OpenAI Agents API 于 Codex 平台上线公开测试版

OpenAI 对 Agents API 的宣传直截了当：停止自行搭建底层架构。只需一次 API 调用，指定任务、模型、工具和运行位置，即可设计一个自定义智能体，其余部分由 OpenAI 自有的 Codex 平台（即已驱动 Codex 和 ChatGPT for Work 的编排与执行层）处理 ^[2]。该平台现已内置自动上下文压缩功能，防止会话超出模型的上下文窗口；工具搜索功能仅加载任务实际需要的工具定义，而非将数千个 schema 塞入提示词；支持程序化并行工具调用，以及原生子智能体支持，具备并行执行与结果合并能力 ^[2]。

Pareekh Consulting 的 Pareekh Jain 从“消失的部分”角度解释了其吸引力：手动构建的长期运行智能体需要作业队列、状态数据库、沙箱集群、压缩例程和重试策略——而 Agents API 现在将所有这些整合进一次托管调用中 ^[1]。X 平台上的社区反应也独立表达了相同观点——开发者将其描述为一种现在可以租用而非自建的基础设施，类似于云计算将服务器变为公用事业。这种类比是否成立，取决于该平台真正接管了多少实际难题——不仅是沙箱，还包括状态管理和可观测性——这正是下一节要探讨的问题。

与大多数仅附带模糊客户评价的基础设施发布不同，OpenAI 为三位早期采用者提供了具体的前后对比数据。Ciridae 报告称，在将其子智能体工作流从原有编排系统迁移至 Agents API 后，评估得分从 0.71 提升至 0.85，同时延迟降低了 4 倍 ^[2]。SafetyKit 表示，将案例审查工作流迁移至 Agents API 后，每例成本降低了 60% ^[2][3]。Hypha 报告称，仅通过将平台（编排逻辑）与沙箱（执行环境）分离，失败的智能体响应就减少了 86% ^[2][3]。

这些具体且可操作的收益——延迟、每例成本、失败率——使得“租用而非自建”的主张更容易被工程管理层而非仅在周五下午做实验的开发者所接受。值得注意的是，这些数据均由 OpenAI 在发布时特意挑选的公司自行报告，因此更像销售主张的证明点，而非独立基准测试——是有用的信号，但并非中立证据。

并非所有观察者都接受“平台即产品”的说法。尝试该 API 的开发者反驳称，托管沙箱从来不是构建智能体的难点——一位运营云智能体基础设施的人士认为，真正的挑战在于上下文管理、权限控制和会话日志记录，并将这一差距比作提供托管队列与提供计算层本身：更接近提供 AWS SQS 而非 AWS Lambda。开发者讨论中另一个反复出现的抱怨是运维层面而非架构层面的：当智能体在凌晨 2 点做出无法解释的行为时，所需的调试和回放工具来查明原因，Agents API 并未明显解决，而这类问题往往在会话已无人监管运行数小时后才会暴露。

对该发布的反应也并非一致热情。除了实践者对平台未解决部分的批评外，一些开发者社区成员还提出了更尖锐的担忧：完全赋予智能体如此高的自主性是否妥当——特别是智能体拥有对凭证和密钥的长期访问权限，且若出现问题，缺乏明显的人为干预或责任分配机制。这种怀疑因至少一位评论者援引 OpenAI 内部对其自身安全文化的早期批评——即安全流程可能让位于发布速度——而进一步加剧，这成为对自主性扩展速度保持谨慎的理由，而非假设托管 API 能同时解决信任和基础设施问题。

将模型、工具、编排和执行环境整合进一次托管调用的代价是，脱离 OpenAI 的难度加大，企业对定价和条款的议价能力也随之减弱 ^[1]。该 API 也不支持零数据保留（Zero Data Retention），即使客户使用自建沙箱而非 OpenAI 托管的沙箱——这一缺口可能限制其在医疗和金融服务等受监管行业的采用，因为 ZDR 通常是采购要求 ^[1]。

成本是另一个在扩大规模前需仔细审视的项目。沙箱和容器使用费用与模型使用费用分开计费，一位开发者论坛用户提醒其他用户在启动新容器前计算沙箱成本，而非假设转售定价模式接近免费 ^[4]。结合锁定风险，这幅图景更像是：你租用的并非免费基础设施，而是一种真实成本和可移植性只有在你已依赖它之后才会变得清晰的基础设施。

Agents API 并非孤立存在。行业报道将其直接对标 Anthropic 的 Claude Managed Agents 和 Amazon Bedrock AgentCore，将 2026 年定位为各大模型实验室和云厂商均认定编排层（而不仅是模型）是值得拥有的产品的年份 ^[1]。Kanerika 的 Amit Kumar Jena 指出原因：基础设施问题而非模型质量，往往成为智能体投入生产的瓶颈 ^[1]——这意味着谁先消除这一瓶颈，谁就将捕获开发者关系，而不仅是 API 调用。

HFS Research 的 Phil Fersht 预计，其下游影响将体现在人力配置上：企业可能需要更少的工程师来构建每个智能体的基础设施，从而缩短开发时间 ^[1]。若此情况成真，竞争焦点将不再是哪个模型最聪明，而是企业将标准化于哪家供应商的托管平台——以及如上所述的锁定风险，这种标准化的逆转成本将有多高。