OpenAI Agents API 发布 – 用于持久化云代理的托管框架

TL;DR

OpenAI 的 Agents API 提供了一个托管的云主机框架，用于构建可运行代码、访问工具并跨会话保持状态的持久化代理，同时支持 OpenAI 托管和自托管沙箱环境。

Agents API 是什么

Agents API 是一个由 OpenAI 管理的新端点，它抽象掉了构建和运行代理框架的复杂性。它会配置一个 Codex 运行时，管理会话状态，处理上下文压缩，并提供内置工具（网络搜索、函数调用、MCP 连接、插件、保险库）。开发者只需定义代理的模型、指令、工具以及可选的沙箱配置即可。

核心概念（自包含）

代理 – 模型（例如 gpt-6-astra）、系统指令和代理可调用工具的组合。
环境 – 可选的沙箱（OpenAI 托管或自托管），提供文件系统、能力目录，并支持运行代码或外部命令。
会话 – 一个持久化的代理实例，可在多轮交互中保持状态；你可以流式传输事件、使用 Webhook，或在会话中实时引导代理。
事件与项目 – 在会话中流动的离散输入（用户消息、工具调用）和输出（响应、产物）。

"Agents API 通过 OpenAI 管理的 API 为你的应用提供对 Codex 框架的访问。OpenAI 负责会话管理、编排、上下文压缩和恢复，而你的应用只需提供工具并选择执行环境。" – OpenAI 文档

快速入门概览（自包含）

创建会话 – 提供代理定义和环境设置；OpenAI 配置沙箱。
提交任务 – 环境准备就绪后，第一个用户消息将启动一轮交互。
监控进度 – 流式传输事件或接收 Webhook 回调，以了解代理何时完成或需要更多输入。
继续或引导 – 向同一会话发送额外输入，或在当前轮次中引导代理。

该 API 返回一个 session.id，你可以在后续轮次中重复使用，从而支持长时间运行的工作流，如事件响应、数据分析或代码审查。

定价模型（自包含）

模型使用 – 按所选模型的标准费率计费（例如 gpt-6-astra）。
工具使用 – 按 OpenAI 的标准工具费率计费。
沙箱托管 – 按 内置工具 下列出的容器费率计费。
数据驻留 – 目前仅限美国；即使使用自托管沙箱，API 也 不支持 零数据保留（ZDR）。

示例会话创建（自包含）

以下是一个 Python 的最小示例，创建一个带有自托管沙箱、网络搜索和 MCP 工具的会话，并支持最多四个并发子代理：

from openai import OpenAI

client = OpenAI()

session = client.beta.agents.sessions.create(
    agent={
        "model": "gpt-6-astra",
        "instructions": "使用 OpenAI 文档 MCP 和网络搜索准确回答技术问题。在有用时将独立研究任务委派给子代理。",
        "tools": [
            {"type": "programmatic_tool_calling"},
            {"type": "mcp", "server_label": "openai_docs", "transport": {"type": "http", "server_url": "https://developers.openai.com/mcp"}},
            {"type": "web_search"},
        ],
        "multi_agent": {"enabled": True, "max_concurrent_subagents": 4},
    },
    environment={
        "type": "self_hosted",
        "workspace_directory": "/workspace",
        "capability_directories": ["/workspace/capabilities/skills"],
    },
    input=[
        {"role": "user", "content": [{"type": "input_text", "text": "研究如何将 MCP 服务器连接到 OpenAI 代理，检查最近更新，并总结推荐的设置方法。"}]}]
)
print(session.id)

同一请求也可用 JavaScript、Go、Java、Ruby 或原始 curl 表达——文档提供了语言特定的代码片段。

社区反响亮点（自包含）

抽象成熟度 – 用户指出 OpenAI 仍在迭代代理的正确抽象。托管框架使开发者免于构建自己的编排、记忆和上下文管理层。

"代理即服务让你可以插入所需工具……但它们仍能封装并继续迭代框架的深层部分，如记忆和上下文管理。" – bluesnowmonkey
自托管吸引力 – 能够运行自托管沙箱被视为对担心供应商锁定的团队的重大优势。

"在其中注意，你可以选择自托管沙箱……这使得它更具吸引力。" – 6thbit
锁定担忧 – 多位评论者担心数据驻留、缺乏 ZDR，以及无法使用个人 OpenAI 订阅来使用该 API。

"你不能用你的订阅来使用这个，所以很可能只有大型公司才能真正使用它。" – krashidov
与现有工具的对比 – 一些人认为 Agents API 与现有的 Responses API 或 LangGraph 等 SDK 存在重叠，而另一些人则认为这是 OpenAI 构建更持久护城河的一步。

"我认为普通 LLM 端点与代理/框架之间的界限将变得毫无意义……只需给它一台计算机，就完成了。" – brap
用例验证 – 早期采用者已构建事件响应机器人、Slack 助手、数据分析师代理和 GitHub 问题调查器，展示了该 API 的多功能性。

何时使用 Agents API 与 DIY 框架（自包含）

场景	Agents API 优势	DIY / SDK 优势
快速原型开发	无需管理沙箱生命周期；OpenAI 配置一切。	完全控制环境、自定义工具和成本优化。
企业合规	托管安全、沙箱隔离和 OpenAI 托管监控。	可在企业防火墙后托管沙箱，满足严格的数据本地化要求。
扩展至数千个并行代理	OpenAI 处理编排、多代理并发和会话持久化。	你必须自行构建调度器和扩展层。
精细化成本控制	模型、工具和容器级别的透明计费。	可立即关闭容器，避免空闲费用。

未解问题与开源替代方案（自包含）

零数据保留 – 该 API 不支持 ZDR；需要严格数据删除的开发者必须自行构建框架。
模型锁定 – 目前仅限 OpenAI 模型；竞争对手可能提供支持模型无关插件的类似托管框架（例如 Flue、Eve、FastAgent）。
社区 SDK – OpenAI Agents SDK 与 API 一致，但提供更灵活的本地托管选择；许多用户报告更倾向于 SDK 以获得更强控制力。
定价清晰度 – 关于沙箱计费机制（最低计费时长、终止语义）仍存在疑问。

总结（自包含）

OpenAI 的 Agents API 提供了一个开箱即用的托管代理框架，抽象了沙箱配置、会话持久化和多代理编排。它特别适合希望快速推出代理功能而无需构建自身基础设施的团队，同时仍允许可选的自托管沙箱以实现更强的安全性。社区反馈既表达了对便利性的兴奋，也对供应商锁定、数据驻留和定价透明度表示谨慎。开发者应根据规模、合规性和成本控制需求，在托管服务与 DIY SDK 之间权衡选择。