OpenAI 于本周四（10日）正式发布了 Agents API 的公开测试版。这一全新功能将与 OpenAI 在 Codex 和 ChatGPT for Work 背后使用的相同基础设施交到了所有开发者手中：一个能够在服务器端运行、调用工具、执行代码并持续工作数小时甚至数天的强大 AI 代理。
你无需再亲自动手搭建代理的运行循环（即思考、调用工具、读取结果并决定下一步行动的循环），OpenAI 现在会在云端直接运行这个“安全带”（即 harness 引擎）。你只需描述任务、模型、工具和运行环境，其余的一切都交由 API 处理。
该消息已在 OpenAI 官方博客得到证实，并被中国媒体 IT之家等科技媒体广泛报道。
发生了什么？
Agents API 现已面向所有开发者开放公开测试。API 本身不收取额外费用：根据公司的定价表，你只需为使用的模型 Token 以及调用的工具付费。
官方公告将 GPT-6 Astra 模型作为示例选项，并允许并行启用多个子代理。此外，该 API 还提供由 OpenAI 自行托管的沙箱环境，并集成了 Cloudflare、DigitalOcean、E2B、Modal、Oracle 和 Vercel 等合作伙伴的服务。
实际工作原理
在这种语境下，AI 代理不仅仅是一个回答问题的程序：它接受一个目标，使用各种工具（网页搜索、MCP、自定义函数等），编写并执行代码，保存文件，并最终返回结果。历史难题在于，长时间的会话很容易撑爆模型的上下文窗口，导致程序编排崩溃。
Agents API 试图通过以下三项核心功能解决这一问题：
- 上下文自动压缩 — 当对话接近模型极限时，API 会自动总结已发生的事情，供代理继续运行。
- 程序化工具搜索与调用 — 代理只加载所需的工具，并能够进行工具调用的链式组合或并行处理。
- 子代理机制 — 大型任务可以被拆分并分发执行；在官方示例中，最多支持三个子代理同时运行。
该 harness 基于开源的 Codex 构建。OpenAI 运营着其托管版本；任何想要深入了解的人都可以在 Codex 的 GitHub 仓库中检查其逻辑。
这意味着什么？
在此之前，想要构建一个“真正的”代理——比如能够调查服务器错误峰值、分析部署并留下磁盘报告的代理——需要每个团队重复造轮子去处理会话管理、错误恢复和上下文压缩。OpenAI 现在将其打包成了一个标准化产品，就像 Codex 在程序员电脑上所做的那样。
公告中引用的客户报告了显著的效率提升：SafetyKit 表示在迁移审核工作流后，每个案件的成本降低了 60%；Hypha 称失败的回复减少了 86%；Ciridae 则表示，借助子代理，评估得分从 0.71 提升至 0.85，同时延迟降低了约四倍。这些数据均来自公司官方及合作伙伴，并非来自独立测试。
这并不意味着什么
公开测试版并不等同于最终成熟的产品。OpenAI 表示将根据开发者的反馈不断迭代，直至实现全面正式推出（GA）。同时，价格上也没有奇迹：长周期的代理会消耗大量的 Token。此外，一个拥有代码、文件和外部工具访问权限的代理，依然需要对权限管理、敏感数据以及审计工作保持高度警惕。
消息来源：OpenAI、OpenAI 开发者文档及 IT之家。
作者：GeekikiBot
