OpenAI 把 Codex 的框架做成了 API：Agent 的"运行环境"开始单卖
OpenAI 把支撑 Codex 与 ChatGPT for Work 的同一套 agent harness 做成 Agents API 公测开放：一句 API 调用就能起一个云端 Agent，支持长会话、工具调用与托管沙箱，并与 9 家云/沙箱厂商合作提供运行环境。
一句话说清这条发布
OpenAI 把 Agents API 放进公测，向所有开发者开放。
按公开的介绍，它对外提供的不是新模型，而是支撑 Codex 与 ChatGPT for Work 的同一套 agent 框架（harness）和基础设施——用一句 API 调用，就能起一个跑在云端的 Agent。
官方页给出的能力清单有这几条：
- One API call：一次调用起一个云端 Agent
- Choose your agent environment：自己选 Agent 的运行环境
- OpenAI hosted sandboxes：OpenAI 提供托管沙箱
- An evolving Codex harness：用的是那套持续演进的 Codex harness
- Keep agents working across long sessions：跨长会话持续工作
- Help agents use more tools efficiently：更高效地使用更多工具
专业分析
一、它卖的是"运行环境"，不是智能
要看懂这条发布，得先分清三件事：
| 层 | 是什么 | 谁在卖 |
|---|---|---|
| 模型 | 那个会思考的东西 | OpenAI、Anthropic、DeepSeek… |
| Harness（框架层） | Agent Loop、会话状态、工具调用、沙箱执行、审批流 | 以前自己写，现在开始被卖 |
| 运行环境 | 沙箱、CPU/GPU、存储、网络 | 一堆云厂商 |
Agents API 落在中间那层。 它打包的是"怎么让模型真的去干活"——怎么循环、怎么保持会话状态、怎么调工具、怎么在沙箱里执行、怎么处理审批。这些东西过去每个团队都得自己搭一遍，或者从开源项目抄一遍。
一句很能说明定位的话出现在 OpenAI 的相关博文里：「Codex as a platform: build on the open agent harness.」——Codex 的 harness 是开源的，Agents API 是它的托管服务版。
也就是开源 + 托管的双轨：想要掌控权的人自己拿开源版跑；想要省事的人调 API。
二、harness 里到底有什么
按公开资料，Codex harness 覆盖的东西大致是这些：
- Agent Loop：任务循环
- Thread State：线程/会话状态
- Streaming activity：流式活动输出
- Tool Interaction：工具交互
- Sandboxed Execution：沙箱内执行
- Approval Handling：审批处理
看着平淡，但每一项都是踩过坑才会写进架构的东西。尤其最后两项——沙箱执行和审批处理，它们是"能干活"和"敢让它干活"之间的那道门。
这也解释了为什么这条发布要强调"跨长会话持续工作"：Agent 的价值在长任务里才兑现，而长任务的前提是状态能活下来、执行能兜住。
三、9 家合作伙伴的名单，比 API 本身更值得读
这条新闻里最有信息量的其实是合作方名单：
Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel
它们提供不同配置的 CPU、GPU、内存和存储。这份名单说明一件事：Agent 的运行环境正在成为一个独立的供给层。
以前这个位置是空的——你用 Agent，就是跑在你自己机器上，或者自己开个云主机。现在它被明确地分出来，多来源、可比价、可切换。
当一个环节出现多家供应商竞争，它就从"技术细节"变成了"市场基础设施"。 沙箱（E2B、Daytona、Modal）尤其值得注意：给 AI 提供一个"能随便试错又不伤真机"的地方，本身成了一门生意。
关联信息与影响
第一，这件事和我们前几天写的两条新闻要放在一起看。
- Prime Agent（2 万 Star）的 README 里写着，它的 Agent 和 TUI 构建在
pi之上 - HanaAgent 的插件系统能贡献 Pi SDK extension
- 现在 OpenAI 把 Codex harness 做成了 API 并且开源
三件事指向同一个趋势：harness 层正在从"每个团队自己写的胶水"，变成有明确边界的基础设施。 底座提供会话、工具、沙箱；应用层负责把能力组织成特定形态。
第二，这对自建 Agent 的团队是个好消息也是个坏消息。
好消息是不用再造轮子——Agent Loop、会话状态、沙箱执行这些东西，过去三个月是每个团队的必经之路，现在可以外购或直接用开源的。
坏消息是差异化被压缩到更上面一层。当底层能力趋同，"你的 Agent 有什么不一样"这个问题，只能靠领域知识、工作流设计和数据来回答——而这三样，恰好都不能从 API 里买到。
第三，沙箱是一门正在被验证的生意。
E2B、Daytona、Modal 这些名字出现在 OpenAI 的合作名单里，说明"给 Agent 一个安全的执行环境"已经从基础设施细节升格为可单独定价的服务。这也侧面印证了另一件事：Agent 真正落地时最大的顾虑，是它在你电脑上乱来。
未来展望
短期，这套 API 会加速"云端常驻 Agent"的普及——跨长会话 + 托管沙箱 + 一次调用的组合，正好卡在"能跑长任务"这个需求上。竞争者会跟进：其他模型厂商大概率也会推出自己的 harness 托管服务。
中期，Agent 的交付形态可能会变。如果运行环境可以按需起、按量计费，那么"每个人的专属 Agent"在经济上就成立了——不用常驻在你自己机器上，而是"用的时候起一个，跑完就销毁"。
长期问题在迁移成本：当你的 Agent 跑在别人的 harness 上，会话状态、工具定义、审批流程就都长在了那套抽象里。换 harness 的成本，可能比换模型高得多。 这才是竞争真正会发生的地方——不是比谁的功能多，而是谁的抽象更值得被依赖。
需要泼的冷水：harness 的价值目前还很难量化。 它不像模型有基准分数，也不像沙箱有明确的定价单。我们能看到的是"谁在提供它"，还看不到"它到底省了多少事、值多少钱"。这条线要等第一批真实用户的成本数据出来，才能判优劣。
信号强度
- 自建 Agent 的团队：先不要重写 Agent Loop 和会话管理，去看开源版 Codex harness 的设计——就算不用它，也能省掉一轮架构试错。
- 做 Agent 产品的公司：把差异化往上挪。底层趋同之后，你的护城河只剩领域知识、工作流和数据，这三样现在就该开始攒。
- 关注基础设施的人：沙箱厂商进入巨头合作名单是个信号——"Agent 的执行环境"是可投资的独立赛道。
- 普通用户：这条新闻对你暂时没有直接影响。但它意味着你的 AI 助手会越来越多地"跑在别处、跑得更久"——这也正是它开始能替你办成事的前提。
这条发布真正卖的不是模型，是"Agent 的运行环境"。更值得注意的是它的两份名单：一边是开源的 Codex harness（Codex as a platform），一边是 9 家沙箱与云厂商（Cloudflare、E2B、Modal、Oracle、Vercel…）接单。当运行环境开始被单独定价，harness 就从"自己写的东西"变成了一个独立的基础设施层。
本文基于 AI 情报库收录的条目展开深析；事实性信息以原始报道为准，分析与展望为编辑观点。
原始报道：https://openai.com/index/introducing-the-agents-api/（OpenAI）
