OpenAI ha introdotto la cifratura dei payload fra agenti nella versione MultiAgentV2 di Codex (post-0.137.0), rendendo opachi i messaggi scambiati fra agenti padre e figli. Il campo content dei messaggi spawn_agent, send_message e followup_task ora resta vuoto, con il testo leggibile sostituito da encrypted_content. La modifica è arrivata con il merge della PR #26210 il 5 giugno 2026.

Perché ti riguarda. Se usi agenti che delegano compiti a sotto-agenti, non puoi più leggere nei log cosa è stato delegato, quale messaggio è stato inviato, o perché un thread figlio esisteva. Le domande basilari di debugging — «cosa ho chiesto al child agent?», «perché questo spawn è fallito?» — ora richiedono di decifrare il payload o di ricostruire il contesto dal comportamento osservato. È un cambio che rende più difficile capire e migliorare i workflow agentici complessi, proprio mentre l’uso in produzione cresce.

L’issue #28058 su GitHub chiede di mantenere un audit field leggibile separato dal messaggio cifrato per la consegna al modello, così da preservare la trasparenza senza compromettere la sicurezza della comunicazione fra agenti.

Nel dettaglio

Contesto. Codex è l’editor AI di OpenAI (non il modello Codex del 2021, ormai deprecato). La versione MultiAgentV2 permette a un agente di spawrnare sotto-agenti, delegare compiti, e inviare messaggi fra thread. Prima della PR #26210, i messaggi delegati erano leggibili in chiaro nei log locali, nei rollout e nei trace di debug.

Cosa cambia. Dalla versione 0.137.0 in poi, i payload dei messaggi inter-agente sono cifrati end-to-end. Il campo InterAgentCommunication.content (prima leggibile) ora resta vuoto, e il testo vero finisce in encrypted_content. Questo vale per tutte le chiamate di coordinamento fra agenti (spawn_agent, send_message, followup_task). La cifratura è comprensibile come hardening di privacy — impedisce che dati sensibili nei task delegati finiscano in log non protetti — ma rimuove anche la possibilità di audit umano.

Il problema pratico. Quando un agente A spawna un agente B con un compito specifico, chi revisiona il rollout dopo il fatto non vede più «analizza questo CSV e restituisci le righe con anomalie», ma solo ciphertext. Se B fallisce, non sai se il task era mal formulato, troppo ampio, o conteneva un errore nei parametri. Se hai dieci sotto-agenti in parallelo, non puoi più confrontare i loro task per capire come migliorare la scomposizione. La telemetria diventa opaca proprio dove serviva trasparenza: nei passaggi di consegne, che sono il punto di rottura più frequente nei sistemi multi-agente (come documentato nel paper su perché gli agenti sbagliano).

Cosa resta aperto. L’issue suggerisce di aggiungere un campo di audit separato, che memorizzi il task in chiaro per ispezione locale, mentre il payload cifrato resta per la consegna al modello ricevente. Questo preserverebbe la sicurezza della comunicazione fra modelli senza sacrificare il debug. Al momento della pubblicazione (14 luglio 2026), l’issue è aperta con 156 commenti su Hacker News, segno che tocca un bisogno sentito nella comunità. Non è chiaro se e quando OpenAI risponderà: la PR originale è stata mergiata senza discussion pubblica preventiva.

Implicazioni per chi costruisce. Se stai portando agenti multi-step in produzione, questo cambia come debuggi i fallimenti. Dovrai appoggiarti a log strutturati applicativi (che catturi tu prima di passare il task al sotto-agente) o a strumenti di observability esterni che loggano i payload prima della cifratura. È una tassa in più sulla complessità operativa, che si aggiunge ai problemi già noti di orchestrazione multi-agente.