Agents API

据 jls42 汇编对 OpenAI API 团队成员 Steve 周报的整理（https://jls42.org/ko/news/ia-actualites-18-oct-2026 ），OpenAI API 团队 10 月 17 日在 X 上发布 Agents API 周报，OpenAI Developers 账号转发。Agents API 是 9 月 10 日面向开发者公开 beta 的 Codex 执行框架，本次周报列出七项新能力，唯一明确标注可用的是 GPT-6 Astra Ultrafast 接入，这是 9 月 29 日已在 API 与 Codex 上线的最高速档位。其余更新包括沙箱快照，把 OpenAI 托管环境在闲置后恢复时文件完整保留；计费方式改进，闲置环境不再计费；环境密钥除控制台外可编程创建；Artifact SDK 支持在 OpenAI 沙箱里创建与修改表格、演示文稿与 Word 文档；按轮次记录包含子智能体交互的根智能体条目；以及按元数据筛选收件箱。截至 10 月 18 日晚，API 变更记录与托管沙箱文档尚未同步这些内容，页面仍按标准容器费率并单列模型使用费。 闲置环境不再计费改了哪本账？ 智能体大部分时间在等结果，Anthropic 内部团队报告称对话式会话约八成时间处于闲置。旧计费模式下，环境只要开着就按容器费率累计，间歇任务的账单里闲置占比极高，团队为了省钱反复销毁重建，文件状态因此丢失。闲置免计费加沙箱快照的组合，等于允许环境长期待命、随取随用，开发者不必为保持状态而硬烧容器费。这一改直接影响间歇式任务的经济模型：定时巡检、人工审批后继续的长流程，过去在等待期持续失血，现在等待期只记模型调用本身。 沙箱快照解决了什么旧痛点？ 没有快照时，任务中断或环境回收后需要重装依赖、恢复文件、重放前序步骤，长链智能体每次续跑都要重复初始化。快照把执行现场冻结成可恢复点，这对需要跨小时、跨人工审批的工作流尤其关键，审批人看完回来，环境还停在原来的目录与文件状态。配合按轮次记录，根智能体与子智能体的每一步交互留痕，排错时可以定位到具体哪一轮产生了偏离，而不是从最终结果反推。 环境密钥可编程创建意味着什么？ 早期环境密钥只能在控制台手动建，自动化流水线每次都要人工介入，无法把密钥发放纳入代码管理。可编程创建之后，密钥生命周期可以和任务定义一起版本化，轮换、最小权限、到期回收都能写进脚本。Artifact SDK 则把产出物直接落到沙箱支持的办公格式里，表格、演示、Word 不再靠外部服务中转，这瞄准的是企业流程里需要交付成品而不只是文本答案的场景。 文档没同步时开发者该怎么落地？ 要注意周报发出两天后官方文档仍未更新，说明部分能力可能仍在灰度，直接把生产账单建立在未文档化的计费规则上有风险。稳妥做法是先在测试环境验证闲置免计费与快照恢复的实际边界，确认哪些状态算闲置、快照保留多久、恢复是否另收存储费，再迁移工作流。对其他云厂商，这是一个明确信号：智能体平台的竞争正在从模型跑分转向等待期成本与状态管理，谁把闲置账算清楚，谁就能留住长流程客户。 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论 ...

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 💬 更多交流内容，请点击本站论坛交流区：silicon-agi.com

硅基速览 9月10日，OpenAI Agents API进入公开测试阶段，提供托管式Codex harness。 核心能力：沙箱环境、上下文压缩、并行子Agent、MCP协议支持、可恢复会话。 与Claude Code（终端Agent）和Cursor Projects（多Agent工作区）形成2026年9月Agent开发框架的三足鼎立。 正文 OpenAI补齐Agent拼图 2026年9月10日，OpenAI的Agents API进入公开测试（Public Beta）。根据andrew.ooo在9月14日发布的对比文章，这个API的定位是"托管式Codex harness"——你不需要自己搭建Agent运行环境，OpenAI帮你托管好。 在Agents API之前，OpenAI的Agent能力分散在多个产品里：Codex CLI（终端编程Agent）、GPT Store（自定义Gpts）、Assistants API（基础对话Agent）。但这些产品要么需要你自己搭建运行环境，要么能力有限。Agents API第一次把所有Agent能力整合到一个托管平台上。 核心组件包括： 沙箱环境（Sandboxes）。 每个Agent任务都在一个隔离的容器中运行，有独立的文件系统、网络访问权限和计算资源。Agent可以在沙箱里执行代码、调用工具、访问API，但不会影响到你的生产环境。 上下文压缩（Compaction）。 长任务运行过程中，Agent的上下文窗口会不断增长。Agents API自动进行上下文压缩——把早期的对话历史和工具调用结果总结成摘要，释放上下文空间，让Agent可以处理长达数小时的任务而不超出token限制。 并行子Agent（Parallel Subagents）。 主Agent可以派生多个子Agent并行执行不同子任务。比如主Agent需要"分析这个代码库"，它可以派一个子Agent读前端代码、一个读后端代码、一个读配置文件，然后汇总结果。这比单个Agent串行处理快3-5倍。 MCP协议支持。 Model Context Protocol是Anthropic发起的开放协议，现在已成为Agent连接外部工具的事实标准。OpenAI在Agents API中支持MCP，意味着你可以用任何兼容MCP的工具服务器（数据库、文件系统、浏览器、GitHub等）直接接入Agent。 可恢复会话（Resumable Sessions）。 Agent执行长任务时如果中断（网络问题、超时、错误），会话状态会被持久化，可以从中断点恢复，不需要从头再来。 与Claude Code和Cursor Projects的对比 到2026年9月，Agent开发框架已经形成三足鼎立格局： 维度 OpenAI Agents API Claude Code Cursor Projects 定位 托管式Agent后端 终端编程Agent IDE内多Agent工作区 状态 Public Beta（9月10日） GA（Fable 5.1接入） Beta（9月10日全量推送） 核心场景 API集成、企业工作流 终端软件开发 团队协作编程 子Agent 并行云端子Agent 子Agent+Hooks 协调Agent+云端子Agent MCP支持 支持 支持 通过IDE插件 会话恢复 原生支持 通过Cowork 通过共享上下文 三者的定位差异很清晰：OpenAI Agents API面向"后端开发者"——你在自己的应用里嵌入Agent能力，OpenAI帮你托管运行环境；Claude Code面向"个人开发者"——你在终端里直接与Agent结对编程；Cursor Projects面向"团队协作"——多个人+多个Agent在一个共享工作区里协作开发。 ...