OpenAI 於 2026 年 9 月 10 日推出 Agents API 公開測試。它的核心不是再加一個模型接口，而是把支撐 Codex 和 ChatGPT Work 的 agent harness 變成可由開發者調用的基礎層。OpenAI 認為真正能完成長流程工作的 agent，需要同時處理上下文、工具、檔案、執行環境和 subagent 協調，而不只是把一次模型回覆包裝成 API。
產品入口相當直接：開發者可以在一次 API 呼叫中指定任務、模型、工具和環境，建立一個 agent session。Agents API 支援 MCP、custom functions 和內置 web search；亦可以連接 capability directories、檔案、skills、plugins 和秘密儲存。這種設計把 agent 的「思考」和「做事」放在同一個執行單位內，但哪些工具真正可用，仍由應用程式的權限及環境設定決定。
OpenAI 將 harness 與 compute environment 分開。使用者可以選擇 OpenAI 管理的 sandbox、自有基礎設施，或者 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop 和 Vercel 等合作環境。不同方案可以提供不同的 VPC、檔案和 secret 儲存、CPU、GPU、記憶體、cold start 和成本特性。這讓企業不必因為採用一套 agent 協調方式，就把所有資料和執行權限搬到同一個供應商環境。
OpenAI 管理的 hosted sandbox 則針對想快速開始的團隊。它沿用 Codex 和 ChatGPT 的 sandbox 基礎設施，讓 agent 可以運行程式、處理檔案和產生 artifacts。開發者可按任務提供 packages、skills 和 plugins；但「有 sandbox」不等於可以放任 agent 讀寫所有資料。正式部署仍需要按工作流拆分檔案、網絡、憑證和輸出權限，並保留可回復的執行邊界。
長流程能力是另一個重點。Agents API 會在 session 接近上下文上限時自動 compact 舊內容，讓工作跨越多個 context windows；tool search 只在需要時載入相關工具定義，以減少不必要的 token 和成本；programmatic tool calling 則可以平行執行調用、串接操作，並先在程式層過濾結果，再把有用部分帶回模型上下文。這些都是 agent runtime 的工程問題，不是單靠換模型就會自動消失。
多代理協作亦被納入 harness。Agents API 可以把複雜任務拆成獨立部分，由各自保留上下文的 subagents 並行執行，再由主 agent 協調結果。對研究、分析和 coding 來說，這有機會縮短等待時間；同時也帶來更多成本、重複工作、權限傳遞和結果合併問題。企業應該先為每個 subagent 定義輸入、輸出、工具和停止條件，而不是只設定一個很高的並行數字。
OpenAI 表示 Agents API 在公開測試階段對所有開發者開放，除了模型和工具的正常用量外沒有額外 API 費用。文章列出的客戶例子包括評估、案件審查、物流和跨工具工作流，但這些是產品方提供的早期案例，不是獨立重現的成效研究。開發團隊在採用前，仍要用自己的任務量度成功率、人工介入、延遲、token、重試、sandbox 成本和資料外洩風險。
這次發布的真正變化，是 agent 產品競爭開始由「哪個模型回答最好」轉向「誰提供較完整、可升級、可觀察的執行層」。OpenAI 以開源 Codex harness 加上託管 runtime，縮短了由原型走向長時間工作的距離；但企業仍要自行定義權限、審批、日誌、回滾和責任邊界。Agents API 讓建立 agent 變得更容易，也令這些治理決定更早變成架構的一部分。
