它到底是什么

Agents API 通过 OpenAI 托管的接口，向应用提供 Codex 的 harness。在 OpenAI 自己的表述里，它负责管理工作会话、编排、上下文压缩与恢复，而应用只需提供工具，并选择智能体在哪里执行。文档定义了四个核心对象：

– agent（智能体）：打包模型、指令、工具与 MCP 服务器； – environment（环境）：可选沙箱，智能体在其中访问文件、加载技能、运行命令； – session（会话）：一个持久实例，跨任务持续工作并响应输入； – events / items（事件与条目）：发送的输入与产出的输出。

其中”持久（durable）”一词最关键：一个 session 被设计为可存活，OpenAI 称基础设施能让智能体可靠运行数天。

托管框架替你干的活

公开测试版中，有四个能力直接对应着各团队过去手工维护的代码：

– 上下文压缩（context compaction）：会话接近上下文上限时自动压缩早期内容，保留智能体继续所需的信息，工作流可跨多个上下文窗口运行，无需自建摘要逻辑。 – 工具搜索（tool search）：不再把每个工具定义都塞进提示词，而是按需加载相关定义，降低 Token 消耗、保护模型缓存。 – 程序化工具调用：智能体可并行运行调用、链式串联相关操作、在代码中过滤或合并结果。 – 子智能体（subagents）：以多智能体模式把任务拆成独立片段，并行委托给各自持有独立上下文的子智能体，由主智能体协调并合并结果。配置只需两行：

"agent": {
  "model": "gpt-6-astra",
  "multi_agent": { "enabled": true, "max_concurrent_subagents": 3 }
}

智能体跑在哪里

执行位置留给开发者选择，共有三种：OpenAI 托管的沙箱、自有基础设施、或合作方沙箱。OpenAI 公布了九家首发合作方：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop 与 Vercel。托管沙箱运行在与 Codex、ChatGPT 相同的隔离架构之上，可配置文件、包、技能与插件；自有与合作伙伴路线则用于那些通常会劝退托管服务的场景——自有 VPC 内部署、特定密钥存储，或特定的 CPU、GPU、内存配置。

怎么收费

OpenAI 在公告中称使用 Agents API”没有额外费用”，严格意义上确实没有名为”Agents API”的账单条目。但文档更精确：模型用量按所选模型的 API 费率计费，OpenAI 工具按标准费率计费，OpenAI 托管的沙箱按标准容器费率计费。由于持久智能体是一个保持温热的容器，在围绕长寿命会话做架构设计前，值得先了解这些容器费率。

早期客户数据

OpenAI 公布了若干早期客户说法作为佐证，应作为方向性参考而非基准：

– Ciridae 的 CTO 称其评测分数从 0.71 升至 0.85，子智能体流程带来约 4 倍延迟下降； – SafetyKit 在将案例审查流程迁移后，单案例成本下降 60%； – Hypha 称把 harness 与沙箱分离后，失败的智能体响应减少 86%。

这些数字的形状，与并行委托本应对墙上时钟时间产生的作用一致。

值得注意的取舍

公开测试期内，数据处理仍留在美国境内，且即便在自托管沙箱上也不支持零数据保留。更重要的权衡是依赖关系：采用 Agents API，意味着把应用的编排层锁定在 OpenAI 的实现上，并随 OpenAI 的模型发布进行版本对齐，而不是独立拥有这一层。对于差异化在于工具、数据与工作流、而非智能体循环本身的团队，这笔交易相当直接；而旨在跨多家模型供应商工作的智能体平台，更可能把 GitHub 上开源的 Codex harness 而非这套托管 API，视为更相关的采纳对象。

结语

框架如 LangGraph、CrewAI 帮助开发者拼出智能体管线，但让长寿命智能体在生产中稳定存活的运维负担，过去一直由各个团队自行承担。Agents API 把这块负担收归托管，是”模型供给”向”智能体运行时”延伸的明确一步，也与 Anthropic、Google 的 agent 框架形成正面竞争。

OpenAI 于当地时间 9 月 10 日推出 Agents API 公测版，把原本只在自家产品内部使用的 Codex 智能体执行框架和云基础设施，变成了一项所有开发者都能直接调用的托管服务。

过去搭建一个能跑在生产环境里的 AI 智能体，团队往往需要自己拼装模型调用、工具协议、状态存储、重试逻辑和沙盒环境，工程量不小。Agents API 的思路是把这些”脏活”收拢到一个接口后面：开发者只需要指定任务、模型、工具以及运行环境，OpenAI 在自己的基础设施上负责跑通整个智能体循环。

一次调用创建生产级智能体

按照官方说法，开发者只需一次 API 调用，就能创建出达到生产环境水准的智能体。智能体可以在云端运行代码、处理文件、保存中间结果，并持续执行跨越数小时甚至数天的任务。

这种长时运行能力依赖两项关键设计。其一是上下文管理：当会话接近上下文窗口上限时，系统会自动压缩早期信息，保留关键内容，让任务能够跨越多个上下文窗口连续推进。其二是工具搜索与程序化工具调用：智能体按需加载工具定义，可以并行发起调用、串联多个操作，或先对返回结果做筛选再写入模型上下文，从而减少无效 Token 消耗。

多智能体协同也是首发能力之一。开发者可以把复杂任务拆成若干独立子任务，交给子智能体并行处理，再由主智能体协调汇总。OpenAI 给出的示例中，最多可配置 3 个并发子智能体。

沙盒可以自己选，也可以交给 OpenAI

在执行环境上，Agents API 提供了三条路径：使用 OpenAI 托管的沙盒、部署在开发者自有基础设施或虚拟私有云中，或者接入合作方提供的沙盒。

首批合作方包括 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop 和 Vercel，各家提供不同的 CPU、GPU、内存以及文件与密钥存储配置。把”编排层”和”沙盒层”分开设计，意味着模型侧的智能体循环由 OpenAI 运维，而代码执行和数据文件可以留在开发者自己的环境里。

同步推出的 OpenAI Hosted Sandbox 服务，则面向不想自己搭沙盒的团队。开发者可以直接为智能体配置环境文件、软件包、技能和插件，用于运行代码、处理文件和生成产物，底层采用与 Codex 和 ChatGPT 相同的沙盒基础设施。需要注意的是，托管沙盒默认开启网络访问，开发者可关闭出站访问或改为白名单；闲置一小时的非活跃沙盒会被自动删除。

开源内核与两项现实约束

Agents API 基于开源的 Codex 执行框架打造。开发者可以查看公开代码库，了解协调模型调用、工具和上下文的核心逻辑，OpenAI 则负责维护这套框架，并随模型更新持续改进智能体能力。

计费方面，Agents API 本身不额外收费，开发者只需为实际消耗的模型 Token 和工具调用付费；若使用 OpenAI 托管沙盒，则按标准容器费率单独计费。

不过有两项限制值得提前评估。其一是数据驻留目前仅支持美国区域；其二是 Agents API 不支持零数据保留（ZDR），且改用自托管沙盒也不会让工作负载获得 ZDR 资格——对于处理受监管数据或高敏感数据的团队，这是实质性约束。

从产品节奏看，Agents API 承接了 OpenAI 此前的路线调整。今年 4 月，OpenAI 在 Agents SDK 中加入原生沙盒执行和更强的执行框架，但开发者仍需自行运维智能体进程；今年 6 月，OpenAI 宣布 Agent Builder 与 Evals 产品将在 11 月 30 日后从平台下线，引导基于代码的工作流转向 Agents SDK。如今 Agents API 的公测，等于给这批开发者补上了一个托管部署选项。

目前 Agents API 已向所有持有 OpenAI API 密钥的开发者开放公测，官方表示将在公测期间依据反馈持续迭代，并逐步推进正式发布。