这两年做智能体的人，手上多半都有一段不太想给别人看的代码。它干的事很枯燥：调一次模型，把返回里的工具请求抠出来，跑一下工具，把结果再塞回上下文，然后重复，直到任务结束，或者窗口塞满。写得好的和写得差的，差距不在谁更聪明，在谁的循环更能扛。
9 月 10 日，OpenAI 说这段循环它来跑。Agents API 进了公开测试，托管的正是支撑 Codex 的那套东西。给四样东西——任务、模型、可用工具、执行环境——一次调用就能拉起一个可以上生产的智能体。编排、上下文管理、执行基础设施，全部挪到对面去。
被接管的那几块，恰好是团队最不想维护的部分。上下文会自动压缩，长任务不会再在窗口填满的那一刻直接死掉；工具改成检索和程序化调用，不再每轮把所有工具定义一股脑塞进提示词；子智能体可以并行，调度交给 OpenAI 的基础设施，不占你自己的调度器；连模型调用、工具执行、状态本身，都跑在他们那边。
开发者手里剩下两样是硬的：智能体能碰哪些工具，代码在哪执行。执行环境给了三条路——OpenAI 自己的沙盒、你自己的基础设施，或者第三方沙盒供应商，Cloudflare、Vercel、Modal、E2B、Daytona、DigitalOcean、Oracle、Blaxel、Runloop 都在名单上。协调模型调用和工具的 harness 逻辑开源放在 GitHub 上，托管版由他们运营维护。
定价这块下手最狠。公测对所有开发者开放，没有额外的平台费，只付 token 和工具的钱。
早期用户报出来的数字挺漂亮：延迟降到大约四分之一，单任务成本降六成，失败响应少八成六，有个客户迁移之后评估分从 0.71 涨到 0.85。这些数是 OpenAI 和它的设计伙伴自己报的，不是独立基准，读的时候要打个折。方向倒是可信：一个调优过的框架，配上像样的压缩和并行子智能体，确实打得过那种每一轮都把整份对话重新发一遍的手搓循环，而手搓循环烧钱恰好就烧在这儿。
战略上的意思很直白。编排这门生意是一批公司的立身之本，LangChain、CrewAI 和后面一长串小框架，卖的就是这一层。现在 OpenAI 把它做成不抽成的托管服务，架在这些框架本来就要调的模型之上。框架不至于就此没用，但"我们替你管循环"这份溢价没了。
有家 IT 咨询公司的开发主管讲得实在：一个能连着跑很久的手搓智能体，底下压着任务队列、一套状态库、一堆沙盒机器、上下文压缩和失败重试，每一样都得有人守着、有人半夜爬起来看告警。这些零件没有消失，是有人替你接过去了。
开源这一手也值得留意。harness 的逻辑公开放在 GitHub 上，等于把循环怎么跑的摊给你看。托管版出状况的时候，至少能对着源码判断是自己用法不对还是对面出了问题，不用全靠猜。
那接下来干什么，也得跟着变。
注意力要从循环挪到工具上。工具的定义写得清不清楚、检索能不能命中、执行结果返回成什么形状，现在直接决定智能体跑成什么样。以前这些是被循环拖累的次要问题，现在是唯一的问题。
沙盒选型升成了一等设计。跑在 OpenAI 托管的沙盒里省事，包依赖、网络能通到哪、密钥怎么放，都由对方说了算；跑在自己的虚拟私有云里，可控，但维护自己扛；中间那批第三方供应商，各有各的包兼容和网络策略。这个选择过去是运维细节，现在是架构决策，定下来之后就很难改。
测量口径要趁早定。单任务成本、延迟、失败率，这三个数在托管之前几乎没人认真记过，因为大家都在救火。托管之后它们直接变成账单上的行，等到那时候再补记就晚了。
还有一层容易被跳过：验收。托管解决的是任务跑得完，不解决跑出来的对不对。评估集、回归用例、人工抽查抽多少，这些还得自己搭，搭的时间还得往前挪——并行之后一次产出好几个结果，没有验收标准就分不出哪个能要。
两条限制写在文档里，得单独说一句。Agents API 目前只支持美国境内的数据驻留，也不接受零留存这类约定，调用时要带上 OpenAI-Beta: agents=v1 这个头。内部数据往里喂之前，这两句得先看明白——它不是技术细节，是能不能用的前提。
真要把执行环境留在自己这边，还有个绕不开的现实：长任务和并行子智能体是要真机器去跑的。自己的开发机顶多撑一两个线程，跑起来风扇狂转，一批任务排到天亮，频率还往下掉。随时能开、用完就关的云上机器在这种时候更合适，卡型可以挑，按小时算，任务结束就释放。算力这东西现在租比买划算，尤其你只是想验证一个想法、跑完就收工的时候。
