OpenAIAgentsAPI公测，托管agent循环，开发者只需提交任务

近日，OpenAI悄然推出了Agents API的公共测试版，标志着其在自动化代理（agent）领域的又一重要布局。与去年AgentKit发布时的高调宣传不同，这次OpenAI选择以低调的方式让开发者体验这一新产品，但其背后的技术思路却显得更为激进。

什么是Agents API？

Agents API的核心理念是将agent的运行环境完全托管到OpenAI云端，开发者只需提交任务需求，其余复杂的agent循环管理、代码执行、工具调用等都由OpenAI负责处理。这种模式极大地降低了开发者构建智能代理的门槛，尤其对于那些被传统agent框架工程细节困扰的技术人员来说，无疑是一个福音。

为了更好地理解Agents API，我们需要先厘清OpenAI目前在agent产品线上的四个主要组成部分：

Responses API：提供底层模型能力，包含web search、file search等内置工具，但需要开发者自行实现agent循环；

Agents SDK：一个完整的代码框架，支持多种编程语言，提供了handoffs、guardrails等功能，agent循环仍在本地运行；

Agents API：本文重点介绍的托管服务，将agent循环完全托管在云端，开发者只需关注任务提交和结果消费；

AgentKit：一套低代码的产品化解决方案，包含可视化编辑器和前端组件，适合快速构建特定场景的代理应用。

这四个产品构成了从底层模型到高级应用的不同层次，满足了不同开发者的需求。其中，Agents API介于Agents SDK和AgentKit之间，提供了更低的开发门槛和更高的集成效率。

核心概念解析

在使用Agents API时，有几个关键概念需要理解：

Harness：OpenAI托管的Codex实例，负责运行模型和工具循环；
Session：持久化的会话状态，保存agent配置、对话历史和执行产物；
Turn：会话中的单次工作单元，可以是新启动的turn，也可以是对现有turn的转向操作；
Environment：agent的工作环境，包括OpenAI托管的沙箱、自托管环境以及无计算环境三种模式。

开发者可以通过简单的API调用创建会话，并通过事件流实时获取agent的执行状态。例如，以下是一个创建会话的示例请求：

curl --no-buffer --fail-with-body https://api.openai.com/v1/agents/sessions \

-H "OpenAI-Beta: agents=v1" \

-H "Authorization: Bearer $OPENAI_API_KEY" \

-H "Content-Type: application/json" \

-d '{ "agent": { "model": "gpt-6-astra", "instructions": "写干净可跑的代码，执行它，报告真实输出。" }, "environment": { "type": "openai_hosted" }, "input": "写一个 tree.py，打印当前目录的可读文件树，然后运行它。", "stream": true }'

Python SDK中对应的调用方式为client.beta.agents.sessions.create()，返回的事件流包含了agent执行过程中的各种状态变化，如agent.session.turn.completed、turn.failed等。

使用优势与挑战

Agents API的主要优势在于其极低的集成成本和简单易用的接口设计。开发者无需关心agent内部的复杂逻辑，只需专注于业务需求的描述和结果的处理。然而，作为beta版本，目前仍存在一些需要关注的问题：

部分功能可能在未来版本中调整；

对于需要高度定制化agent的应用场景，可能存在灵活性不足的问题；

数据传输和隐私保护方面需要开发者额外注意。

尽管如此，对于希望快速验证智能代理想法的开发者来说，Agents API无疑提供了一个理想的起点。随着OpenAI不断优化和完善这一服务，相信它将在未来的AI应用开发中扮演越来越重要的角色。