摘要：OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放，托管在云端。
9 月 11 日凌晨，OpenAI 把一件"内部武器"端到了开发者面前——Agents API 公开测试版。说白了，它把驱动 Codex 跑起来的那套 harness（运行容器、工具调用、子智能体调度、上下文管理、沙箱执行）抽出来，做成一次 API 调用就能用的托管服务。以前你想让模型"自己开浏览器、跑代码、调接口、管状态"，得自己搭一整套工程底座；现在 OpenAI 说：这些脏活我包了，你只管发任务。
这件事的分量不在"又多了一个 API"，而在于它把"造 Agent"从架构师的活儿，降维成了应用开发者的活儿。官方给出的能力点很具体：你可以选择运行环境、挂子智能体并行处理、做上下文窗口管理，还给了对应的定价方式。这意味着中小团队不用再为了一个自动化流程去自研调度层和隔离层，直接用 OpenAI 的云托管跑——门槛和试错成本同步砍下来一截。对一个想用 Agent 做客服质检、代码巡检、报表生成的小团队来说，过去三个月的基建工作量，现在可能三天就跑通。
横向看，Agent 基础设施正在成为巨头新的必争之地。Anthropic 有 Claude 的 tool use 与计算机操作，Google 把 Gemini 往企业工作流里塞，OpenAI 则选择把"怎么让 Agent 稳定跑完长任务"这件事产品化、API 化。谁的 harness 更稳、报错恢复更聪明、子智能体编排更顺手，谁就握住了下一波企业自动化的入口。毕竟大多数人要的不是"一个会聊天的模型"，而是"一个能替我把流程跑完还不崩的服务"。把能力做成水电一样的接口，是平台最舒服的收租姿态。
当然，托管也意味着绑定。把 Agent 的关键链路放在某家云上，等于把可控性和议价权一并交了出去——一旦业务重度依赖，迁移成本会随时间指数级上升。对创业公司，最务实的姿势是先用它把 MVP 跑通、验证自动化真的省时间，再决定是否把核心流程锁死在单一供应商。别在 demo 阶段就 commits 一生。
更值得玩味的是节奏。Agents API 和前文提到的 Data agent（ChatGPT Work 里那条）几乎同日出现，OpenAI 明显在把"企业 Agent 套件"一块块拼齐：一个负责把 Agent 跑起来（Agents API），一个负责把数据接进来分析（Data agent）。这套组合拳打的是"数字员工"市场，而不是单点工具。对国内做 Agent 中间件的团队，这既是压力也是提醒——底座正在被巨头快速填平，差异化的空间会越来越多地落到行业 know-how 和交付能力上，而不是通用调度本身。
把视野拉到整个生态，Agents API 还会改变开发者的心智模型。过去"调模型"是发一段 prompt 等回文；现在"调模型"是声明一个能行动、有状态、会纠错的智能体。这种从"函数调用"到"同事雇佣"的认知切换，会比任何单篇发布都更深远地重塑软件工程。谁能先把自己的产品想清楚"该让 Agent 接手哪段流程"，谁就能在这轮企业 AI 落地里分到最稳的一杯羹。
