2026 年 9 月 10 日，OpenAI 正式推出 Agents API 公测版，所有开发者都可以通过一次 API 调用，在 OpenAI 托管的云端环境中创建并运行 AI Agent。这套 API 的底层是驱动 OpenAI Codex 的同一套 Agent 运行框架（OpenAI 内部称为“harness”），OpenAI 负责管理会话、编排、上下文压缩和故障恢复，开发者只需要提供工具、定义任务、选择运行环境。
但标题里“不用自己搭框架”这个说法需要拆开看。 Agents API 确实帮开发者省掉了运行底座的建设工作，但它并没有取代代码层面的编排框架。如果你想让 Agent 在你的业务逻辑里灵活运转，仍然需要用到 OpenAI 的 Agents SDK（开源 Python 库）来定义 Agent 的结构和工具调用。两个东西名字很像，用途完全不同。
【快速答案】
- Agents API 是什么：OpenAI 托管的后端运行环境，负责跑 Agent 的模型调用循环、管理会话状态、自动压缩上下文、处理故障恢复。你通过 API 提交任务，OpenAI 帮你运行。
- Agents SDK 是什么：开源 Python/TypeScript 库，你在自己的代码里用它定义 Agent 的行为、工具和编排逻辑。SDK 负责“怎么写”，API 负责“在哪跑”。
- 定价：Agents API 本身不收费。你按所选模型的 API 费率付 token 费用，按标准价付工具费用，OpenAI 托管沙箱按容器费率计费。没有平台费、没有座位费。
- 沙箱可选：OpenAI 托管沙箱、自己的基础设施、或九家合作方（Cloudflare、Vercel、Daytona、E2B、Modal、Blaxel、DigitalOcean、Oracle、Runloop）。
- 谁适合现在用：已经在用 OpenAI 生态、需要长时运行的 Agent（数小时到数天）、不想自己维护会话状态和上下文管理系统的团队。
- 谁建议再等等：对数据驻留和 ZDR 有硬性合规要求、需要深度自定义 Agent 编排逻辑、或正在用 LangGraph 等竞品且迁移成本很高的团队。
Agents API 和 Agents SDK 到底有什么区别？
这是目前最容易混淆的地方。
OpenAI 现在有两个名字里带“Agents”的产品，功能完全不同：
Agents API 是一个托管服务。你把任务发给它，它在 OpenAI 的服务器上运行 Agent——调用模型、执行工具、管理会话。你的应用只需要提交输入和接收事件，不需要自己维护 Agent 的运行时状态。
Agents SDK 是一个开源代码库。你在自己的代码里定义 Agent 的模型、指令、工具、安全护栏，SDK 提供 Agent 循环、任务交接（handoff）、追踪（tracing）等编排能力。它更像一个库，而不是一个服务。
两者可以配合使用，也可以各自独立使用。一个典型组合是：用 Agents SDK 在代码中定义 Agent 的逻辑，然后用 Agents API 在云端运行它。但如果你只想快速调用一个托管好的 Agent，也可以直接用 Agents API，不引入 SDK。
一句话区分：Agents SDK 解决“Agent 怎么写”的问题，Agents API 解决“Agent 在哪跑、怎么持续跑”的问题。
这和 OpenAI 在 2026 年 4 月更新 Agents SDK 时加入的沙箱能力需要区分开来。那次更新让 SDK 支持在本地或 Docker 环境中运行沙箱 Agent，而本次发布的 Agents API 是把沙箱运行环境变成了 OpenAI 托管的云服务。
Agents API 怎么用？一次 API 调用的完整流程
Agents API 的用法比你想象中简单。核心操作是在请求中指定四件事：模型、指令、任务、环境。
官方快速入门示例是这样的（Python）：
python
from openai import OpenAI
with OpenAI() as client:
with client.beta.agents.sessions.create(
agent={
"model": "gpt-6-astra",
"instructions": "Write clean code, run it, and report the actual output.",
},
environment={"type": "openai_hosted"},
input="Create tree.py, a Python script that prints a readable tree of the files in the current directory. Run it and show me the output.",
stream=True,
) as events:
for event in events:
print(event.to_json(indent=None), flush=True)
这段代码做的事情是：创建一个 Agent 会话，指定使用 gpt-6-astra 模型，让它在 OpenAI 托管的沙箱中写一个 Python 脚本、运行它、返回输出。整个过程通过流式事件实时反馈。
请求需要携带 OpenAI-Beta: agents=v1 请求头。官方 SDK 会自动加上，但如果你直接发 HTTP 请求，需要手动设置。
需要的 API Key 权限包括：api.agents.read 和 api.agents.write（用于会话操作），以及 api.responses.write（用于模型推理）。
如果你需要使用自托管沙箱，还需要额外生成一个受限的“executor key”，专门用于沙箱执行环境，不要把它和主 API Key 混用。
Agents API 的定价怎么算？和“零平台费”的真实含义
OpenAI 官方明确表示 Agents API 不收取额外费用，开发者只需支付 token 使用费和工具调用费。但“不收费”的说法容易让人忽略几个实际成本项。
完整的计费结构包含三层：
| 计费项 | 计费方式 |
|---|---|
| 模型 token | 按所选模型的 API 费率计费（如 GPT-6 Astra、GPT-5.6 等） |
| OpenAI 内置工具 | 按标准工具费率计费（Web 搜索、文件搜索等） |
| OpenAI 托管沙箱 | 按标准容器费率计费（按使用时长） |
如果你选择自托管沙箱或第三方合作方沙箱，沙箱费用由对应的基础设施提供商收取，不经过 OpenAI 账单。
一个容易忽略的成本特征：Agent 类工作负载的 token 消耗模式与传统聊天完全不同。一次 Agent 任务可能链式调用十几次模型，每次调用都有自己的上下文窗口，工具调用还会额外产生往返。这意味着 token 消耗是乘法增长，不是加法增长。
Agents API 提供了自动上下文压缩功能——当会话接近所选模型的上下文上限时，OpenAI 会自动对历史内容做摘要压缩。这能缓解上下文溢出的问题，但不能完全消除长时任务的 token 成本。
沙箱怎么选：OpenAI 托管、自托管，还是第三方
Agents API 把 Agent 的代码执行环境设计成了可替换的模块。你有三种选择：
第一种：不使用沙箱。 如果你的 Agent 只需要调用远端工具（比如 Web 搜索、数据库查询），不需要在本地文件系统上操作文件或运行代码，可以完全不配置沙箱。环境参数传 None 即可。
第二种：OpenAI 托管沙箱。 这是最省事的选择。OpenAI 负责配置和管理沙箱环境，你只需要指定 environment={"type": "openai_hosted"}。沙箱复用了驱动 Codex 和 ChatGPT 的同一套基础设施。适合快速验证和中小规模场景。
第三种：自托管或第三方沙箱。 OpenAI 列出了九家合作方：Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle Cloud Infrastructure、Runloop 和 Vercel。你可以把代码执行放在自己的 VPC 内，或使用合作方的托管环境。
但有一个关键细节需要理解：更换沙箱供应商，改变的是代码在哪里执行，不会把 Agents API 的托管 harness 一起搬走。 模型推理请求仍然路由到 OpenAI 端点，会话管理和编排仍然由 OpenAI 负责。
自托管沙箱的配置比托管沙箱复杂。你需要生成一个专门的 executor key，配置 IP 白名单允许沙箱的出站网络请求，然后运行 codex exec-server 并传入会话返回的环境 ID 和远程 URL。如果你用的是 Cloudflare，官方提供了基于 Cloudflare Containers 的接入指南。
数据驻留和合规限制：官方文档不显眼但很重要
这是目前多数中文文章没有提到的限制。
根据多家科技媒体的报道，Agents API 当前的数据驻留仅限美国。即使你选择自托管沙箱，也不会因此变成 Zero Data Retention（ZDR）合规。
这意味着如果你的业务涉及欧盟 GDPR 合规、中国数据出境合规、或任何要求数据不离开特定司法辖区的场景，Agents API 目前可能不适合作为生产方案。
OpenAI 没有在发布公告中明确说明是否会、以及何时扩展数据驻留区域。如果你的合规要求是硬性的，建议等 OpenAI 更新官方文档中的地区支持列表后再做判断。
Agents API、LangChain、LangGraph，到底该选哪个？
这是开发者社区讨论最多的话题。三个方案解决的不是同一个层面的问题。
| 维度 | OpenAI Agents API | LangChain / LangGraph |
|---|---|---|
| 核心定位 | 托管 Agent 运行环境 | 代码层面的 Agent 编排框架 |
| 模型支持 | OpenAI 模型为主 | 100+ 模型，提供商无关 |
| 运行位置 | OpenAI 云端（沙箱可自选） | 你自己的基础设施 |
| 状态管理 | OpenAI 托管（会话、上下文压缩、恢复） | 需要自己实现或依赖 LangGraph 的持久化层 |
| 调试体验 | 内置 tracing 和事件流 | LangSmith 提供 tracing 和评估 |
| 供应商锁定 | 较高（harness 和推理都在 OpenAI） | 较低（可切换模型后端） |
| 适合场景 | 快速构建、长时运行的 Agent | 需要跨模型、深度自定义编排的工作流 |
LangChain 的优势在于生态广度和模型无关性。如果你的 Agent 需要在 GPT、Claude、Gemini 之间动态切换，或者需要接入大量第三方工具和向量数据库，LangChain 仍然是更灵活的选择。
OpenAI Agents API 的优势在于开箱即用的运行底座。如果你已经确定在 OpenAI 生态内构建，并且不想花几个月时间自己搭会话管理、上下文压缩和故障恢复系统，Agents API 省下的工程量是实打实的。
一个折中方案是：用 Agents SDK 在代码中做编排（它支持 100+ 模型），用 Agents API 做云端运行时。但需要注意，Agents API 目前主要面向 OpenAI 模型，如果 SDK 中配置了非 OpenAI 模型，运行时能否正常工作需要自行验证。
哪些团队适合现在用 Agents API，哪些建议再等等
建议现在尝试的团队：
- 已经在用 OpenAI API，Agent 任务运行时间较长（数小时到数天），当前靠自己维护会话状态和恢复逻辑，维护成本高
- 需要让 Agent 在沙箱中执行代码、操作文件、产出 artifact，但不想自己搭建沙箱基础设施
- 团队规模较小，希望把工程精力集中在业务逻辑和工具设计上，而不是 Agent 运行时
- 产品处于快速验证阶段，需要以最低的固定成本测试 Agent 方案
建议谨慎或等待的团队：
- 数据合规要求不允许数据离开特定地区（当前数据驻留仅限美国）
- 需要深度自定义 Agent 循环的控制逻辑（比如自定义的 turn 管理和状态机），Agents API 的托管模式可能限制灵活性
- 已经在 LangGraph 上构建了复杂的有状态工作流，迁移成本可能超过收益
- 对供应商锁定敏感，希望保留随时切换模型提供商的能力
- 预算模型对固定成本敏感，但 Agent 类工作负载的 token 消耗可能远超预期，需要先做小规模成本验证
FAQ
Agents API 和 Agents SDK 是同一个东西吗？
不是。Agents API 是 OpenAI 托管的云端运行服务，负责跑 Agent 的模型调用循环、管理会话和沙箱。Agents SDK 是开源代码库，你在自己的代码里用它定义 Agent 的行为和工具。两者可以配合使用，也可以独立使用。
Agents API 要额外付费吗？
不需要。Agents API 本身零平台费。你按所选模型的 API 费率支付 token 费用，按标准价支付 OpenAI 内置工具费用，OpenAI 托管沙箱按容器费率计费。如果使用第三方沙箱，费用由对应提供商收取。
Agents API 支持哪些模型？
官方快速入门示例使用的是 gpt-6-astra。Agents API 支持 OpenAI 当前可用的模型，具体列表以 OpenAI 官方定价页面为准。目前不支持非 OpenAI 模型作为 Agents API 的运行后端。
我可以用自己的服务器跑沙箱吗？
可以。Agents API 支持自托管沙箱，你需要生成专用的 executor key，配置好网络和认证，然后运行 codex exec-server。OpenAI 也提供了九家合作方的接入方案。但注意：更换沙箱只改变代码执行位置，模型推理和会话管理仍然由 OpenAI 处理。
Agents API 的数据存在哪里？
根据目前的公开信息，数据驻留仅限美国，且不支持 Zero Data Retention。即使使用自托管沙箱也不会改变这一点。如果你的业务有数据合规要求，需要等待 OpenAI 更新地区支持或 ZDR 支持后再评估。
我应该在项目里用 Agents API 还是自己搭框架？
取决于你的核心瓶颈在哪。如果瓶颈是“Agent 运行底座太复杂、维护成本太高”，Agents API 值得尝试。如果瓶颈是“需要灵活切换模型提供商、深度自定义编排逻辑”，自建框架或 LangGraph 可能更合适。建议先用一个非关键的小项目跑通流程，再决定是否推广到生产。
【资料来源 / 信息核查】
以下为本文实际参考的信息来源：
- OpenAI Agents API 官方总览文档：https://developers.openai.com/api/docs/guides/agents-api/overview
用于确认 Agents API 的核心功能、定价模型、核心概念（Agent/Environment/Session/Events）和托管 harness 的能力范围。 - OpenAI Agents API 快速入门：https://developers.openai.com/api/docs/guides/agents-api/quickstart
用于确认 API 调用的代码示例、所需权限、Beta 请求头和 SDK 版本要求。 - OpenAI Agents API 应用示例与沙箱集成：https://developers.openai.com/cookbook/examples/agents_api/readme
用于确认官方提供的完整应用示例（事件响应、Slack bot、数据分析、GitHub issue 调查、文档审查）以及自托管沙箱的 executor key 配置要求。 - OpenAI Agents SDK 官方文档：https://openai.github.io/
用于确认 Agents SDK 的功能范围（Agent 循环、handoff、guardrails、tracing、session）及其与 Agents API 的区别。 - OpenAI 发布公告（2026-09-10）：https://openai.com/index/introducing-the-agents-api/
用于确认 Agents API 的公测状态、零平台费定价和 Codex harness 的开放范围。 - OpenAI 开发者社区公告（2026-09-10）：https://community.openai.com/
用于确认零平台费的具体表述。 - 阿里云开发者社区分析文章（2026-09-11）：https://developer.aliyun.com/article/1762595
用于确认沙箱供应商列表、自托管沙箱的限制、以及“更换沙箱不改变 harness 归属”的架构说明。 - Edgen Tech 报道（2026-09-11）：https://www.edgen.tech/zh/news/post/openai-opens-agents-api-to-all-developers-with-zero-platform-fee
用于确认零平台费定价结构对行业竞争格局的影响分析。 - Cloudflare 沙箱 SDK 文档（2026-09-10）：https://developers.cloudflare.com/
用于确认第三方沙箱接入的配置流程。