事件：OpenAI 把 Codex 的智能体底座开放成公开测试版 API
9 月 10 日，OpenAI 正式发布 Agents API 公开测试版：开发者只需一次 API 调用，就能创建、运行由 OpenAI 托管底座的长周期云上智能体。官方说明，这套底座正是支撑 Codex 与 ChatGPT for Work 跑数亿任务所用的同一套 harness——上下文管理、工具调度、子智能体协调在内都由 OpenAI 维护，开发者不用再自己拼装这些底层能力。本文以官方公告Introducing the Agents API为事实基准，文中涉及的能力与定价均以公告原文为准。
这是一次把\"内部自用的智能体运行底座\"正式对外出租的产品化动作。过去半年 Agent 开发圈的主流做法是自己搭编排框架，再串多个 API 调用；OpenAI 这次把整条链路封装成一个产品接口，等于把\"写好 Agent 骨架\"这件事从开发者手里接了过去。对读者而言，最直接的影响是：做 Agent 应用的门槛从\"要会写编排层\"降到了\"会调一个 API\"，要不要换工具、要不要跟进，是这周可以具体评估的问题。
一次调用能做什么，Agent 架构怎么搭
核心是一个 client.beta.agents.sessions.create 调用即可拉起一个生产级智能体：你指定任务文本、模型、工具列表和运行环境即可。官方示例里模型用 gpt-6-astra，工具层支持 MCP（Model Context Protocol）、自定义函数和内置 Web 搜索；环境可选用 OpenAI 托管沙箱、自建基础设施或合作方沙箱之一。整个会话的运行、调度由 OpenAI 托管，你只需关心要给智能体装什么工具、喂什么知识、定义什么流程。
多智能体并行是这次接口里最有分量的能力。开启 multi_agent.enabled=true 后，主智能体可把一项大任务拆成多个独立片段，分给最多 3 个并发子智能体，每个子智能体维护自己的上下文，主智能体再汇总它们的结果。官方给出一个落地场景：调查线上服务过去 30 分钟故障率升高，主智能体把部署分析、依赖分析、错误分析分别交给不同子智能体并行处理，再汇总证据与建议。对做研究报告、批量代码审查、跨系统排障这类天然可分割的任务，这个机制能明显缩短总耗时。
上下文管理也是内置的。会话接近上下文上限时，API 会自动压缩早期上下文、保留后续工作需要的关键信息，开发者不需要自己实现压缩逻辑就能构建跨多个上下文窗口的工作流；工具侧则提供按需加载的工具搜索，只在需要时把对应工具定义拉进上下文，降低 token 消耗并保留模型缓存。工具调用还支持程序化并跑：并行执行多个操作、把结果过滤后再带回上下文，适合处理大数据量而只带回相关结论的场景。
和上一代 API 的差异，为什么这次值得换
此前做 Agent 基本靠开发者自己拼。Responses API 只管单轮模型调用，上下文压缩要不要做、工具要不要搜、子智能体要不要拆，都得自己实现。Agents API 把这些全部内置成默认能力，等于把\"编排层\"从应用代码里抽出来交给了平台。差异具体体现在三处：一是自动压缩长会话，二是按需工具搜索节省 token，三是多智能体并行免去自己写调度。
另一处是环境选择的自由度。以前贴 API 只能跑同步请求，现在可以选 VPC 内自托管，或放在合作商的沙箱里跑常驻任务——合作的生态厂商包含 Cloudflare、Modal、E2B、Vercel、DigitalOcean、Runloop、Oracle、Daytona、Blaxel 等，覆盖不同的 CPU/GPU/内存配置、冷启动与成本档位。对有合规和数据隔离要求的团队，能在自己的 VPC 里跑常驻智能体、同时在底座调度上复用 OpenAI 的 harness，这是从\"自建框架\"切换过来的最实际理由。
不过要提醒：这不是对所有场景的替换。如果你做的只是短问答、单轮工具调用，Responses API 依然更轻、延迟更低；Agents API 的收益集中在\"跑得久、工具多、要并行\"的长周期任务上。换不换，取决于你的应用是不是这类形态，而不是因为它叫 Agent 就全盘迁移。
定价与上手门槛，谁该马上试用
官方明确：公开测试期内使用 Agents API 本身不另收平台费，只按智能体消耗的 token 与工具用量计费，具体见官方定价页。上手路径清晰：先读 Agents API overview 文档理解会话与智能体的数据模型，再跑一遍 quickstart，用 OpenAI 托管沙箱建一个会话、给一段任务文本，就能看到智能体拉起、跑工具、回结果的完整流程。
最该立刻评估的人是三类。第一类：要交付客户会话/客服/运维自动化智能体的团队——托管底座能省掉自建 harness 的运维负担；第二类：把批量分析、代码整理、跨系统排障做成内部自动化的开发组——多智能体并行直接对应他们的工作形态；第三类：已经在自建多智能体框架、被上下文压缩和子智能体调度折磨的独立开发者，用官方示例对比一两个任务，就能量化迁移收益。
因为现在是公开测试版，接口细节会随反馈迭代，生产环境接入建议锁定版本、做好回归测试，关键任务多验证几轮再放量；正式版本（GA）上线前，能力边界和定价都可能调整，这也属于\"先试用、别全押\"的正常节奏。
与开源 Codex 的关系，可审计的底座
Agents API 运行在开源 Codex harness 之上，核心调度逻辑在公开代码库里可查，开发者能审计它如何协调模型调用、工具与上下文。这和 8 月底 OpenAI 把 Codex 开放为 Agent 底座（\"Codex as a platform\"）是同一条产品线的延伸：从开源框架到托管 API，逐步把整条智能体运行链路变成可租用的服务。
对看重可控性和可追溯的工程团队，这是被低估的一点：既能享受托管便利，又能对底层逻辑保持知情和可见，甚至可以在自有环境复现同样的调度逻辑。Agent 能力会随每次模型发布同步演进——harness 由 OpenAI 持续维护，新模型的工具调用、上下文能力上线时，Agent 会自动受益，不用开发者每次去改自己的编排代码。这也意味着\"Agent 框架能力\"本身正在变成一种持续更新、按量计费的平台服务。
行业影响与下一步关注
头部厂商把第一款\"托管智能体运行底座\"作为公开 API 发布，标志着 Agent 开发从\"自研框架\"向\"按量租用底座\"迁移的门槛进一步降低。对中小团队是明显利好：不需要一支精通编排的工程团队，就能做出具备多工具、多子智能体、长上下文的长周期 Agent。竞争也会被推向新的维度——工具调度质量、沙箱生态覆盖、以及上下文压缩和并行的实际效果，会成为同类 API 之间的差异点。
下一步值得关注四点：测试版走向 GA 时平台费是否会单独计价；多智能体并发上限是否会放开；几大竞争对手（Google、Anthropic 以及国内厂商）会如何跟进同类托管 Agent API；以及开源 Codex harness 与托管 API 两条线如何同步演进。想跟进后续的开发者，可以订阅 OpenAI developer 文档的 Agents API 页面，并留意官方 pricing 页的更新。
来源与说明
本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。
原始来源：https://openai.com/index/introducing-the-agents-api/
如发现事实、价格或链接有误，可通过 联系我们 提交更正。
常见问题
Agents API 是不是免费的？
API 本身在公开测试期不另收平台费，你只需要为智能体消耗的 token 和工具调用付费，具体以官方定价页为准。测试期结束后是否引入平台费尚未公布。
我已经在用 Responses API 或自建 Agent 框架，需要立刻迁移吗？
不必立刻迁。Agents API 适合长周期运行、多工具、多子智能体的场景；简单单轮问答仍用 Responses 更合适。可以先跑一遍 quickstart 试一单任务，评估自动上下文压缩和多智能体并行的收益，再决定是否迁移。
能在我自己的服务器或 VPC 里运行吗？
可以。Agents API 支持三种环境：OpenAI 托管沙箱、自建基础设施，以及 Cloudflare/Modal/E2B/Vercel 等合作方的沙箱，能贴合不同合规与数据隔离要求。
生产环境能直接上吗？
目前是公开测试版（public beta），接口会随反馈迭代。生产接入建议固定版本、做回归测试，并把关键任务用子智能体并行和自动压缩多验证几轮再放量。