OpenAI 推出了 Agents API，将 Codex 代理框架背后的编排层封装为一项托管服务。其核心卖点非常明确：用户无需在模型调用周围构建自己的框架，只需调用 API，OpenAI 即可负责管理会话、编排、上下文压缩和恢复。您的应用程序负责提供工具并选择执行环境。
文章的主题是 OpenAI 发布的产品，此标志出现在文章参考的文档页面上。它放置在介绍 OpenAI Agents API 的开头段落之后，标识了负责管理会话、编排、上下文压缩和恢复的供应商，而调用者提供工具并选择执行环境。
Agents API 构建在四个核心概念之上。代理（Agent）是模型、其指令、它可以使用的工具以及它可以访问的 MCP 服务器的集合。环境（Environment）是一个可选的沙箱或计算机，代理可以在其中访问文件、加载技能并运行命令。会话（Session）是代理的一个持久实例，用于处理任务并响应输入。事件（Events）和项目（Items）是发送到代理的输入，以及代理在会话期间产生的输出。
一个会话遵循清晰的序列。应用程序创建会话并配置代理；OpenAI 配置其环境。应用程序向代理分配任务，一旦环境就绪，用户输入即可启动工作轮次。应用程序通过流式输出或使用 Webhooks 来跟踪进度，以了解代理何时完成或需要输入。随后，它可以向同一个会话发送另一个任务，或在代理当前的轮次中提供指导。对于 OpenAI 托管的会话，应用程序发送输入并接收事件，而 OpenAI 负责运行代理并配置和管理其沙箱。
此图表直接对应第三个正文段落，该段落介绍了会话序列：创建和配置会话、OpenAI 配置环境、发送任务、通过流式输出或 Webhooks 了解代理何时完成，以及在代理轮次中提供指导。图表本身的描述确认它展示了应用程序启动会话并接收事件和输出，而 OpenAI 运行框架并配置沙箱，因此它准确地说明了段落中所解释的流程。
根据文档，托管框架提供的功能包括在沙箱中运行命令和代码、应用相关的技能和指令、通过工具或 MCP 连接到外部数据、在代理工作时进行引导，以及总结之前的任务以管理上下文。定价遵循所选模型的 API 费率，其中 OpenAI 工具按标准费率计费，OpenAI 托管的沙箱按标准容器费率计费。
环境选择是主要的架构决策。在快速入门指南中，OpenAI 托管的沙箱是默认路径，允许代理创建并运行目录树脚本，而无需调用者配置任何内容。自托管沙箱也是可选的，文档将其列为在调用者控制的环境中运行代理的选项。这一区别至关重要，因为它改变了执行环境的所有权，进而影响数据本地化、网络访问和合规性状态。
文档还围绕具体的用例而非抽象能力来构建此 API：一个调查警报并请求恢复操作批准的事件响应代理；一个使用连接的工作场所工具调查请求的 Slack 机器人；一个使用只读 SQL 回答仓库问题的资料分析师；一个重现报告的错误并在 GitHub 上分享发现的 GitHub 问题调查员；以及一个利用政策技能和专家代理审查文档的文档审查员。
有两个重要的注意事项。首先，Agents API 不是一个独立的模型产品。它是一个运行在 OpenAI 模型目录之上的框架和编排层，因此成本和能力取决于代理配置使用的模型。其次，文档是此发布中可获得的唯一实质性来源。它确立了 OpenAI 声称产品的功能，但并未提供独立验证、第三方基准测试，或关于生产环境中的可靠性、延迟或故障率的证据。自托管沙箱选项虽然列在文档导航中，但在概述文本中未作深入描述，因此其确切的配置、限制和安全模型在提供的材料中仍未明确。