觀點 · 資訊分享

OpenAI 推出 Agents API 公開測試:Codex 背後的代理引擎開放給開發者,API 本身不另收費

OpenAI 把 Codex 用的代理引擎(harness)做成 Agents API,開放公開測試。一個 API 呼叫就能建立會寫程式、跑指令、接 MCP 的 AI 代理,可選 OpenAI 代管沙盒、自家機器或 9 家合作廠商;API 不另收費,只付模型與工具用量。

發布
2026-09-11
篇幅
約 4 分鐘 · 1,742 字
結構
7 節 + 3 題常見問題
標籤
#OpenAI#Agents API#Codex#AI 代理#MCP
OpenAI 推出 Agents API 公開測試:Codex 背後的代理引擎開放給開發者,API 本身不另收費

一句話看懂:OpenAI 把 Codex 背後的 AI 代理引擎做成 Agents API 開放公開測試,一個 API 呼叫就能做出會寫程式、跑指令的代理,API 本身不另收費。

OpenAI Agents API 公開測試資訊圖卡:一個 API 呼叫就能做出會寫程式、跑指令的 AI 代理,引擎由 OpenAI 維護

先用白話講:「代理引擎(harness)」是什麼?

AI 模型本身像一位很聰明、但每次只回答一句話的顧問。要讓它真的「把一件事做完」,例如改程式、跑測試、看結果再修,旁邊還需要一位專案經理:記住做到哪、決定下一步用哪個工具、對話太長時幫忙整理重點、出錯時重試,必要時把工作拆給好幾位助手同時做。

這位專案經理就是 harness(代理引擎)。以前開發者要自己寫這一層,很花時間;OpenAI 這次把 Codex 在用的那一套直接做成服務開放出來。

發生什麼事

OpenAI 在 2026 年 9 月 10 日推出 Agents API 公開測試版,所有開發者都能使用:

  • 一個 API 呼叫建立代理:指定任務、模型、工具與執行環境即可
  • 引擎由 OpenAI 維護:負責對話管理、上下文壓縮與錯誤復原,跟著新模型持續升級
  • 工具:支援 MCP、自訂函式,以及網路搜尋等內建工具
  • 子代理:可以把大任務拆給多個子代理平行處理,每個子代理有自己的上下文
  • 開源基礎:引擎本身就是開源的 Codex harness,程式碼放在 GitHub

代理要在哪裡跑?

選項 適合誰
OpenAI 代管沙盒 想最快上手,不想管機器
自家基礎架構 資料不能離開自己的網路
合作廠商沙盒 需要特定 CPU、GPU、記憶體或部署方式

合作廠商共 9 家:Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel。

給開發者的技術細節

官方快速入門的最小範例(JavaScript):

import OpenAI from "openai";

const client = new OpenAI();
const events = await 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 and show me the output.",
  stream: true,
});
  • API 金鑰權限:要開 api.agents.read、api.agents.write,以及模型推論用的 api.responses.write
  • 測試版標頭:直接用 cURL 呼叫要帶 OpenAI-Beta: agents=v1,官方 SDK 會自動加
  • 金鑰別放進沙盒:官方特別提醒,API 金鑰要放在代理的沙盒外面
  • 收費:API 本身免費,模型、工具、代管沙盒各依標準費率計費

範例取自官方快速入門目前版本,測試期間介面可能調整,實作前以最新文件為準。

我的看法

做 AI 代理最難的從來不是呼叫模型,而是外面那一層:對話太長怎麼辦、工具失敗怎麼重試、要不要拆給多個助手做。小團隊自己寫這層,常常花掉大半開發時間,還很難跟上新模型的特性。

Agents API 把這層交給 OpenAI 維護,對想快速做出產品原型的接案者很有吸引力。不過要注意兩件事:第一,這是測試版,正式上線前介面可能還會改;第二,代理一旦能執行指令,權限就要收緊,金鑰、資料庫連線字串這些都不該放進沙盒。可以先用代管沙盒做個小工具試水溫,再決定要不要搬到自家環境。

名詞小辭典

  • AI 代理(Agent):不只回答問題,還能自己規劃步驟、使用工具、把任務做完的 AI 程式。
  • 沙盒(Sandbox):隔離的執行環境,代理在裡面跑程式、改檔案,不會影響外面的系統。
  • MCP:讓 AI 連接外部工具與資料的開放協定,可以想成 AI 的萬用插座。
  • 子代理(Subagent):主代理把工作拆出去,交給另一個專心處理某一塊的代理。

資料來源

常見問題

Agents API 跟 Responses API 差在哪?
Responses API 是「問一次、答一次」的模型呼叫,要讓 AI 連續做事,對話管理、工具迴圈、重試都得自己寫。Agents API 把這整套代理引擎交給 OpenAI 代管,你只要給任務、模型、工具與執行環境。
代理一定要跑在 OpenAI 的機器上嗎?
不用。可以選 OpenAI 代管的沙盒、接上自己的基礎架構,或使用 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop、Vercel 等合作廠商的沙盒。
要怎麼收費?
Agents API 本身沒有額外費用。模型照所選模型的 API 價格計費,網路搜尋等 OpenAI 工具照工具標準價,使用 OpenAI 代管沙盒則照容器的標準費率。
LINE