Wodex
观点

OpenAI 砍掉 Agent Builder:画布式 agent 搭建为什么走不通

OpenAI 官方弃用页写明:Agent Builder 将于 2026 年 11 月 30 日关停,开发者被引向代码优先的 Agents SDK。画布式搭建为什么连 OpenAI 自己都不继续押注?正在选型的中国企业应该把钱花在画布、模型,还是运行与治理上?

OpenAI 正在撤回自己的 agent 画布产品。

这不是网络传言,也不是某个教程作者的推测。OpenAI 官方弃用页写明:Agent Builder 和 Evals 已于 2026 年 6 月 3 日宣布弃用,计划于 2026 年 11 月 30 日关停,开发者被引导转向代码优先的 Agents SDK,或者 ChatGPT 内的 Workspace Agents。

Agent Builder 其实发布得并不久。2025 年 10 月,OpenAI 发布 AgentKit,把 Agent Builder 定位成可视化搭建多步骤 agent 工作流的画布:拖节点、连工具、配置流程,再嵌入聊天界面。不到一年,OpenAI 公测的 Agents API 却选择了另一条路:引擎同源,代码优先。

对正在评估 AI 工具的 SMB 老板和运营负责人来说,真正的问题不是「OpenAI 的一个产品为什么下线」,而是:画布式搭建为什么连 OpenAI 自己都不继续押注?下一套企业 agent 基础设施,应该把钱花在画布、模型,还是运行与治理上?

发生了什么:Agent Builder 不是暂停,而是有明确关停日期

OpenAI Agent Builder 的状态已经从「新产品观察期」进入「有截止日期的迁移期」。官方弃用通知给出了两个关键时间点:2026 年 6 月 3 日通知弃用,2026 年 11 月 30 日计划关停。企业如果已经在画布里做了流程,不能再把它当成一个长期稳定的生产底座。

这里需要区分三个概念。第一,Agent Builder 被弃用,不等于所有可视化 agent 工具都会消失。第二,OpenAI 仍然支持 agent 能力,只是把核心开发方向转向 Agents SDK、Agents API 和 ChatGPT Workspace Agents。第三,画布仍然适合快速验证流程,但「适合试验」与「适合承载公司长期业务」不是同一个判断。

证据件一:官方时间线

OpenAI 官方弃用页明确列出 Agent Builder 的弃用通知日期和计划关停日期,并将开发者引向代码优先的 Agents SDK。本文关于关停时间的判断以该页面为准。

OpenAI 的动作很有代表性:它没有放弃 agent,而是放弃了把 agent 的复杂性长期藏在画布里的产品形态。新路线把更多责任交还给代码、运行时和开发团队。

AgentKit 当初想解决什么问题

AgentKit 的发布定位,是让开发者和企业更快设计、部署、优化 agent。Agent Builder 是其中的可视化画布,Connector Registry 负责连接器管理,ChatKit 负责把 agent 体验嵌入产品。这个组合的价值很清楚:让团队先把「一个 agent 怎样经过多个步骤完成任务」画出来,再逐步接入工具和前端。

这条路线对早期项目很有吸引力。一个运营人员可以看懂节点和连线,产品负责人可以在会议上直接讨论工作流,技术团队也能把流程图当作交接材料。对于 FAQ、线索分流、简单审批、表单补全等边界清晰的任务,画布降低了第一次试错的门槛。

问题在于,agent 一旦从演示走向生产,真正难的部分通常不在「节点怎么连」。难的是:任务失败后怎么恢复,工具返回脏数据怎么办,权限如何按员工和租户隔离,长上下文如何压缩,模型换代如何回归测试,调用成本由谁负责,审计日志如何留存,客户数据能不能离开公司边界。

这些问题很难被一张流程图完整表达。画布可以显示业务步骤,却未必能成为运行时、权限系统、成本系统和审计系统的统一所有者。

证据件二:发布定位与产品方向

OpenAI 发布 AgentKit 的官方介绍曾将 Agent Builder 描述为通过拖拽节点组合逻辑的可视化画布。对照今天的弃用页,可以看到 OpenAI 的产品方向从「让工作流更容易画出来」转向「让 agent 引擎由代码和 SDK 驱动」。

为什么画布式 agent 搭建开始收缩

画布路线不是完全错误,而是它把最容易展示的部分放到了最前面,把最难运营的部分留到了后面。下面四个原因,解释了为什么 OpenAI 会从 Agent Builder 转向代码优先。

复杂度会从画布转移到画布之外

画布适合表达有限状态的流程:收到表单、调用分类器、走向分支、通知负责人。真正的 agent 往往不是固定流程。它需要根据上下文选择工具,自己拆任务,处理失败,等待外部系统返回,再决定下一步。

当节点越来越多时,画布并没有消除复杂度,只是把复杂度变成了视觉对象。连线开始交叉,分支开始嵌套,异常路径需要额外节点,版本差异难以审查。团队最后仍然需要理解状态、事件、重试和权限,只是多了一层画布抽象。

这也是为什么「拖拽就能做 agent」容易成为一个漂亮但不完整的承诺。它降低了初始表达成本,却不一定降低长期维护成本。

Agent 的核心价值正在从流程图转向运行时

OpenAI 2026 年 9 月 10 日公测的 Agents API,把 Codex 背后的 harness 做成托管服务。官方架构把系统拆成 harness、执行环境和会话:harness 负责模型与工具循环、会话维护、上下文压缩和恢复;执行环境负责实际执行;会话负责承载持续任务。

这个架构的重点不是「怎样画出十个节点」,而是「谁负责让 agent 连续工作」。当 agent 做一半需要人确认、工具调用失败需要恢复、上下文太长需要压缩时,决定产品体验的是运行时,而不是画布上的图形。

证据件三:官方架构

Agents API 官方架构文档说明,OpenAI 托管的 harness 负责模型和工具循环、会话维护、上下文压缩与恢复。这个架构事实支持本文的核心判断:生产 agent 的竞争重点正在从「搭建界面」转向「可靠运行与控制」。

代码更适合审查、测试和迁移

企业采购的不只是一个能跑起来的 demo,还要能回答「谁改了什么」和「改完有没有变差」。代码天然适合进入版本控制、代码审查、自动化测试和发布流程。画布也可以提供版本,但当流程、提示、工具权限、环境变量和错误处理彼此耦合时,单纯比较画布快照并不容易发现风险。

代码优先并不意味着只有程序员才能参与。更合理的分工是:运营人员定义业务目标、输入输出和验收标准,技术人员把这些要求固化成可测试的 agent 配置,管理者查看成本、权限和结果。这样,画布可以作为讨论工具,但不必承担全部生产责任。

画布难以回答企业最关心的控制问题

对 SMB 来说,最容易被忽略的不是能不能搭,而是搭完后谁负责。员工离职后,连接器权限是否自动失效?一个 agent 调用了多少次模型和搜索?哪个部门在消耗预算?客户资料是否进入第三方服务?换模型时,已有流程能不能保留?平台下线时,配置和会话能不能迁走?

这些问题属于控制面,而不是画布面。一个平台如果只让企业更快做出 agent,却不能让企业看清、管住、收回 agent,那么它更像是原型工具,而不是公司的 AI 基础设施。

画布是不是完全走不通:扣子和 Dify 仍有适用场景

答案是否定的。说 OpenAI 收缩 Agent Builder,不应该被解读成「所有画布产品都没有价值」。扣子、Dify 以及其他可视化平台,在特定场景下仍然有现实优势。

如果团队要快速做一个内部问答、营销内容流水线、知识库检索、简单客服分流,任务边界相对稳定,使用者又不想从代码开始,画布可以缩短试错路径。它让非工程角色更早参与,也让产品讨论更直观。对于验证需求而不是承载关键生产系统,画布是合理的第一步。

真正需要警惕的是把「原型效率」误认为「生产治理」。企业应该重点追问五件事:画布配置能否导出,运行时是否可观测,权限是否细到工具和数据,模型是否可以替换,业务数据和会话能否按公司的要求留存与删除。

扣子、Dify 与 OpenAI Agent Builder 也不是同一类产品的简单替代关系。它们在模型接入、部署方式、国内网络条件、插件生态、知识库和团队使用习惯上各有差异。公允的比较不是谁「一劳永逸」,而是哪一种工具与任务的复杂度、团队能力和数据边界匹配。

OpenAI 的新路线告诉企业什么:不要把控制面外包掉

OpenAI 的新路线更像是一种分层:Agents API 托管 agent harness,Agents SDK 让应用自己运行循环,Responses API 让团队从底层编排,ChatKit 负责嵌入式前端。四条路线的差别,本质上是谁负责循环、状态、工具和运行环境。

这对企业选型有一个直接启示:先问「谁控制运行时」,再问「界面是不是好用」。一个有漂亮画布的平台,如果不能说明执行位置、数据留存、审计权限、成本边界和迁移方式,企业就还没有完成选型。

Agents API 本身也暴露了这个趋势的另一面。根据 OpenAI 官方文档,它的 harness 运行在 OpenAI 云上,即使执行环境可以自托管,思考、会话和上下文管理仍由 OpenAI 负责;模型入口限于 OpenAI 自家模型,Agents API 端点也不在数据驻留计划和 Zero Data Retention 资格清单内。强大的托管能力和更高的平台依赖,是同一笔交易的两面。

证据件四:数据与执行边界

OpenAI 官方数据控制文档列出了 Agents API 端点的数据控制状态;官方自托管环境文档说明自托管的是执行体,而不是 OpenAI 的 harness。企业应把这两项事实放进供应商评估表,而不是只比较模型效果。

对 SMB 老板和运营负责人意味着什么

先把 agent 当作公司资源,而不是员工个人工具

如果 agent 连接了 CRM、ERP、订单、合同或客户聊天记录,它就不再是员工的个人效率插件。公司需要知道谁能使用、能使用哪些工具、产生了多少成本、输出是否经过审核,以及员工离开后权限如何收回。

这也是为什么「让每个人自己注册账号、自己绑定 API key、自己找一个画布」会很快失控。短期看似灵活,长期却会形成分散账单、不可见数据流和无法统一审计的工作流。

把一次性搭建费和长期运营费分开算

画布常常让第一次搭建显得便宜,因为团队可以快速拖出一个可演示的流程。但真正的总成本包括模型调用、工具调用、执行环境、失败重试、人工复核、权限维护、日志存储和迁移成本。

老板不应该只问「做这个 agent 需要几天」,还应该问「它每完成一项工作要花多少钱」「出错时谁来接管」「三个月后换模型要不要重做」。对低频、低风险、边界清晰的任务,画布可能足够;对持续运行的核心流程,运行时和治理的成本更值得优先计算。

把退出成本写进采购条件

平台是否允许导出,不等于企业可以无痛迁移。真正要检查的是:提示和技能能否导出,工具定义是否标准化,会话和审计数据是否可读,权限配置是否能重建,模型替换后是否有回归测试,供应商关停时有没有明确的迁移窗口。

Agent Builder 的关停正好提供了一个现实提醒:即使是 OpenAI 自己推出的产品,也可能在一年内调整方向。企业不必因此拒绝所有托管服务,但必须把「如果明天不用了怎么办」作为上线前问题,而不是故障发生后的补救问题。

我们的答案:把 agent 工位和控制面留在企业手里

Wodex 对这个问题的判断很直接:企业需要的不是更多孤立的画布,而是一个公司可以统一开通、统一配置、统一审计的 AI agent 工作站。员工应该打开应用就能使用 agent,不需要自己注册 ChatGPT 账号,也不需要接触 API key;老板和运营负责人则需要看见用量、成本、权限和知识资产的流动。

这正是 Wodex Runtime 正在解决的方向。Wodex Runtime 即将推出,目标是把 harness、执行体、模型网关、会话和审计放进一个企业可管理的运行层:harness 可以运行在 Wodex 云或公司边界内,执行体可以放在合适的机器上,模型通过网关解耦,企业可以按租户管理会话和审计,而不是把所有控制权交给某一个模型供应商的画布。

这个方向不要求所有公司一开始就放弃画布。画布可以继续承担原型和业务讨论的角色,Runtime 则承担长期运行、权限控制、成本可见和迁移准备。对 SMB 来说,这是一种更实际的分层:用简单工具验证价值,用企业控制面承载持续使用。

如果你正在评估 OpenAI Agent Builder 的迁移、Agents API 的企业使用,或者想给员工统一开通 ChatGPT 和 agent 工作站,可以先阅读中国企业如何使用 ChatGPT,再查看OpenAI Agents API 对中国企业意味着什么。如果希望了解 Runtime 的优先体验计划,可以联系 [email protected]。

一份给企业的 agent 平台选型清单

在签约或投入开发前,建议老板和运营负责人让供应商逐项回答:

1. 运行在哪里? agent 的 harness、执行体、工具服务和会话状态分别在哪里运行?

2. 谁能控制? 公司能否按员工、部门、租户和工具配置权限?

3. 数据怎么走? 哪些输入会被保存,保存多久,是否支持删除、驻留或私有化?

4. 模型能不能换? 是否支持多个模型供应商,换模型是否需要重写整个 agent?

5. 成本怎么看? 能否按部门、员工、任务和工具调用查看成本,而不是月底看一张总账单?

6. 失败谁负责? agent 卡住、工具报错、输出不可靠时,是否有人工接管、重试和审计记录?

7. 平台停了怎么办? 配置、技能、工具、会话和日志能否导出,迁移窗口有多长?

如果供应商只能展示画布,却不能回答这些问题,说明你看到的是搭建入口,不是完整的企业 agent 方案。

来源

本文事实以以下一手资料为准:

- OpenAI API 官方弃用页:Deprecations:Agent Builder 和 Evals 的弃用通知及计划关停日期。

- OpenAI 官方:Introducing AgentKit:AgentKit 与 Agent Builder 的发布定位。

- OpenAI Agents API 官方总览:Agents API 的产品范围和代码使用方式。

- OpenAI Agents API 官方架构:harness、执行环境和会话的职责划分。

- OpenAI 官方数据控制文档:数据驻留与 Zero Data Retention 资格信息。

- OpenAI Agents API 自托管环境文档:自托管执行体与 OpenAI harness 的边界。

本文的行业分析属于解释性判断,不把「代码优先更适合生产」写成 OpenAI 的原话。可以核实的产品事实与作者的选型建议分开呈现,企业应结合自身数据、合规、团队能力和任务风险做最终决定。

常见问题

1.OpenAI Agent Builder 什么时候关停?
OpenAI 官方弃用页显示,Agent Builder 于 2026 年 6 月 3 日宣布弃用,计划于 2026 年 11 月 30 日关停。已经使用 Agent Builder 的团队应尽快确认迁移路径,不要把新的长期业务继续绑定在一个有明确关停日期的产品上。
2.OpenAI 为什么弃用 Agent Builder?
OpenAI 官方给出的方向是转向代码优先的 Agents SDK,以及 ChatGPT 中的 Workspace Agents。基于官方产品变化可以判断,OpenAI 正在把 agent 的长期开发重点放到代码、SDK 和运行时,而不是继续把复杂工作流全部封装在可视化画布里。至于内部商业或产品决策,官方弃用页没有进一步解释,本文不做臆测。
3.Agent Builder 关停后,企业应该迁移到 Agents API 还是 Agents SDK?
如果企业希望 OpenAI 托管 harness、会话和工具循环,可以评估 Agents API;如果企业希望在自己的应用中运行循环、掌握更多编排逻辑,可以评估 Agents SDK。两者都不是 Agent Builder 的一键替换,迁移前要重新核对数据留存、模型范围、权限、执行环境、成本和回滚方案。
4.扣子和 Dify 会不会也因为 OpenAI 放弃画布而失去价值?
不会。扣子、Dify 等画布平台仍适合快速验证内部问答、内容流水线、知识库检索和简单业务自动化。OpenAI 的产品选择只能说明一家模型供应商收缩了自己的画布路线,不能证明所有画布工具都不适用。企业应根据任务复杂度、部署方式、模型选择、数据边界和团队能力进行比较。
5.画布式 agent 适合什么场景?
画布适合流程边界清晰、风险较低、需要非工程人员参与、且主要目标是快速验证的场景,例如简单分流、知识库问答和内容处理。画布不应自动被当作生产治理系统。涉及客户数据、财务数据、核心业务权限或长期无人值守运行时,企业还需要独立的运行时、权限、审计和成本控制能力。
6.OpenAI Agents API 能不能接入任意模型?
根据 OpenAI Agents API 官方文档和现有事实底稿,Agents API 的模型参数接受 OpenAI 自家模型 ID,没有通用的 BYO-model 入口。企业如果需要在 OpenAI、DeepSeek、Qwen、Anthropic 或内部模型之间切换,应在选型时确认网关和运行时是否支持模型解耦,而不能默认 Agents API 会提供这一能力。
7.Wodex Runtime 什么时候发布?
Wodex Runtime 即将推出。它面向需要统一管理 agent、模型、API key、用量、账单、会话和审计的企业团队。希望了解优先体验计划,可以访问Wodex Runtime 产品页,或联系 [email protected]。

下一步:企业 AI 测算工具与方案定价

先把 ChatGPT 安全地发给团队,再把 AI 工作流搭起来

Wodex 是企业管控的 ChatGPT 工作站,也是 AI 员工常驻的底座——员工用 ChatGPT,公司养 AI 员工,都在一个后台里。