他在 X 上透露，自己加入 OpenAI 仅两周，就参与推出了全新的 Agents API。
他感叹 OpenAI 内部的产品推进速度“快得疯狂”，并点出了这款产品最核心的变化：过去开发者需要自己搭建和维护 Agent Harness，现在 OpenAI 直接把这套基础设施作为 API 提供出来。
01
从工程师、创业者到
OpenAI
Michael Luo 是一位华裔产品经理、工程师和创业者。他的父母早年从中国赴美求学，他本人在美国出生、成长，毕业于伊利诺伊大学。
职业生涯早期，他曾在 Zillow 担任软件工程师，随后进入 Facebook 担任产品经理。此后，他创办了支付基础设施创业公司 Winter，并入选 Y Combinator W22。2024 年，Winter 被 Crossmint 收购。
之后，他进入 Stripe 负责开发者和 API 相关产品。
如今加入 OpenAI，他入职后的第一个公开项目 Agents API，也延续了这条 API 与基础设施产品路线。
02
OpenAI把Agent
Harness也做成API
Agents API，可以理解成 OpenAI 把 Codex 背后的 Agent Harness 和相关基础设施，通过 API 开放给开发者。
OpenAI 官方表示，开发者现在只需要一次 API 调用，指定任务、模型、工具以及运行环境，就可以创建一个云端 Agent。
Harness 本身由 OpenAI 托管和维护，开发者可以选择让 Agent 运行在 OpenAI Hosted Sandbox、自有基础设施，或者 Cloudflare、E2B、Modal、Vercel、DigitalOcean 等环境里。
这和普通的大模型 API 已经明显不是一个层级的产品。
首先是长时间任务。
如果一个 Agent 连续工作几小时，上下文迟早会超过模型的 Context Window。过去开发者需要自己设计摘要、Memory 或 Context Compaction 机制，决定哪些历史信息留下、哪些信息丢掉。
Agents API 则把这一步直接做进 Harness。
当 Session 接近上下文上限时，系统会自动压缩早期上下文，同时保留继续执行任务所需要的重要信息，使 Agent 可以跨越多个 Context Window 持续工作。OpenAI 的目标是让任务能够可靠地持续运行数天。
第二个重点是工具调用。
Agents API 原生支持 MCP、自定义 Function，以及 Web Search 等 OpenAI 内置工具。它还提供 Tool Search，不需要开发者一开始就把几十甚至几百个工具定义全部塞进 Prompt， Agent 会根据当前任务动态寻找需要的工具。
配合 Programmatic Tool Calling，Agent 还可以在代码中并行调用工具、串联多个操作、过滤返回结果，再只把真正有价值的信息放回上下文，从而减少 Token 消耗。
第三个很重要的变化，是 Subagent 被正式做成 Harness 原生能力。
面对复杂任务，主 Agent 可以把任务拆成多个相互独立的部分，再交给不同的 Subagent 并行处理。每个 Subagent 都维护自己的上下文，主 Agent 负责协调它们并最终汇总结果。
比如调查一次线上服务故障，一个 Subagent 可以检查部署记录，一个分析错误日志，另一个检查依赖服务，最后再由主 Agent 汇总。
过去开发者需要自己写 Multi-Agent Orchestration，现在这套调度逻辑已经能够直接通过 Agents API 使用。
除此之外，OpenAI 还同时推出了自己的 Hosted Sandbox。
Agent 可以在这个隔离环境中运行代码、读取和修改文件、安装 Package，并保存任务过程中产生的 Artifact。开发者也可以把自己的文件、Skills 和 Plugins 配置进去，让 Agent 得到完成任务所需要的工作环境。
过去开发者自己拼装的一整套 Agent 技术栈，现在正在被 OpenAI 往下封装。
值得注意的是，Agents API 底层使用的是开源 Codex Harness。开发者仍然可以查看其中协调模型、上下文和工具调用的核心逻辑，而 OpenAI 负责在云端运行和持续维护这套 Harness。
目前 Agents API 已经进入 Public Beta，向所有开发者开放。OpenAI 不额外收取 Agents API 本身的费用，开发者主要为实际消耗的模型 Token 和工具等资源付费。
END
关注+星标，获取AI前沿进展与开源一线动态