OpenAI Agents API 公测｜把 Codex 运行 Harness 与托管沙箱交给 API
开发者可在单次调用中配置任务、模型、工具与运行环境；产品仍处于 public beta，需自行验证工作流与外部工具边界。
本文核心看点
OpenAI 于 9 月 10 日发布 Agents API public beta，把支撑 Codex 的运行 harness 和基础设施开放给开发者。一次 API 调用可定义任务、模型、工具和环境，并可选择 OpenAI 托管沙箱、自有基础设施或生态合作方环境或集成。官方说明 API 支持 MCP、函数、网页搜索、上下文自动压缩和多 Agent 并行；目前向所有开发者开放，按模型 token 与工具使用计费，正式上线前仍会快速迭代。
直接回答
OpenAI 于 9 月 10 日发布 Agents API public beta，把支撑 Codex 的运行 harness 和基础设施开放给开发者。一次 API 调用可定义任务、模型、工具和环境，并可选择 OpenAI 托管沙箱、自有基础设施或生态合作方环境或集成。官方说明 API 支持 MCP、函数、网页搜索、上下文自动压缩和多 Agent 并行；目前向所有开发者开放，按模型 token 与工具使用计费，正式上线前仍会快速迭代。
事实来源
OpenAI 将 Agents API 定义为 public beta，向所有开发者开放；除模型 token 和工具用量外，没有额外 API 费用。
开发者可在单次调用中配置任务、模型、工具和环境，并选择 OpenAI 托管沙箱、自有基础设施或官方列出的生态合作方环境或集成。
官方说明该 API 支持 MCP、定制函数、网页搜索、长会话自动上下文压缩，以及可选的并行子 Agent。
核心变化
- Codex 的运行 harness 以托管 API 方式提供
- Agent 环境可在托管、自建与生态合作方环境或集成之间选择
- 长会话可使用官方提供的上下文压缩
- 复杂任务可选择并行子 Agent 协作
对普通 AI 用户的影响
该发布把 Agent 编排、上下文管理和受控执行环境的一部分工作交给平台，团队可把精力放在业务工具、知识和流程设计上。但 beta 不等于已满足组织的生产标准：外部系统权限、工具副作用、成本上限、审计日志、失败恢复和人工批准仍应由实施团队逐项建立与验证。
给团队的操作清单
- 先在隔离项目中用只读工具和虚拟数据跑一个可重复的端到端任务。
- 为每个 MCP、函数和网页工具列出允许动作、数据范围、调用记录与停止条件。
- 比较托管、自建和生态合作方环境或集成的网络、文件、密钥、区域与日志需求。
- 设置 token、工具与并发上限，并为超时、错误和子 Agent 失败准备人工接管流程。
AI 前沿资讯与趋势解读、AI 软件应用与模型工具、AI 技能教程与验证方法、AI 账号服务与权限说明
FAQ
Agents API 是否已经正式可用？
不是。OpenAI 将其标注为 public beta，并表示会在迈向正式可用前根据反馈快速迭代。
必须使用 OpenAI 托管沙箱吗？
不必须。官方说明可选 OpenAI 托管沙箱、自有基础设施或列出的生态合作方环境或集成。
Agents API 是否另收平台费？
OpenAI 表示没有额外 API 费用；仍需支付 Agent 使用的 token 与工具费用。
总结
Agents API 提供的是可复用的 Agent 基础设施起点，而不是自动完成生产治理；先以受限工具、明确权限和可回放验证建立最小闭环，再逐步扩大范围。
本文由 AI 辅助撰写；发布前由 ENHE AI 自动化审计核对官方来源、双语字段、图片权利、页面安全与历史去重。
这对普通用户意味着什么？
该发布把 Agent 编排、上下文管理和受控执行环境的一部分工作交给平台，团队可把精力放在业务工具、知识和流程设计上。但 beta 不等于已满足组织的生产标准：外部系统权限、工具副作用、成本上限、审计日志、失败恢复和人工批准仍应由实施团队逐项建立与验证。
你可能会用到这些工具
相关教程
相关工具/教程
你可以从下面的 ENHE AI 栏目继续把资讯信号转成工具选择、账号服务判断或实操学习路径。
相关阅读
AWS OpenAI 模型评测｜从每 Token 价格转向每个正确结果的真实成本
AWS 于 9 月 11 日发布一套开源评测方法，比较 Amazon Bedrock 上的 GPT‑5.6 Luna、Terra、Sol 与 OpenAI API 上的 GPT‑5.4 mini、nano。它不只看每百万 Token 价格，而是测量每个正确答案、通过的多轮研究结果和合格专业交付物的成本。文章公开了样本量、评分器、配置与局限，并强调 Bedrock 模型关闭推理、API 基线使用默认设置，因此结果不是模型固有能力排名。团队应在自己的 50 至 100 个任务上重跑，并同时核算失败、返工、轮次与延迟。
语音 Agent 上线验收清单｜VAD、噪声、打断、转写、工具与失败交接逐项测试
语音 Agent 的上线验收不能只测一段安静环境中的成功对话。应把语音活动检测的开始和结束阈值、背景噪声与静音、用户中途打断、转写证据与更正、工具调用前后的播报、超时和失败后的状态恢复逐项纳入用例。OpenAI Realtime API 参考文档提供实时会话、音频输入输出、转写和服务端语音活动检测等接口能力；本文将其整理为通用验收清单，不代表某个产品版本的发布说明或性能保证。
GitHub用量API新增Claude与Codex智能体活动：团队可按Agent核对消耗
GitHub在2026年8月7日宣布Copilot Usage Metrics API新增第三方Agent应用活动，可在企业、组织及用户的1日和28日报告中按Agent拆分。新字段包含稳定的agent_id与可变的显示名称，便于把Claude、Codex等工作流接入统一审计。管理员应先核对报告口径、分页和标识稳定性，再把数据用于预算与权限决策，避免再次误判。
AWS展示AgentCore医疗政策工作流：多租户隔离与技能版本化成为重点
AWS在2026年8月7日介绍Cohere Health如何用Amazon Bedrock AgentCore把医疗先决授权政策转成结构化数据。案例使用Runtime的微型虚拟机隔离、Gateway统一工具入口、Memory会话记录和Agent Skills标准，并保留版本追踪与人工审核。普通AI用户可以借鉴其方法：把文档自动化拆成可回滚技能、隔离租户、明确数据来源和人工批准，而不是把一条提示词直接接入敏感业务。
NVIDIA扩展DGX Spark 64GB配置：本地AI工作站如何算账
NVIDIA于10月2日宣布DGX Spark新增64GB统一内存配置，称该版本将于10月23日起由多家合作厂商销售，起售价为4999美元。NVIDIA称单机可运行最多1000亿参数模型，两台设备可池化至128GB，并在其Qwen 3.8 27B测试中达到最高1.7倍性能。上市日期和性能都应视为厂商信息；实际结果取决于模型、量化、上下文和并发负载。本文提供购买前的本地推理评估表。
微软2026数字防御报告：AI正在改变攻防节奏
微软在10月1日发布的《2026数字防御报告》解读中称，攻击者已把人工智能用于侦察、社会工程及既有攻击流程的部分环节。文章重点不是宣称攻击已经完全自动化，而是提醒组织关注速度和规模的变化。身份验证、最小权限、数据保护、持续监测、测试与安全开发仍是防御基础。本文区分微软的观察与独立结论，并将报告转成团队可执行的检查清单。