你弄伤我的鳞片了
@xinshou
9 月 10 号，OpenAI 把 Codex 背后那套"Agent 执行框架"打包成了 Agents API 公测版。以前你要自己搭 planning、memory、tool use、并发编排；现在你配好 agent（模型、工具、任务描述）和运行环境，一次 API 调用就能拉起一个能跑数小时甚至数天的生产级 Agent。这不是又多一个 SDK，是造 Agent 的门槛被砍了一刀。
如果你最近还在纠结"LangGraph 还是 CrewAI"，建议先看完这篇，再决定要不要继续手搓。
一、发生了什么
当地时间 9 月 10 日，OpenAI 推出 Agents API 公测版，给开发者提供一个由 OpenAI 托管的云端 Agent 运行环境。
它的底层 harness，直接复用了 Codex 的智能体执行框架和基础设施。换句话说，你以前在 Codex 里看到的那些能力——长会话、工具调用、子智能体并行、沙箱执行——现在都能通过 API 调用拿到了。
二、核心能力
- 云端沙箱执行
Agent 在 OpenAI 托管的沙箱里运行，可以安全地执行代码、访问文件系统、调用外部 API。你不需要自己维护服务器，也不用担心 Agent 跑飞了影响本地环境。
- 长会话支持
Agent 可以在长会话中持续工作，不会因为上下文窗口限制而中断。这对于需要处理大量数据或执行复杂任务的场景特别有用。
- 子智能体并行
Agent 可以创建子智能体来并行处理工作，大大提升任务执行效率。比如一个研究 Agent 可以同时派出多个子 Agent 去搜索不同来源的信息。
- 工具调用
Agent 可以调用各种工具，包括代码执行、文件操作、API 调用等。你只需要在配置中声明工具，Agent 就能自动使用。
三、和现有框架的区别
LangGraph、CrewAI 这些框架，核心价值在于让你完全掌控 Agent 的编排逻辑。你定义状态机、设计工作流、控制每一步的执行。
Agents API 走的是另一条路：你定义 Agent 的能力（模型、工具、任务描述），OpenAI 负责执行。你不需要关心底层的编排细节，但也要放弃一部分控制权。
对于大多数应用场景来说，这种 trade-off 是值得的。你省去了大量的基础设施搭建工作，可以把精力集中在业务逻辑上。
四、适合什么场景
- 需要长时间运行的任务（数据分析、报告生成、代码审查）
- 需要并行处理的场景（多源信息收集、批量处理）
- 不想自己维护 Agent 基础设施的团队
- 快速原型验证，先跑通再优化
五、注意事项
目前还是公测阶段，API 稳定性和功能完整性还需要时间验证。生产环境使用建议先做充分测试。
另外，Agent 的行为不完全可控，特别是在涉及外部 API 调用和代码执行时，需要做好安全防护。
六、下一步
如果你之前在用 LangGraph 或 CrewAI，可以考虑在某些场景下切换到 Agents API，特别是那些不需要精细编排控制的任务。
如果你是刚开始做 Agent 开发，Agents API 可能是目前门槛最低的起点。
