OpenAI 发布 Agents API 公测版：把 Codex 的编排底座开放给开发者

OpenAI 已将 Agents API 以公开测试版形式开放，把驱动 Codex 的智能体编排框架作为一项托管开发者服务提供出来。开发者负责配置智能体要完成的任务、所用模型与工具，以及计算环境；OpenAI 则负责协调模型调用、上下文、工具使用和智能体之间的协作。 15

不只是调用模型，而是托管智能体运行底座

搭建一个可实际运行的智能体应用，通常不止是接入一个大模型接口。它还要在长会话中保留有效上下文、按需加载工具定义、处理前后依赖或并行的工具调用，并把部分任务分派给更专门的子智能体。

OpenAI 表示，Agents API 针对这些运行层问题提供了以下能力：

• 自动上下文压缩：面向持续时间较长的会话；
• 工具搜索：在需要时加载相关工具定义；
• 程序化工具调用：支持串联及并行操作；
• 并发子智能体委派：子智能体拥有各自独立的上下文。 15

对开发团队而言，这意味着可以将更多精力放在任务设计、工具权限、行为约束和产品体验上，而不必自行维护整套编排运行时。不过，便利的另一面是，对 OpenAI 托管运行环境及其后续产品演进的依赖也会增加。

代码跑在哪里，开发者仍可选择

Agents API 允许开发者按实际需求选择执行环境：

• OpenAI 托管的沙箱；
• 开发者自己的基础设施；
• Cloudflare、DigitalOcean、Oracle 和 Vercel 等沙箱合作伙伴提供的环境。 15

这种拆分让团队可以使用 OpenAI 托管的编排层，同时保留对代码与工作负载实际运行位置的选择权。对于有既定部署架构、数据边界或运维要求的企业，这一点尤其关键。

价格与公测阶段意味着什么

OpenAI 表示，Agents API 目前面向所有开发者开放公开测试，不收取单独的 API 费用；使用者仍需支付常规模型 token 和工具成本。该托管编排框架基于开源的 Codex 代码库，但由 OpenAI 负责托管和维护。 15

需要注意的是，公开测试并不等同于最终稳定的生产服务承诺。OpenAI 表示会根据开发者反馈继续完善产品，直至正式全面可用。因此，计划采用该服务的团队仍应自行验证性能、可移植性及运维要求是否适合自身工作负载。 15

OpenAI 还引用了早期客户 Ciridae 的数据：该公司称，其评测分数从 0.71 提升至 0.85，子智能体工作流的延迟降低至原来的四分之一。这是客户自行报告的结果，并非独立发布的基准测试。 15

OpenAI 正面切入智能体框架与编排市场

此次发布让 OpenAI 更直接地进入智能体框架和编排平台的竞争。它提供的不只是模型访问能力，而是将源自 Codex 的编排框架、执行环境选项、上下文管理、工具优化及多智能体协调整合为一层托管服务。 15

取舍也很明确：采用 Agents API 可能减少基础设施工作、加快上线；自建运行栈则通常能保留对实现细节和运维变更更直接的控制。究竟如何选择，取决于团队更看重运行时控制权，还是更希望减少维护负担。

同步推出：企业数据智能体与实时语音模型

OpenAI 同时在 ChatGPT Work 中推出 数据智能体（Data agent）。它可连接经批准的企业数据，协助调查问题、生成可交互仪表盘，并通过对话支持后续操作，无需用户手动汇总数据或编写查询语句。

据 OpenAI 介绍，数据智能体可连接 Amazon Redshift、Google BigQuery、Databricks、MongoDB、Snowflake、Google Drive 和 SharePoint 等数据源，也可对接 Power BI、Tableau、Sigma、ThoughtSpot、Omni 与 Oracle BI 等商业智能工具。分析结果可通过 Slack 或电子邮件分享，且服务旨在遵循既有的表级、行级和列级权限。

此外，OpenAI 还通过 API 发布了 GPT-Live-1：这是一款全双工语音模型，能够同时听和说，并处理用户打断。OpenAI 表示，它可以将更深度的推理和操作交给与其配对的文本模型及工具完成。 14

Yelp 已将 GPT-Live-1 集成到用于餐厅电话的 Yelp Host 和 Hatch。OpenAI 称，这两款产品自 2025 年 10 月以来已处理超过 100 万通电话；该数字为 OpenAI 披露的使用量说法。 14

结论

Agents API 的核心，是把 OpenAI 用于 Codex 的智能体协调系统变成了一个可直接调用的公共托管组件。开发者仍需明确智能体的任务、权限、工具和评估方法，但上下文维护、多智能体编排等棘手的运行层工作，将更多由 OpenAI 承担。 15

对于希望快速交付智能体工作流、又不愿自建编排底座的团队，公测版提供了一条维护负担更低的路径；而对基础设施控制、可移植性或治理要求严格的团队，关键问题则是：这种便利是否值得交换为对一个仍在持续完善中的托管平台的依赖。