OpenAI Agents API

观察时点：2026-10-15。由OpenAI运行Codex harness并保存进度的托管Agent API。

已公开的技术路线与控制边界

托管循环、context compaction、多Agent与工具集成，可配置执行环境。OpenAI管理runtime；应用管理业务记录、工具handler、权限、验收与用户界面。

当前OpenAI官方文档已将Agents API、应用内Agents SDK与直接Responses API分开。Agents API由OpenAI运行Codex harness并管理执行进度；SDK让应用掌握循环部署与存储；Responses则提供更底层模型接入。企业自建不再必然意味着从零维护全部循环和sandbox。

托管路线可以减少context compaction、多Agent协调、工具编程和环境基础设施的工程量，但它不会定义企业业务对象。Task、客户matter、课程身份、证据版本和最终批准仍应有自有合同。一个托管session可能承载交互或任务连续性，不应直接替代所有业务记录。

接入时为每个Task保存对应session、turn、item、sandbox和artifact引用，区分它们的生命周期。模型调用状态、工具回调、产物生成与业务完成是不同事件。应用函数handler需执行当前授权、幂等和回执确认，托管服务返回completed只能触发外层verification。

环境可以是厂商托管sandbox、自有环境或不需要sandbox的工具任务，具体能力以当前API和账号为准。公开文档说明架构，不证明特定租户已经具备所有区域、配额和功能。模型与托管harness的可替换范围也需按服务能力核验，不能从“可配置Agent”推断能直接接任意微调模型。

适合先做单厂商长任务验证，尤其代码或文件执行是主要需求时。为了保留退出路径，应导出通用产物、必要事件和证据，不只保存opaque provider state。若同时评估Pydantic或LangGraph路线，使用同一任务、工具后端与验收标准，比较人力维护、成功率、尾延迟和总成本。

采购测试重点是session恢复与删除、回调重投、工具身份、审批、产物导出、区域和计费。服务保存了进度，不等于外部副作用exactly-once；应用仍要稳定操作ID和read-back。对公开资料未明确的内部调度、grader和存储机制，本页不作推断。

例如一个异步财报任务可以由自有API创建Task，随后提交托管session；应用handler提供受权限约束的资料读取和确定性计算。事件流只更新进度，最终产物回到企业对象存储并由verifier检查。工具回调重投时使用同一业务操作ID，避免任务恢复创建重复记录。测试中还要检查Session关闭、sandbox销毁与Task取消是否分别符合产品策略。这样的合同使托管能力成为可替换执行平面，而不是整个业务数据库。对暂时不可用的模型或区域，应明确排队与降级，不让备用路径突破原数据合同。

数据、记忆与模型替换

服务session配置、turns与items不同于SDK Session、Responses conversation和sandbox。

托管能力与厂商模型耦合；不能推断任意第三方模型可替换harness。

执行、部署与采用取舍

OpenAI管理Agent基础设施；工具handler和业务系统由应用接入。托管循环、自动context压缩、多Agent与工具编程能力按API提供。通过Agents API；托管、自有或无sandbox环境按能力选择。

降低完整runtime运维投入，保留自有应用控制与领域能力。

观察于2026-10-15：以实际账号、区域和API合同验证。

许可边界：商业服务条款。采用前按实际使用方式核验组件、云服务与模型条款。

证据范围与未知

当前官方runtime对照明确区分Agents API、Agents SDK与Responses API。

未公开或仍需目标环境验证的部分：账号和区域可用性；资源导出删除合同；目标业务SLA和模型替换范围。本页不以产品表面行为推断其隐藏实现。

OpenAI：Agent运行时选择；OpenAI：托管Agents架构。