OpenAI Agents API：把驱动 Codex 的 harness 开放出来
不是再发一个聊天模型，而是把「长期跑 agent」的编排与运行环境，做成一次 API 调用就能用的托管服务。
很多人第一次做 Agent，会以为难点在模型。
其实更难的是那一层看不见的壳。
模型给出一步计划之后，谁去切上下文、谁去调工具、谁去开并行任务、谁去把结果收回来汇总？
这一层，业界常叫 harness（挽具 / 编排壳）。
2026 年 9 月 10 日，OpenAI 把驱动 Codex 的那套 harness 与基础设施，以 Agents API 的形式进入 public beta，交给开发者调用。
一句话概括：不是再发一个聊天模型，而是把"长期跑 agent"的编排与运行环境，做成一次 API 调用就能用的托管服务。
一次调用，指定四件事
按官方说明，一次 Agents API 调用里，你可以指定任务、模型、工具，以及运行环境。
OpenAI 托管并维护 harness。
开发者不必自己从零拼"循环----工具----上下文----重试"这一整条链路。
如果把大模型比作会写步骤的大脑，harness 更像车间里的总控台。
大脑只负责想下一步；总控台负责把工具递到手边、把长对话压成摘要、把子任务分给并行工位，再把结果收回来。
Codex 之所以能长时间写代码、改代码、跑工具，很大一块价值就在这张总控台上。
现在，这张台子通过 API 对外开放了。
计算环境可以换，不一定绑死在一家云上
Agent 要真正做事，往往需要一个能跑代码、能访问工具的计算环境。
Agents API 给出三种路（官方表述）：
- OpenAI 托管沙箱。
- 自有基础设施。
- 合作方沙箱。
官方点名的合作方包括 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel 等。
这意味着，编排壳由 OpenAI 运营，执行现场却可以放在你更熟悉、更合规、或更便宜的地方。
对独立开发者和小团队来说，这一点很实际。
你可以先用托管沙箱把流程跑通，再把执行迁到自有机房或合作方环境，而不必重写整套 agent 循环。
长窗口、工具与子 agent：壳里装了什么
官方介绍了几项与"长期跑"直接相关的能力。
（1）长窗口 compaction
Agent 任务一拉长，上下文会迅速膨胀。
compaction 做的事，可以理解成：把已经用过、但还不能全扔的对话，压成更短的摘要，腾出窗口继续干活。
它不是无限上下文的神话，而是工程上常见的"边跑边收拾桌子"。
（2）tool search
工具定义本身也会占 token。
tool search 的思路是：不必把所有工具说明书一次塞进提示词，而是按需检索、再加载。
省的是输入侧体积，换来的是同一窗口里还能塞进更多真正有用的任务细节。
（3）programmatic tool calling
除了让模型一次次口头点名调工具，还可以在代码侧做并行或链式调用，并过滤结果。
这对会写脚本的人更友好：确定性过滤放在程序里，模型少做机械搬运。
（4）MCP、自定义函数、web search
壳本身要接外部世界。
官方列出的接口形态包括 MCP、自定义函数，以及内置的 web search。
（5）multi_agent：并行子 agent
这是本文想强调的第三根柱子。
multi_agent 可以把大任务拆给并行的子 agent；每个子 agent 有独立上下文；主 agent 负责汇总。
生活里的类比很简单：主厨定菜单与出品标准，几个帮厨各自处理切菜、炖汤、摆盘，最后回到主厨手里合成一道菜。
各干各的，互不把案板搅成一锅粥；汇总权仍在主 agent。
官方引用的客户自述里，Ciridae 称评估分从 0.71 提到 0.85，子 agent 流程延迟约下降 4 倍（客户自述）。
Dwelly 称可以异步扇出数百个 agent（客户自述）。
这些数字来自官方文章中的客户说法，不是独立评测，也不是对所有场景的保证。
底座是开源 Codex harness，运营仍在 OpenAI
官方还强调了一点：底座是开源的 Codex harness，开发者可以查看协调逻辑；由 OpenAI 运营该 harness。
开源的价值，在这里主要是可审计与可对照。
你能看见编排是怎么转的，不等于你自己就得去值夜班运维整套集群。
运营与开放查看，被拆成了两件事。
对想理解 agent 系统、又不想从零造轮子的人，这是一个比较克制的折中。
计费：没有单独的 Agents API 附加费
计费规则同样写得很直白。
官方称：无额外 Agents API 费用，按所用 token 与工具计费。
也就是说，你付的是模型与工具本身的用量，而不是再交一笔"调用 Agents API 的壳费"。
至于具体价目，以官方 pricing 页为准；本文不展开未在素材中给出的数字。
另外几家客户自述也值得单独标清来源：
SafetyKit 称每案成本约降 60%（客户自述）。
Hypha 称失败回复约降 86%（客户自述）。
同样，这些是官方转述的客户体验，不是统一 SLA，也不是所有业务线的平均结果。
它解决什么，不解决什么
Agents API 想降低的，是"把模型变成可长期干活的 agent"时，那一层重复建设的编排成本。
它帮你托管 harness，让你可选沙箱，并支持并行子 agent。
它并不自动保证任务一定成功，也不替代你对权限、数据边界、人工审批的设计。
沙箱换了地方，责任边界仍要自己划清。
子 agent 扇出得越多，汇总与冲突处理就越重要，这和多线程程序突然开几百个 worker 是同一类工程问题。
如果你需要的只是单轮问答，普通聊天 API 往往更简单。
如果你已经在自建 Codex 风格的长程循环，又希望少维护一层壳，这个 public beta 值得一看。
小结
OpenAI Agents API（2026-09-10，public beta）的核心，不是又一次模型发布。
它把驱动 Codex 的 harness 与基础设施做成 API：一次调用指定任务、模型、工具与运行环境；计算可落在托管沙箱、自有设施或合作方沙箱；能力侧覆盖长窗口 compaction、tool search、programmatic tool calling、MCP / 自定义函数 / web search，以及 multi_agent 并行子 agent；底座为开源 Codex harness，由 OpenAI 运营；计费按 token 与工具，无额外 Agents API 费。
客户数字一律以客户自述标注，事实以官方介绍为准。
（完）
来源：OpenAI：Introducing the Agents API（2026-09-10，public beta）。客户数字均为官方转述的客户自述。