30 秒快速回答
OpenAI Agents API 是 OpenAI 在 2026 年 9 月 10 日推出的托管式 AI Agent 运行平台（公开 Beta）。它把驱动 Codex 与 ChatGPT for Work 的同一套智能体执行引擎（harness）开放为云服务，开发者只需一次 API 调用，就能获得沙箱执行环境、持久会话、MCP 工具连接与并行子代理能力。
核心价值一句话：不用再自建上下文管理、工具调度和沙箱隔离，一条 API 就能跑起生产级 AI Agent——把「自己造轮子」变成「按需租引擎」。
一、为什么需要托管式 Agent 平台？
过去构建一个可靠的 AI Agent，开发团队通常要自己处理四件麻烦事：
- 上下文管理：多轮对话塞满后要自己写压缩逻辑，否则越跑越慢、越跑越贵；
- 工具编排：函数调用、MCP 连接、工具定义加载都要手写调度；
- 并行子代理：任务拆分与多代理并发需要自己设计调度器；
- 沙箱执行：代码执行环境的安全隔离、容器生命周期都要自建。
OpenAI Agents API 把这四层全部收进托管平台：推理编排与执行沙箱分离，开发者按需选择计算环境，只付模型 token、工具调用与容器费用，没有额外 API 服务费。
二、四大原语：Agent / Environment / Session / Events
整个 API 建立在一套简洁的抽象之上，理解它们就掌握了全部用法：
| 原语 | 作用 | 类比 |
|---|---|---|
| Agent | 定义模型、指令、工具与 MCP 服务器 | 智能体的「大脑与技能包」 |
| Environment | 代码执行与工具运行的沙箱/计算环境 | 智能体的「手脚与工作间」 |
| Session | 持久化、可多轮续接的对话状态 | 智能体的「工作记忆」 |
| Events / Items | 结构化的运行记录（事件流） | 智能体的「工作日志」 |
官方 TypeScript 快速开始的写法大致如下：
const agent = await client.agents.create({
name: "incident-investigator",
model: "gpt-6-astra",
instructions: "调查生产故障并按 runbook 输出报告",
tools: [{ type: "mcp", url: "https://your-mcp-server.example.com/mcp" }],
});
const session = await client.sessions.create({
agentId: agent.id,
environment: "openai-hosted", // 或选择第三方沙箱提供商
});
const events = client.sessions.events(session.id); // 订阅结构化事件流
关键设计：Agent（推理编排）与 Environment（计算执行）完全解耦。企业可以在 VPC 内自托管沙箱，把专有代码和密钥留在自己的边界里，同时使用前沿模型做推理——这是它面向企业落地的核心卖点。
三、内置能力与沙箱选项
托管平台开箱即用，帮你省掉大量工程：
- 自动上下文压缩：会话变长时自动压缩，无需自己写 compaction 逻辑；
- 工具搜索（Tool Search）：按需加载工具定义，避免把所有工具塞进上下文烧 token；
- 并行子代理：支持配置
max_concurrent_subagents，多任务并行拆解； - MCP 直连：通过 URL 即可把 MCP Server 挂载为 Agent 工具，无需自建连接层。
沙箱计算环境有三大类选择：
| 类型 | 说明 | 典型场景 |
|---|---|---|
| OpenAI 托管沙箱 | 官方托管，按 20 分钟会话 $0.03–$1.92（视内存档位） | 快速原型、标准任务 |
| 自托管（codex exec-server） | 数据留在自己的 VPC 内 | 企业敏感数据、合规要求 |
| 九家合作伙伴沙箱 | Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel | 已有云基础设施的团队 |
四、与自建框架对比：值不值得用？
| 维度 | OpenAI Agents API（托管） | 自建 Agent 框架（如 LangGraph） |
|---|---|---|
| 上下文压缩 | 自动内置 | 自己实现 |
| 沙箱隔离 | 可选托管/自托管/伙伴 | 自己搭建 |
| 并行子代理 | 内置 | 自己调度 |
| MCP 连接 | URL 直连 | 自己写客户端 |
| 可控性 | 较低（beta 期） | 完全可控 |
| 成本 | token + 工具 + 容器费 | 基础设施 + 人力 |
早期采用者的数据很有说服力：Ciridae 迁移后延迟降低 4 倍、评测分从 0.71 升到 0.85；金融平台 Hypha 失败响应下降 86%。
需要留意的限制（Beta 期）：仅支持美国区域数据驻留；即使自托管沙箱也不支持 Zero Data Retention；建议对并发子代理上限、沙箱网络出口（egress）与中间产物清理做严格配置。
五、总结要点
- OpenAI Agents API 把 Codex 的智能体执行引擎托管化为云服务，2026-09-10 起公开 Beta；
- 四大原语 Agent / Environment / Session / Events 分工明确，推理与执行解耦是架构核心；
- 内置上下文压缩、工具搜索、并行子代理与 MCP URL 直连，显著降低 Agent 基建成本；
- 无额外 API 费，按模型 token、工具调用与容器用量计费；
- 生产接入前需评估区域限制、沙箱计费与 MCP 信任边界。
延伸阅读建议：
- 想了解 MCP 本身：本站《什么是 MCP 协议？一文读懂 AI 的 USB 接口标准》
- 想对比开源方案：《什么是 DeepSeek Harness（DSH）？「一切皆插件」的 Agent 运行框架全解析》
- 想深入上下文压缩：《什么是 Agent 上下文压缩？AI 长任务不跑偏、不烧钱的核心技术》