Wodex
热点解读

OpenAI Agents API 是什么?对中国企业意味着什么

2026 年 9 月 10 日,OpenAI 公测 Agents API,把 ChatGPT 背后的 agent 引擎做成托管服务。本文依据官方文档讲清它是什么、怎么运转、怎么收费,以及中国企业使用前要想清的三件事:门槛、数据归属、模型锁定。

2026 年 9 月 10 日,OpenAI 把 Codex 背后的 agent 引擎做成托管服务开放公测:Agents API。简单说:以前一个能自己干活的 agent 要跑在你自己的机器上,现在三行代码就能让它住进 OpenAI 的云里,7×24 在线。「AI 员工」从概念变成了基础设施。但对中国企业来说,用不用、怎么用,有几个绕不过的现实问题——本文全部结论都标注了官方文档出处,可以逐条核实。

官方发布视频(3 分钟看懂)

OpenAI 官方频道对 Agents API 的发布介绍。视频讲的是产品能力面;它没讲的部分——数据落在哪、谁能用、怎么收费——是本文接下来的重点。

Agents API 到底是什么

按官方架构文档,Agents API 由三部分组成。harness 是 agent 的「大脑」:跑模型和工具循环、维护会话、压缩上下文、从断点恢复,由 OpenAI 托管。执行环境是 agent 的「手」:可以是 OpenAI 的托管沙箱,也可以是你自己的机器。会话则是一个持续工作的 agent 实例——给它一个任务,它做一半可以来问你,你可以中途纠偏,明天再接着干。

能力面上,agent 可以在沙箱里执行代码和命令、编辑文件、联网搜索、调用你定义的函数、连接 MCP 服务器,还可以把子任务派给 subagent 并行处理。这些能力不是新框架,而是 ChatGPT 里那个 agent(Codex)日常在用的同一套。

一个值得停下来看的架构事实:即使你选择自托管执行环境(官方叫 self-hosted,执行体 `codex exec-server` 跑在你自己的机器上,只出站连接),harness 依然跑在 OpenAI 的云上。官方架构页写得很直白:「OpenAI runs the agent harness」。你的机器只负责动手;思考、记忆、会话状态都在 OpenAI 那边。这句话是理解后面所有限制的钥匙。

一个会话的完整生命周期

STEP 1

创建会话

你的应用提交 agent 配置(模型、指令、工具)和环境需求,OpenAI 准备好环境。

STEP 2

下达任务

用户输入触发一轮工作。agent 自己拆解步骤、调用工具、在沙箱里执行代码。

STEP 3

跟进或纠偏

通过事件流或 webhook 看进度;agent 做完、做不动、或需要你拍板时会通知你,你可以中途插话纠偏。

STEP 4

接着干或结束

同一个会话可以接新任务,上下文由 harness 维护和压缩;做完了删除会话,沙箱随之回收。

agent 伸手可用的托管工具

联网搜索

内置 web search 工具,按调用次数计费(每千次 10 美元),搜索结果占用的 token 另算。

函数与 MCP

你定义的函数由你的应用执行并回传结果;也可以直接连 MCP 服务器,把公司内部系统接进来。

Subagent 并行

agent 可以把独立子任务派给 subagent 并行处理再汇总,适合研究和比对类工作。

执行体自托管

执行体 codex exec-server 可以跑在你自己的笔记本、CI、虚拟机或 VPC 里,只出站连接,用受限密钥注册回 OpenAI。官方还列出了 9 家伙伴沙箱(Cloudflare、Vercel、DigitalOcean 等)。来源:自托管沙箱文档。

官方文档里的四个关键事实

模型只能用 OpenAI 的

创建会话时 model 参数只接受 OpenAI 自家模型,没有接入第三方模型的入口。DeepSeek、Qwen、Claude 都不在选项里。来源:Agents API 官方文档总览。

不在数据驻留计划内

OpenAI 的数据驻留功能允许合规客户把数据存到指定区域(美国、欧洲等),但覆盖清单里没有 Agents API 的端点。会话状态默认保存在 OpenAI,直到你主动删除。来源:官方数据控制文档。

没有「数据不留存」选项

OpenAI 对部分合规客户提供内容不留存的选项,但 Agents API 端点不在资格列表里——它是少数不具备该资格的端点之一,滥用监控日志默认保留 30 天。来源:官方数据控制文档的端点表格。

托管沙箱按容器计时

用 OpenAI 的沙箱,就按容器费率计时收费,模型 token 另算。agent 跑得越久、越频繁,这块费用越难预期。来源:托管沙箱文档。

怎么收费,钱实际花在哪

Agents API 没有一个简单的「agent 月费」。按官方定价页,账单是三块叠加:模型 token(按 API 费率,通常是大头)、托管工具调用(联网搜索每千次 10 美元、文件检索每千次 2.5 美元)、容器计时(托管沙箱按规格每会话 0.03 到 1.92 美元不等)。

真正让账单失控的不是单价,是循环。agent 干一个活不是一次模型调用,而是一个循环:每调一次工具,返回的结果会塞回上下文,下一次调用的输入就更长。有开发者在 Hacker News 上算过账:工具返回大量 JSON,到第 10 轮,每次调用都在为 10 万 token 的输入付费(原帖)。评估 Agents API 的成本,要按「一个完整任务跑下来多少钱」算,不能按单次调用算。

OpenAI 体系内的四条路线

OpenAI 体系里现在有四条跑 agent 的路线,费率和工具相同,区别在于「循环谁来跑、状态谁来管」:Agents API(OpenAI 托管跑循环,就是本文主角)、Agents SDK(开源框架,循环跑在你的应用里)、Responses API(自己从零拼编排)、ChatKit(嵌入式聊天前端)。选型本质是选你愿意自己养多少基础设施。

另外两条路线正在退出:官方弃用页显示,Agent Builder(OpenAI 自己的拖拽式 agent 搭建工具)和 Evals 于 2026 年 6 月 3 日宣布弃用,2026 年 11 月 30 日关停,官方引导转向代码优先的 Agents SDK。

它和扣子、Dify 这类平台不一样

画布式平台(扣子、Dify 一类)让你拖流程:节点、连线、条件分支。Agents API 不是画布,它是 ChatGPT 同源的执行引擎——你用代码描述任务和目标,引擎自己拆解步骤、调用工具、从断点恢复。一个偏「你替它想好每一步」,一个偏「它自己想」。

值得对照的事实:OpenAI 自己的画布产品 Agent Builder 正在关停(见上节)。拖拽搭建这条路行业仍在探索,但「引擎同源、代码优先」正在占上风。

中国企业用之前,先想三件事

STEP 1

门槛

使用 Agents API 需要海外主体、海外支付方式、API 权限和网络条件。这不是教程,只是事实:没有这些前提,Agents API 与你无关。如果团队连 ChatGPT 账号都还没理顺,先解决人的问题——见《中国企业如何使用 ChatGPT》 https://wodex.ai/zh-cn/resources/chatgpt-china-company-solution

STEP 2

数据归属

会话、状态、审计都在 OpenAI 一侧,且该端点没有「不留存」资格、不在数据驻留计划内。客户数据、未公开合同、财务报表这类内容要不要让 agent 碰,先过法务和管理层的关,再谈技术。

STEP 3

锁定

模型、会话、审计都在 OpenAI 体系内。今天用它没问题;明天想换国产模型、或想把数据收回到自己边界内,迁不走。选型时把「退出成本」算进去。

另一条路:把 agent 工位建在自己手里

「agent 住在哪、归谁管、花了多少」会变成每个公司都要回答的问题——和当年「员工的电脑归谁管」一样。这不是技术选型,是管理问题。

我们在做的 Wodex Runtime 是这个问题的另一个答案:harness 跑在 Wodex 云或你的公司边界内(私有化),执行体在任何机器上,模型经网关任选(OpenAI、DeepSeek、Qwen、Anthropic),会话与审计留在你的租户区域,按席位计费而不是按容器分钟。产品目前标记「即将推出」,想优先体验可以发邮件到 [email protected]。

延伸阅读

常见问题

中国企业能直接用 Agents API 吗?
需要海外主体、海外支付方式、API 权限和网络条件,且会话数据留存在 OpenAI。对多数国内小团队,门槛不低。
Agents API 和 ChatGPT 是什么关系?
ChatGPT 里的 agent 能力跑的就是这套 harness;Agents API 是把同一个引擎开放给开发者,按 API 用量计费。
用它跑一个 agent 要多少钱?
没有固定月费:模型 token、托管工具调用、容器计时三块叠加。真实成本取决于 agent 循环的次数和上下文长度,官方定价页有明细。
有没有不让数据出去的办法?
有。自托管 harness 的路线(如 Wodex Runtime,即将推出)把会话和审计留在你的租户区域,模型也可以换成国产模型。
扣子、Dify 和 Agents API,小企业该选哪个?
三者不是一层的东西。画布平台适合业务人员拼流程;Agents API 适合有开发能力、要深度定制的团队,但对中国企业有门槛和数据归属问题;如果你的目标是「让 AI 员工常驻公司里可管可控」,自托管 harness(如 Wodex Runtime)是第三条路。

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。