OpenAI发布Agents API，提供托管Agent运行环境

OpenAI 把 Codex Agent Harness 产品化了！

Agents API：开发者通过一次 API 调用，就能创建一个由 OpenAI 托管运行、可在云端连续工作数天的生产级 Agent。和 LLM API 不同，模型之上的编排层也由 OpenAI 负责，开发者只定义 Agent 的差异化能力。 https://openai.com/index/introducing-the-agents-api/

Agents API 解决什么问题？ OpenAI Codex 和 ChatGPT for Work 的经验表明，生产级长时 Agent 的瓶颈不在模型，在于两件每家都要重复造的轮子： · Harness：上下文管理、工具高效调用、多 Agent 协调 基础设施：支撑 Agent 连续运行数天的可靠环境与沙箱

Agents API 把这两件事平台化：Agent Loop 跑在 OpenAI 的基础设施上，由它协调模型调用、工具使用和上下文；开发者则掌握 Agent 的能力定义和运行环境。

Agents API 架构：编排归 OpenAI，环境归你 最核心的设计决策——“Your sandbox, your call”。执行环境三档可选： 1. 自带沙箱：Agent 跑在自己的机器里； 2. 沙箱合作伙伴：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel，覆盖全托管到 VPC 部署，CPU/GPU/内存、冷启动、成本各有组合； 3. OpenAI 托管沙箱（新推出）：与 Codex 同源的沙箱设施，可在供给时注入文件、安装包、添加技能和插件，Agent 能运行代码、操作文件、产出工件。

这个解耦化解了企业采用的最大顾虑（代码和数据在哪跑），同时把真正的增值部分 Harness 留在自己手里。

Harness 的三项关键能力 1. 长会话续航：接近上下文上限时自动压缩，工作流可跨越多个上下文窗口，无需自写压缩逻辑； 2. 大规模工具使用：tool search 按需加载工具定义（省 token 且保留模型缓存）；programmatic tool calling 让模型在代码中并行调用、链式组合、过滤工具结果；原生支持 MCP、自定义函数和内置工具（如 web search）； 3. Subagent 并行：主 Agent 把任务拆给多个并行子 Agent，各自持有独立上下文，由主 Agent 汇总，无需自建编排系统。