Agents API

Agents API 是 OpenAI 于 2026 年 9 月 9 日发布公开测试版的托管 Agent 平台 API：OpenAI 把 Codex 背后的 Agent harness 经自家基础设施以 API 形式暴露给应用——模型调用、工具循环、上下文压缩、多智能体编排、会话持久化与故障恢复都由 OpenAI 管理，应用只负责提供工具、选择执行环境并收发事件。官方口号是"把 Codex 背后的 harness 带进你自己的 Agent"。

它填的是此前产品矩阵中间的空档：Responses API（响应 API）让应用完全控制模型请求与集成，OpenAI Agents SDK 让 SDK 在应用内运行 Agent 循环，而 Agents API 把循环整个搬上 OpenAI 侧运行，集成工作量从"高/中"降到"低"。

架构：四概念 + 三角色

Agents API 围绕四个主要概念构建：

概念	内容
Agent	模型、指令、工具与可用的 MCP 服务器配置
Environment	可选的沙箱或计算机，Agent 在其中访问文件、加载 Skills、运行命令
Session	Agent 的持久实例，处理任务并响应输入，状态跨轮保留
Events and items	发给 Agent 的输入与执行期间产生的输出

三角色拓扑中，OpenAI 只运行 harness，其余由你决定：

flowchart LR
    APP["应用服务器
（你的代码：提交任务、收事件、执行函数工具）"] -->|"session / input"| H["Harness
（OpenAI 托管的 Codex 实例）"]
    H -->|"流式事件 / Webhooks"| APP
    H -.->|"命令、代码、文件读写"| ENV["Environment
openai_hosted / self_hosted / none"]
    H -.->|"远程 MCP / 函数工具"| TOOLS["工具与外部数据"]

应用服务器是你连接产品的代码：提交任务、接收事件、处理函数工具；用 self-hosted 环境时还负责环境生命周期。harness 没有环境也能工作——答题型或纯外部服务访问型 Agent 可设 environment.type: "none"，此时内置 Bash 与 apply-patch 工具、工作区文件和 executor MCP 均不可用。

托管 harness 支持什么

受管 Codex harness 内置一整套此前需要自建的能力：

在沙箱中运行命令和代码，产出 artifacts
聚合并应用相关的 skills 与指令
经工具或 MCP 连接外部数据（远程 MCP 由 harness 直接调用；函数工具回传给应用执行）
工作中途转向（steering）正在运行的 Agent
自动压缩先前工作以管理上下文窗口（compaction）
把工作拆成子任务并委派给 Subagent（可配置 max_concurrent_subagents）
从上次中断处恢复会话

创建会话时，模型、指令、工具、MCP、subagent 编排和环境一次配置完成：

session = client.beta.agents.sessions.create(
    agent={
        "model": "gpt-6-astra",
        "instructions": "...",
        "tools": [
            {"type": "programmatic_tool_calling"},
            {"type": "mcp", "server_label": "openai_docs",
             "transport": {"type": "http",
                           "server_url": "https://developers.openai.com/mcp"}},
            {"type": "web_search"},
        ],
        "multi_agent": {"enabled": True, "max_concurrent_subagents": 4},
    },
    environment={"type": "self_hosted",
                 "workspace_directory": "/workspace",
                 "capability_directories": ["/workspace/capabilities/skills"]},
    input=[{"role": "user",
            "content": [{"type": "input_text", "text": "..."}]}],
)

之后与会话交互的循环是：创建会话 → 给任务启动一轮工作 → 经流式输出或 Webhooks 跟踪进度（Agent 完成或需要输入时得到通知）→ 继续给同一会话新任务，或在当前轮内中途指导。

环境选项：三种 `environment.type`

类型	说明	归谁管
`none`	不给沙箱，纯靠函数工具 / 远程 MCP	无环境
`openai_hosted`	OpenAI 托管沙箱（2026 年 9 月同步推出），可运行代码、读写文件、产出 artifacts，支持装包、供应文件、挂 skills 和插件	OpenAI 供应与管理，按容器标准费率计费
`self_hosted`	连接自己的沙箱或计算机：本机、Docker、AWS Lambda 均可	应用启动环境并连接 executor，自行负责供应、重连、关闭与文件保留

沙箱提供商还有一批一等集成：Blaxel AI、Cloudflare Dev、Daytona、DigitalOcean、E2B、Modal、Oracle Cloud、Runloop AI 和 Vercel——对应 CPU/GPU/内存规格、VPC 内部署、文件与密钥存储等不同工作负载。这与 Agent Sandbox 条目里"云 SaaS / 混合 BYOC"部署模式一一对应。

计费与数据边界

无额外平台费：模型用量按所选模型 API 费率、OpenAI 工具按标准费率、OpenAI 托管沙箱按容器费率计费
会话状态保留：可跨轮继续工作而无需重建上下文；会话与已发布 artifacts 可删除
数据驻留仅限美国，且不支持 Zero Data Retention（ZDR）——即使选用 self-hosted 沙箱，会话状态仍经 Agents API 保存，这成为受监管行业（医疗、金融）采纳的主要顾虑

与相邻 OpenAI 集成层的选型

	Agents API	OpenAI Agents SDK	Responses API	Codex SDK
用途	OpenAI 运行受管 harness 的长时任务	应用内自控 Agent 循环	直接调用模型、自建集成	调用产品化编码 Agent
Agent 运行位置	OpenAI 托管 Codex harness	SDK 运行于你的应用	你的应用（可选托管编排）	你的应用调 Codex 进程
状态保存	会话配置、轮次、items 全由 OpenAI 保存	你的存储 / SDK 会话 / Responses 会话	手动历史或 Conversations	Codex 会话
集成工作量	低	中	高	低（限编码场景）

也就是说：要现成的生产编码 Agent 用 Codex SDK；要为自定义业务工作流自己编多 Agent 循环用 Agents SDK；要最高控制权用 Responses API；要让 OpenAI 把整条 harness 连沙箱一起管掉，用 Agents API。

竞品与争议

这个类别已相当拥挤：Anthropic Claude Managed Agents 自 2026 年 4 月公开测试，AWS Bedrock AgentCore 的托管 harness 6 月 GA，同类产品还有 Microsoft Foundry Agent Service 和 LangGraph。

分析师指出的主要权衡：

锁定（lock-in）：模型、上下文管理、工具、编排、执行环境都由 OpenAI 提供时，迁移平台难度显著上升，也削弱议价位置；追求多模型策略的企业可能偏好自建 harness 或混合方案
数据治理：不支持 ZDR 即使自带沙箱，限制受监管行业采纳
收益侧：自建长时 Agent 需要任务队列、状态库、沙箱机群、压缩例程和重试策略，且每一件都要有人负责值班——托管平台把这些"活动部件"收走，缩短从 demo 到可无人值守生产系统的时间