OpenAI 发布 Agents API 公测：把 Codex 的 agent harness 托管出来，一次 API 调用起一个云 agent

要点

• Agents API 进入 public beta：把驱动 Codex 与 ChatGPT for Work 的 harness 与基础设施，通过一个简单的 API 开放给所有开发者。
• 核心对象是四个：agent（模型 + 指令 + 工具）、environment（代码在哪台机器上跑）、session（跨任务的持久会话）、event stream（执行过程回传的事件流）。
• 环境三选一：OpenAI 托管沙箱、自托管（自有基础设施 / VPC）、或八家沙箱合作方——Blaxel、Cloudflare Dev、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel。
• harness 内置三项能力：自动上下文压缩（接近上限时保留关键信息，让 agent 跑几小时乃至几天）、tool search（按需加载工具定义，省 token）、原生 subagent（multi_agent.enabled、max_concurrent_subagents）。
• 收费与限制：API 本身不额外收费，只付 token、工具与容器费用；公测阶段数据处理留在美国，且不支持零数据保留（ZDR），即使自托管沙箱也一样。

背景与分析

过去两年，写 agent 的门槛从「能不能调模型」变成了「怎么让一个 agent 在生产的第 40 个小时还活着」。LangGraph、CrewAI 这类框架解决了编排的组装问题，但会话持久化、上下文压缩、崩溃恢复、子 agent 协调这套运行时负担，仍然压在每个团队自己身上。

OpenAI 这次的做法是把自己在 Codex 上跑通的那套 harness 直接托管出来，只留三样东西给开发者自己定义：指令、工具（含 MCP server）、执行环境。

一个最小示例（官方 quickstart 形态）：

const session = await client.beta.agents.sessions.create({
  agent: {
    model: "gpt-6-astra",
    tools: [{ type: "mcp", server_label: "observability", transport: { type: "http", server_url: "https://observability.example.com/mcp" } }],
    multi_agent: { enabled: true, max_concurrent_subagents: 3 },
  },
  vault_ids: ["vault_YOUR_VAULT_ID"],
  environment: { type: "openai_hosted", capability_directories: ["/workspace/capabilities/skills"] },
  input: "Investigate service-api's elevated 5xx rate over the last 30 minutes...",
});

值得注意的是 harness 来自开源 Codex 代码库——开发者可以直接读它怎么管理工具、记忆与上下文，而不是面对一个黑盒。这给了一条很实际的退路：不想锁定托管服务，就自己部署开源 harness。

OpenAI 公布的早期客户数据（均为客户自述，非第三方复现）：Ciridae 称评测分数从 0.71 升到 0.85、subagent 工作流延迟降到 1/4；SafetyKit 称案件审查流程单案成本下降 60%；Hypha 称把 harness 与沙箱分离后，失败的 agent 响应减少 86%。

对开发者的影响

• 正面：长时运行 agent 的运维成本被大幅外包。自动上下文压缩、崩溃恢复、subagent 并行这三块，是多数团队自研时最容易做砸的部分。
• 代价：编排层锁定在 OpenAI 的实现上，并且要跟着它的模型与 harness 版本迭代。对「跨模型 provider」的产品来说，更现实的选择是直接用 GitHub 上的开源 Codex harness，而不是托管 API。
• 合规红线：公测期不支持 ZDR、数据处理在美国。金融、医疗、政务这类有数据驻留要求的团队，短期内只能走自托管沙箱路径，但要接受数据仍可能出境这一点——这是选型前必须问清的一条。
• 成本模型变化：容器按时计费是新增科目。有开发者在社区提醒，第一次用托管沙箱要先算清容器成本再批量起容器。

AI 之家 观点

这件事的行业含义大于产品含义：agent 竞争的战场正式从「模型」挪到了「harness + 执行环境」。

1. harness 正在被商品化。OpenAI 把自己的核心 harness 开源并托管，等于告诉市场：编排层不再是差异化来源，差异在工具、数据与工作流。这会直接压到 Dify、Coze、CrewAI 这类「组装型」平台的定价逻辑。
2. 执行环境成了新的护城河。OpenAI 拉了八家沙箱合作方，Cursor 同期也上线 Self-Hosted Machines（AWS Lambda / Cloudflare / Modal / Vercel / E2B 等）。两边指向同一个结论：代码在哪跑、密钥留在谁的机房，是企业采购的第一问题。
3. 短期最大风险不是能力，是数据驻留。不支持 ZDR 这一条，会让相当一部分国内与欧洲合规场景暂时无法上托管版；自托管 + 开源 harness 会是这一段时间的现实解法。

给团队的判断建议：如果你的差异化在业务工具与数据，用托管 Agents API 换速度是划算的；如果你要做的是跨模型、可迁移的 agent 平台，就别把编排层交给任何一家模型厂商。

相关阅读

• 工具卡：Codex CLI · Dify · Coze · n8n
• 相关资讯：AI 编程工具周报 2026-09-13 · GPT-6 Astra 发布
• 概念：AI Agent · MCP 协议 · Agent 记忆

来源

• Introducing the Agents API — OpenAI 官方
• Introducing the Agents API and hosted sandboxes — OpenAI Developer Community
• OpenAI opens Agents API beta, exposing its Codex agent harness — GenAI Daily
• OpenAI Codex（开源 harness 代码库）