OpenAI Agents API 發佈 – 用於持久化雲端代理的管理式框架

簡要重點

OpenAI 的 Agents API 提供一個管理式、雲端主機的框架，用於建構可執行程式碼、存取工具並在會話間維持狀態的持久化代理，同時提供 OpenAI 主機與自建沙盒環境兩種選擇。

Agents API 是什麼

Agents API 是一個新的 OpenAI 管理端點，抽象化了建構與運作代理框架的複雜性。它會配置一個 Codex 執行環境，管理會話狀態，處理上下文壓縮，並提供內建工具（網路搜尋、函式呼叫、MCP 連線、外掛、保險庫）。開發者只需定義代理的模型、指示、工具以及可選的沙盒設定即可。

核心概念（自包含）

代理 – 模型（例如 gpt-6-astra）、系統指示與代理可呼叫工具的組合。
環境 – 可選的沙盒（OpenAI 主機或自建）提供檔案系統、功能目錄，並能執行程式碼或外部命令。
會話 – 一個持久化的代理實例，可在多輪互動中維持狀態；您可串流事件、使用 Webhook，並在執行中途引導代理。
事件與項目 – 流經會話的離散輸入（使用者訊息、工具呼叫）與輸出（回應、產出物）。

"Agents API 讓您的應用程式透過 OpenAI 管理的 API 存取 Codex 框架。OpenAI 負責管理會話、編排、上下文壓縮與復原，而您的應用程式則提供工具並選擇執行環境。" – OpenAI 文件

快速入門概覽（自包含）

建立會話 – 提供代理定義與環境設定；OpenAI 配置沙盒。
提交任務 – 環境準備就緒後，第一則使用者訊息即啟動一輪互動。
監控進度 – 串流事件或接收 Webhook 回調，以得知代理何時完成或需要更多輸入。
繼續或引導 – 向同一會話發送額外輸入，或在當前回合中引導代理。

API 會回傳一個 session.id，您可重複使用於後續回合，支援長時間執行的工作流程，例如事件回應、資料分析或程式碼審查。

定價模式（自包含）

模型使用 – 按所選模型的標準定價計費（例如 gpt-6-astra）。
工具使用 – 按 OpenAI 的標準工具定價計費。
沙盒主機 – 按 內建工具 下列出的容器定價計費。
資料存放位置 – 目前僅限美國；即使使用自建沙盒，API 也 不支援 零資料保留（ZDR）。

會話建立範例（自包含）

以下是在 Python 中的最小範例，建立一個使用自建沙盒、網路搜尋與 MCP 工具的會話，並啟用最多四個並行子代理：

from openai import OpenAI

client = OpenAI()

session = client.beta.agents.sessions.create(
    agent={
        "model": "gpt-6-astra",
        "instructions": "使用 OpenAI 文件 MCP 與網路搜尋準確回答技術問題。當有幫助時，將獨立研究任務委派給子代理。",
        "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": "研究如何將 MCP 伺服器連接到 OpenAI 代理，檢查最近更新，並總結建議的設定方式。"}]}]
)
print(session.id)

相同請求也可用 JavaScript、Go、Java、Ruby 或原始 curl 表達；文件提供語言特定的範例片段。

社群重要反應（自包含）

抽象層成熟度 – 使用者指出 OpenAI 仍在迭代代理的正確抽象。管理式框架可讓開發者免於自行建構編排、記憶體與上下文管理層。

"代理即服務讓您插入所需的工具……但他們仍能封裝並持續迭代框架的深層部分，如記憶體與上下文管理。" – bluesnowmonkey
自建沙盒的吸引力 – 能執行自建沙盒被視為對擔心廠商鎖定的團隊的重大優勢。

"在其中注意到，您可以選擇自建沙盒……這讓它更具吸引力。" – 6thbit
鎖定疑慮 – 多位評論者擔憂資料存放位置、缺乏 ZDR，以及無法使用個人 OpenAI 訂閱來使用此 API。

"您無法使用您的訂閱來使用這個，因此很可能只有大型企業才能真正使用。" – krashidov
與現有工具的比較 – 有人認為 Agents API 與現有的 Responses API 或 LangGraph 等 SDK 重疊，但也有人認為這是 OpenAI 建立更持久競爭優勢的踏腳石。

"我認為一般 LLM 端點與代理/框架之間的界線將變得毫無意義……只要給它一台電腦，就完成了。" – brap
使用案例驗證 – 早期採用者已建構事件回應機器人、Slack 助手、資料分析代理與 GitHub 問題調查工具，展現 API 的多功能性。

何時使用 Agents API 與 DIY 框架（自包含）

場景	Agents API 優勢	DIY / SDK 優勢
快速原型開發	無需管理沙盒生命週期；OpenAI 負責所有配置。	完全掌控環境、自訂工具與成本優化。
企業合規	管理式安全性、沙盒隔離與 OpenAI 主機監控。	可在企業防火牆後方主機沙盒，符合嚴格的資料本地化規則。
擴展至數千個平行代理	OpenAI 負責編排、多代理並行與會話持久化。	您必須自行建構排程器與擴展層。
細緻的成本控制	每模型、每工具、每容器的透明計費。	可立即關閉容器，避免閒置費用。

未解問題與開源替代方案（自包含）

零資料保留 – API 不支援 ZDR；需要嚴格資料刪除的開發者必須自行建構框架。
模型鎖定 – 目前僅限 OpenAI 模型；競爭對手可能提供支援模型無關外掛的類似管理式框架（例如 Flue、Eve、FastAgent）。
社群 SDK – OpenAI Agents SDK 與 API 相似，但提供更彈性的本地主機選擇；許多使用者表示偏好 SDK 以獲得更緊密的控制。
定價透明度 – 對沙盒計費方式（最低小時、終止語意）仍存疑問。

結論（自包含）

OpenAI 的 Agents API 提供一個即時可用、管理式的代理框架，抽象化了沙盒配置、會話持久化與多代理編排。對於希望快速推出代理功能而無需自行建構基礎設施的團隊尤其有用，同時仍允許可選的自建沙盒以獲得更緊密的安全性。社群反饋凸顯了對便利性的興奮與對廠商鎖定、資料存放位置與定價透明度的謹慎。開發者應根據規模、合規與成本控制需求，權衡管理式服務與 DIY SDK 的選擇。