公测

9 月 10 日，OpenAI 把 Agents API 推向公测：它不再只是给你一个聊天补全接口，而是连「跑 Agent 的脚手架」和「执行任务的云沙箱」一起托管——Agent 可以在一个隔离环境里读写文件、调工具、跑很长时间。两周后 DevDay 又给这套东西配了云电脑（Dots）。对开发者，这意味着「自己写循环管工具调用」的那层胶水，官方帮你写了。 最短上手 第一步，pip install openai-agents，拿一把 API key。第二步，用它的 SDK 定义一个 Agent：给一句 instructions，挂上几个 Python 函数当工具。第三步，用 Runner.run(agent, input='帮我把这个 csv 按周汇总成图表')，剩下的工具选择、循环、出错重试由 harness 接管。 要跑真正长的任务（下载文件、执行脚本），就启用它的沙箱模式——Agent 在隔离容器里操作文件系统，而不是在你本地机器上。 它不替你做什么 需要清醒的是：harness 托管了执行，不托管你的业务逻辑。工具怎么写、提示词怎么设、结果怎么校验，还是你自己的事。公测期的配额与稳定性也别太乐观，关键生产链路先做降级预案——挂了能回退到普通 API。 判断 Agents API 的真正意义，是把「造一个能干活的 Agent」的门槛从「会写一套编排框架」降到「会写几个函数」。这种托管化会加速 Agent 泛滥——回头看那 2.1 万个无人认领智能体的报表，工具越简单，治理就越要提前。先用它跑通一个真实小任务，比读十篇评测更能体会它的边界。 补一个上手建议：第一次玩，别直接接生产数据。先用一个无关紧要的任务（比如整理下载文件夹、写个周报模板）跑通沙箱流程，观察它在云环境里怎么建文件、怎么调工具。摸清楚它「擅自做了什么」之后，再把它放进有真实权限的链路。智能体越强，第一次放手时越要盯着。 工具越简单，第一次放手时越要先盯着它做几个无害任务，确认它的行为边界，再谈生产化。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：AgentsAPI