OpenAI 推出 Agents API，影响还挺大的，将整个行业从 token 工厂推到 Agent Runtime 竞争新时代。它把驱动 Codex 的 harness（编排层）加 sandbox 打包成一个免费的云托管服务，把"优质 agent runtime"这块牌子立起来了。沙箱任选：OpenAI 托管沙箱、Blaxel / Cloudflare / E2B / Modal / Vercel 这些伙伴，或者你自己的环境。
官方架构图：你的应用发任务，OpenAI 托管的 Codex harness 做编排，沙箱在 OpenAI 或你选的供应商那里跑命令和文件（图源：OpenAI 官方博客）
01先说清它给了什么
官方博客的说法是，Codex 和 ChatGPT for Work 跑到几百万人规模之后，他们知道了长时程 agent 要稳定工作需要什么：一个能管上下文、高效用工具、协调子代理的 harness，加上能连续跑几天、能读写文件、能存中间结果的基础设施。Agents API 就是把这两样打包开放，公测阶段对所有开发者可用。
一次 API 调用建一个 agent，指定任务、模型、工具和环境就行。示例代码里的模型是 gpt-6-astra，工具走 MCP，multi_agent 一行打开子代理并发，环境写 openai_hosted。
harness 这一层最近加的东西，博客列了三项：
- ▪跨长会话工作
：接近上下文上限时自动压缩早期内容，保留继续干活需要的信息，开发者不用自己写压缩逻辑 - ▪高效用更多工具
：tool search 按需加载工具定义，省 token 也保住缓存；programmatic tool calling 让 agent 在代码里并行调用、串联操作、过滤合并结果，只把有用的部分带回上下文 - ▪子代理并行
：主 agent 把任务拆开派给子代理，每个子代理有自己的上下文，主 agent 汇总
harness 本身是开源的 Codex harness，OpenAI 负责运营和维护，开发者可以去看代码。
9 家沙箱伙伴：Modal、Cloudflare、Daytona、Blaxel、Runloop、Vercel、Oracle、E2B、DigitalOcean（图源：OpenAI 官方博客）
定价：Agents API 本身不额外收费，只按 agent 消耗的 token 和工具付费。
下面说影响。
021. Agent 框架层竞争告一段落
LangGraph、CrewAI、AutoGen 这类编排框架的核心价值，上下文管理、工具调度、子代理协同，现在变成了模型厂商"随模型迭代赠送"的能力。公告里明确说 harness 会跟每次模型发布一起版本化更新，这意味着第三方框架永远追不上模型原厂的适配速度。中间层框架的护城河基本没了，只剩"多模型中立"这一条。
032. 沙箱和环境成为新的竞争入口
OpenAI 自己做托管沙箱，同时又拉了 9 家沙箱伙伴。这是典型的"我定义接口，你们卷执行"策略：环境层被标准化成可插拔组件，E2B、Modal 这些公司短期获益（有流量），长期变成 OpenAI 生态里的"供应商"，而非独立平台。
价值链的利润在从编排层向模型层和垂直应用层两头挤压，中间层要么转向环境和工具生态，要么下沉到行业
043. 对国内 MaaS 和 Agent 平台的冲击是直接的
国内 token 工厂和 MaaS 平台如果还停留在"卖推理 API + 附赠一个 Agent SDK"，跟这个差距会拉大。用户要的不是模型，是"给我一个任务，几天后给我结果"的托管服务。Agent 即服务（AaaS）的定价锚点也被定死了：harness 免费，只收 token，这直接压死了想靠编排层收费的商业模式。
054. 智谱、Kimi、千问这些国产模型厂商的压力
GLM、Qwen 这类模型如果只开放 chat/completions 接口，开发者做长时程 Agent 时的体验差距会越来越明显。国产模型厂需要尽快推出对等的托管 harness，否则在 Agent 场景的开发者心智会持续流失。
065. 对"AI 员工 / 数字员工"类产品的双面影响
利好：底层能力平民化，创建一个能跑几天的 Agent 成本大幅降低，做垂直场景的团队不用自建编排基础设施。
利空：如果产品的核心卖点是"我们的 Agent 能长时间稳定运行、能多代理协作"，那这个卖点现在是 OpenAI 的标配功能。真正的差异化只能来自行业知识、私有数据、工具接入和交付流程。博客里 Long Lake 的 CTO 那句"Agents API 提供 harness，环境、上下文和 UX 是我们的"，就是未来应用层公司的生存定位。
076. 客户案例里的数字值得注意
七家客户案例里的硬数字，全部来自"从自建编排迁移到托管 harness"
SafetyKit 把案件审核流程迁过去之后，每案例成本降 60%；Hypha 把 harness 和沙箱分开之后，失败的 agent 响应降了 86%；Ciridae 用上子代理支持后延迟降 4 倍，评估分从 0.71 到 0.85。这些数字的来源都是"从自建编排迁移到托管 harness"。换句话说，自建 Agent 基础设施的团队，在效率和可靠性上已经落后于原厂托管方案。
Nash.ai 的案例更能说明这套东西的定位：他们部署了几千个长时程 agent 管全球物流的几亿单配送，Agents API 负责持久会话、上下文、恢复和多步执行，Nash 自己提供连接物理世界的工具和执行环境。
这是 OpenAI 把"模型 API"往"Agent runtime"升级的关键一步。价值链的利润在从编排层向模型层和垂直应用层两头挤压，做中间层的要么转向沙箱、环境、工具生态，要么下沉到具体行业。
项目地址官方博客：https://openai.com/index/introducing-the-agents-api/Agents API 文档：https://developers.openai.com/api/docs/guides/agentsCodex 开源 harness：https://github.com/openai/codex
