OpenAI 29 września 2026 roku dodało Computer Use do Agents API, pozwalając agentom wykonywać zadania w hostowanej przeglądarce bez budowania własnej infrastruktury browser automation. Agent może otworzyć stronę, analizować jej interfejs, klikać elementy, wpisywać dane i przechodzić przez kolejne ekrany. Aplikacja użytkownika nadal odpowiada za zatwierdzanie dostępu do witryn oraz logowanie do kont.
To istotna zmiana dla developerów, ponieważ nie każda usługa oferuje wygodne API albo MCP. Computer Use pozwala agentowi wykonać zadanie przez ten sam interfejs, którego używa człowiek. Jednocześnie jest to rozwiązanie bardziej ryzykowne niż zwykłe wywołanie funkcji, dlatego OpenAI pozostawia dostęp do stron i proces logowania po stronie aplikacji integrującej agenta.
- Jak działa Computer Use w Agents API?
- Po co agentowi przeglądarka, skoro istnieją API i MCP?
- Jak kontrolowany jest dostęp do stron i kont?
- Co to zmienia dla twórców agentów?
Jak działa Computer Use w Agents API?
Developer tworzy sesję przeglądarki w środowisku OpenAI-hosted, a następnie przekazuje agentowi zadanie. Agent obserwuje stan strony i sam decyduje, jakie działania wykonać dalej. Aplikacja może śledzić zdarzenia sesji, reagować na prośby o dostęp i po zakończeniu przejrzeć zapis aktywności. Jeśli połączenie zostanie przerwane, można odzyskać tę samą sesję zamiast zaczynać zadanie od początku.
Po co agentowi przeglądarka, skoro istnieją API i MCP?
API jest zwykle szybsze i bardziej przewidywalne, ale nie każda czynność ma publiczny endpoint. Starsze systemy firmowe, panele administracyjne, serwisy rezerwacyjne czy aplikacje SaaS mogą udostępniać pełny zakres funkcji wyłącznie przez interfejs graficzny. Wtedy agent działający w przeglądarce staje się warstwą kompatybilności z oprogramowaniem projektowanym dla człowieka.
Nie oznacza to, że computer use powinno zastępować API. Gdy dostępny jest stabilny endpoint lub dobrze opisany serwer MCP, bezpośrednia integracja będzie zazwyczaj tańsza, szybsza i łatwiejsza do audytowania. Browser ma największy sens tam, gdzie innej drogi po prostu nie ma.
Jeżeli interesuje Cię druga strona agentowych integracji, zobacz nasz materiał o Model Context Protocol oraz Google Genkit Agents API.
Jak kontrolowany jest dostęp do stron i kont?
- Website approvals – aplikacja zatwierdza dostęp agenta do witryn.
- Sign-in po stronie aplikacji – agent nie powinien samodzielnie przejmować procesu logowania bez kontroli integracji.
- Zapis sesji – aktywność przeglądarki może zostać później przejrzana.
- Izolowane środowisko – browser działa w hostowanym środowisku OpenAI, a nie na komputerze użytkownika.
Te mechanizmy nie eliminują ryzyka prompt injection ani błędnej interpretacji interfejsu. Dlatego zadania skutkujące płatnością, usunięciem danych albo zmianą uprawnień nadal wymagają sensownie zaprojektowanych punktów zatwierdzenia.
Co to zmienia dla twórców agentów?
Największa korzyść jest prosta: developer nie musi utrzymywać własnej farmy przeglądarek, aby agent mógł działać w aplikacjach webowych. To obniża próg wejścia dla całej klasy automatyzacji: testowania stron, zbierania danych, obsługi paneli administracyjnych i wykonywania procesów w SaaS-ach.
Frazy i zastosowania, które warto dalej rozwijać: AI do obsługi przeglądarki, computer use agent, agent AI do stron WWW, browser automation z AI oraz Agents API Computer Use.
Co potwierdza dokumentacja
Artykuł opracowano na podstawie oficjalnego przewodnika Computer Use, changelogu API oraz podsumowania DevDay.
