zu machen. Diese Diagnosemethode isoliert Quellenabdeckung, Query-Konstruktion, Retrieval, Ranking, Kontextzusammenstellung, Generierung, Evidenzzuordnung und Aktualität – sodass der tatsächliche Fehler reproduziert und behoben werden kann.","\u002Fuploads\u002F2026\u002F09\u002Frag-failed-but-which-layer-actually-failed-a-diagnostic-method-1790350847177-pior4c.webp","2026-09-24T19:39:00.000Z",{"id":1762,"slug":1763,"title":1764,"excerpt":1765,"featuredImage":1766,"publishedAt":1767},"362","suchmaschinen-webcrawler-suchsoftware-und-suchergebnissen","Suchmaschinenoptimierung: Der zuverlässige Workflow für Top-Rankings","Detaillierte Analyse der Suchmaschinenoptimierung (SEO), ihrer technischen Grundlagen, der Rolle von Webcrawlern und der strategischen Schritte zum Erreichen organischer Top-Rankings.","\u002Fuploads\u002F2026\u002F03\u002Fsuchmaschinen-webcrawler-suchsoftware-und-suchergebnissen-1774865001795-5wv0cw.webp","2023-04-12T13:03:00.000Z",{"id":1769,"slug":1770,"title":1771,"excerpt":1772,"featuredImage":1773,"publishedAt":1774},"459","ollama-is-not-the-product-building-production-ready-open-llm-applications","Ollama ist nicht das Produkt: Entwicklung produktionsreifer Open-LLM-Anwendungen","Das Ausführen eines lokalen Modells mit Ollama ist einfach. Das Erstellen einer produktionsreifen Open-LLM-Anwendung ist schwieriger: Es erfordert RAG, Zugriffskontrolle, Anbieterabstraktion, Evaluierung, Protokollierung, Bereitstellungsdisziplin und eine kontrollierte Anwendungsschicht um das Modell herum.","\u002Fuploads\u002F2026\u002F06\u002Follama-is-not-the-product-building-production-ready-open-llm-applications-1782679361640-h0usqf.webp","2026-06-28T16:39:00.000Z",{"id":1776,"slug":890,"title":1777,"excerpt":1778,"featuredImage":1779,"publishedAt":1780},"434","Umfassender Leitfaden zum Evaluation Harness: LLM-Leistungsbewertung meistern","Dieser Leitfaden bietet eine detaillierte Einführung in Evaluation Harness, ein unverzichtbares Framework zur strengen Bewertung der Fähigkeiten von Large Language Models (LLMs) in Enterprise-LLMOps-Pipelines. Erfahren Sie mehr über Einrichtung, Best Practices und fortgeschrittene Techniken, um ein zuverlässiges Modell-Benchmarking und eine Optimierung zu gewährleisten.","\u002Fuploads\u002F2026\u002F04\u002Fevaluation-harness-1775466944495-4s0xv2.webp","2026-03-01T17:50:00.000Z",{"id":1782,"slug":1783,"title":1784,"excerpt":1785,"featuredImage":1786,"publishedAt":1787},"364","tipps-fuer-die-verbesserung-der-seo-suchmaschinenoptimierung","Meistern des SEO-Workflows: Essenzielle Optimierungsstrategien für organisches Wachstum","Ein strukturierter SEO-Workflow ist entscheidend für nachhaltiges organisches Wachstum. Lerne die zehn grundlegenden Strategien, von der Keyword-Recherche und technischen Optimierung bis hin zur Content-Qualität und Performance-Analyse.","\u002Fuploads\u002F2026\u002F03\u002Ftipps-fuer-die-verbesserung-der-seo-suchmaschinenoptimierung-1774866098131-hwkzrg.webp","2024-01-26T06:35:00.000Z","fallback",[],[]]