OpenAI Agents API 开放公测：把 Codex 的「大脑」拆出来，一行调用起一个 Agent

一句话结论：OpenAI 把支撑 Codex 和 ChatGPT for Work 的 harness 打包成 Agents API 开放公测，开发者不用自己搭多智能体编排、上下文压缩、沙箱环境这套脏活，一个 API 调用就能起一个能跑几天的 Agent。

AI 摘要

• 发生了什么：OpenAI 9 月 10 日推出 Agents API（public beta），把 Codex 背后的 harness 和基础设施开放给所有开发者。
• 核心变化：Agent、Environment、Session 三个抽象，让开发者专注在工具和知识上，OpenAI 托管剩下的编排和运维。
• 影响对象：所有在自建 Agent 平台的开发者、想做长任务的团队。
• 下一步观察：正式 GA 的时间，以及自托管沙箱生态的成熟度。

发生了什么

OpenAI 在 9 月 10 日宣布 Agents API 进入 public beta。这件事的背景是：Codex 和 ChatGPT for Work 已经跑了几百万用户，OpenAI 从中积累了一套让 Agent 长时间稳定工作的经验——管上下文、高效用工具、协调子智能体、跑几天的可靠性，还有能在里面读写文件、跑代码、存中间结果的环境。

现在这套东西被打包成一个 API 放了出来。开发者要做的，是指定任务、模型、工具和环境，剩下的 harness 维护由 OpenAI 托管。官方的说法很直接：你不需要为每个新模型重新写 harness，OpenAI 会在每次模型发布时同步更新。

定价上有个值得注意的点：Agents API 本身不额外收费，你只需要为 Agent 实际消耗的 token 和工具付费。

三个抽象怎么理解

Agents API 的核心是四个概念：Agent、Environment、Session，以及底层的事件和 items。

Agent 是模型、指令、工具和 MCP server 的集合。Environment 是可选的沙箱，Agent 在里面跑命令、写文件、加载 skill。Session 是一个持久的 Agent 实例，它能记住之前的工作、在上下文快到上限时自动压缩、把任务拆给子智能体、还能在断开后接着跑。

Environment 有三种选择，这是这套 API 最灵活的关节。none 表示 Agent 不需要自己的计算环境，纯靠工具调外部服务。openai_hosted 是 OpenAI 托管的沙箱，和 Codex、ChatGPT 用的是同一套隔离基础设施。self_hosted 则让你用自己的笔记本、容器或远程沙箱，Agent 通过 WebSocket 连接回 API。

对于国内开发者，self_hosted 这条路尤其值得看，因为它决定了代码和数据是不是留在你自己的机器上。

多智能体和上下文压缩是真正的卖点

如果只是把模型包一层 API，那没什么新鲜的。Agents API 真正有价值的是两个已经验证过的能力。

第一个是多智能体。开启 multi_agent 之后，主 Agent 可以把复杂任务拆成独立子任务，派给并行工作的 subagent。每个 subagent 有自己的上下文，主 Agent 负责协调和汇总。默认最多 6 个并发子智能体，可以在创建 session 时调整。这对研究、分析、编码这类能并行的任务，省掉了你自己写编排逻辑。

第二个是上下文自动压缩。Agent 跑长任务时，上下文会越来越满。Agents API 会在 session 接近上下文上限时自动压缩早期内容，保留继续工作所需的信息。开发者不用自己实现 compaction 逻辑，就能让工作流跨多个上下文窗口。这是做长任务的开发者最头疼的问题之一，现在被托管了。

工具调用也在变聪明

工具这块有两处升级。tool search 按需加载相关工具定义，减少 token 消耗同时保住模型缓存。programmatic tool calling 让 Agent 在代码里并行调用、串联操作、过滤合并结果，只把相关结果带回上下文。

支持的工具体系包括 MCP、自定义 function，以及内置的 web search。也就是说，你之前写的 MCP server 可以直接挂进来，不用推倒重来。这也延续了 Pizza Bot 那篇里观察到的趋势——MCP 和 Agent Skill 正在成为 Agent 工具层的通用语言。而在减少上下文膨胀这件事上，context-mode 之前展示过另一条路，Agents API 则把压缩做进了托管层，两者方向一致、层次不同。

对自建 Agent 的团队意味着什么

最直接的影响是：自己从零搭 Agent harness 的性价比，进一步下降了。

以前你要做长任务 Agent，得自己处理编排、沙箱、状态持久化、上下文管理、断线恢复。现在这些由 OpenAI 托管，你只需要写工具和知识。对资源有限的小团队，这省下的不只是代码量，还有长期维护的心智负担。

但代价也明确。Agents API 目前只支持美国数据驻留，不支持 Zero Data Retention。选择 self_hosted 沙箱，也不会让你的 session 变成 ZDR 合格。如果你的场景对数据主权有硬性要求，这一点要先看清楚。这和 Cloudflare OS 想解决的平台治理是两条不同的路线——一个是托管便利，一个是自主可控。

智盒判断

短期看，这是 OpenAI 把 Codex 的先发优势产品化的关键一步。把 harness 变成 API，等于把「我们调 Agent 调得最好」这件事，变成了开发者可以直接购买的基础能力。

中期看，真正的变量是生态合作伙伴。OpenAI 已经拉了 Blaxel、Cloudflare、Daytona、DigitalOcean、E 2 B、Modal、Oracle、Runloop、Vercel 一批沙箱提供商。谁能把 self_hosted 和托管沙箱的体验做到无缝，谁就决定了这套 API 在企业场景的渗透速度。

长期看，Agent harness 正在从「每个团队各写一份」走向「托管服务 + 开放标准」的分层。OpenAI 的 Agents API 和开源的 Codex harness 并存，意味着你随时可以看清托管层背后在跑什么。这种「托管但可审视」的姿态，会是接下来 Agent 平台的竞争重点。

FAQ

这跟直接调 GPT-6 Astra 的 API 有什么区别？

区别在 harness。直接调模型 API，你要自己写循环、管上下文、处理工具调用。Agents API 把这层托管了，还附带了多智能体、上下文压缩、沙箱环境。你付的仍是 token 和工具费用，不额外为 harness 付费。

数据会离开我的环境吗？

分情况。none 和 openai_hosted 环境里，数据在 OpenAI 侧处理。self_hosted 环境里，命令和工具在你的机器上跑，但 session 本身仍由 OpenAI 托管，且不支持 ZDR。对数据主权敏感的团队，这一点是决定性的。

我该现在就把生产环境迁过去吗？

先别急。现在是 public beta，API 和生态还在迭代。建议先用自托管沙箱做小规模验证，跑几个真实任务看稳定性和成本，再决定要不要把生产流量切过去。