你让 AI 整理一批文件、查资料、运行代码，再根据中途出现的问题调整方案。普通聊天机器人往往答完一轮就停；真要连续干活，开发者还得自己保存进度、连接工具、控制运行环境，并处理任务中断后的恢复。OpenAI 新发布的 Agents API，想把这套繁琐的“后台班组”直接做成托管服务。
它不是一个新的聊天界面，也不只是换了一个模型。开发者可以通过标准接口，把 Codex harness 接进自己的应用。所谓 harness，可以理解为包在模型外面的运行框架：它把模型、工具、文件、执行环境和任务状态接在一起，让模型不只回答一次，而是能持续推进工作。
OpenAI 官方将其描述为由 Codex harness 驱动、面向云端智能体的托管服务。TLDR 则称它目前处于 public beta。本文涉及的具体能力主要依据 OpenAI 官方材料；发布阶段来自 TLDR 的单一报道，尚未得到材料中的第二个信源确认。
OpenAI 接手了哪些杂活？
开发一个能长时间工作的 Agent——也就是能够观察情况、调用工具并继续行动的智能体——难点不只在模型够不够聪明。应用还要记住它做过什么，决定下一步该调用哪个工具，在上下文太长时整理旧信息，并在运行中断后恢复。
Agents API 把这些工作重新分了工。按照官方文档，OpenAI 负责会话、任务编排、上下文压缩和恢复；应用方负责提供工具，并选择执行环境。这里的“上下文压缩”，是把先前工作整理成更短的摘要，避免模型的可读信息越积越多，同时保留继续任务所需的线索。
它围绕四个概念组织：
- Agent：模型、指令、工具，以及它能够连接的 MCP servers。
- Environment：可选的运行环境，例如沙箱或计算机，智能体在这里读取文件、加载技能并执行命令。
- Session：一次可以持续存在的工作会话，负责接收任务和后续输入。
- Events and items：送入智能体的输入，以及会话过程中产生的输出。
这四项组合起来，更像一个可持续运转的工作台。应用创建 session、交付任务，然后通过流式事件观察进展，也可以用 webhook——任务状态发生变化时，由服务主动通知应用的机制——等待完成或需要人工输入的消息。任务进行时，应用还能 steering，也就是补充方向、纠正路线。之后再向同一个 session 发送任务，智能体可以接着已有工作继续，而不必每次从头开始。
不只会想，还要有地方动手
云端智能体如果只能生成文字，能做的事仍然有限。Agents API 允许智能体使用工具、处理文件，并在执行环境中运行代码或修改文件。
其中一种环境是 sandbox，即与主系统隔离的受控空间。它像一间专用工作室：智能体可以在里面执行命令，即使程序出错或行为异常，影响也更容易被限制。使用 OpenAI 托管的 session 时，应用发送输入并接收事件，OpenAI 则运行智能体并配置、管理沙箱。应用也可以选择自托管环境，不过材料没有展开两种方案的完整差异。
智能体还可以通过 MCP 连接外部数据或服务。MCP 全称 Model Context Protocol，是一套让 AI 应用以通用方式连接工具和数据源的协议。官方材料也列出了拆分任务和委派 subagents 的能力：主智能体可以把独立的小任务交给子智能体，再汇总结果。它由此更接近一个会分工的工作流程，而非单次问答。
为什么这一步值得看？
Agents API 的重要之处，不是又多了一个“AI 帮你写代码”的入口，而是 OpenAI 开始把 Codex 的编排能力作为基础设施提供给其他应用。开发者不必独自搭建会话保存、工具调度、长上下文整理、进度通知和恢复机制，云端 Agent 因而更容易进入标准产品栈。
据 OpenAI 讲述，这条路最初甚至不是按公共云产品规划的。Codex 早期主要通过终端运行。团队开发 VS Code 扩展时，曾尝试把 Codex 包装成 MCP server，却发现这种方式难以表达持续进度、代码差异和等待用户批准等复杂互动，于是另做了一套双向 JSON-RPC App Server。后来 JetBrains、Xcode 和 Codex 桌面端都希望复用相同能力，这个临时桥梁才逐渐变成平台基础。
OpenAI 还披露过一场内部实验：三名工程师从空仓库开始，让 Codex 生成应用代码、测试、CI、文档和监控，人类主要设计环境与反馈回路。五个月后，仓库约有一百万行代码，合并约 1500 个 PR；团队估计耗时约为手写代码的十分之一。值得注意的是，实验初期进展反而很慢，问题不只是模型能力，而是环境和规则没有写清。这个故事点出了 Agents API 真正出售的东西：不只是“会写”的模型，还有一套让智能体能够持续工作的脚手架。这些规模和效率数字来自 OpenAI 自述，材料中没有独立验证。
成本也被拆成三部分。官方文档称，模型用量按所选模型的 API 费率计算；OpenAI 工具按各自标准费率收费；OpenAI 托管沙箱按标准 container 费率收费。材料没有提供具体金额或计费单位。
局限与未知
- “长时间运行”“持久化 session”和“恢复工作”不等于可以无限运行。材料未披露最长时限、资源上限及故障恢复的具体保证。
- 工具、MCP、子智能体和运行中 steering 均由官方列为支持能力，但配置边界、权限控制及不同环境的限制没有在供稿中完整展开。
- public beta 的说法仅来自 TLDR；现有材料也不足以断言 Agents API 开放了 Codex 的全部内部基础设施。更准确的说法是，它提供了由 Codex harness 驱动的托管能力。