OpenAI Agents API 评测：迁移、成本与数据控制

OpenAI Agents API 把 Codex 的智能体执行循环变成托管服务，但不会替你承担产品权限、验收测试和数据义务。采购时真正要问的是：哪些基础设施可以不再自建，同时保留客户需要的控制？

OpenAI 于 2026 年 9 月 10 日宣布公开测试。其 Agents API 发布说明介绍了自动上下文压缩、工具搜索、程序化工具调用和并行子智能体，并允许选择不同执行环境。本文评估这个具体产品的迁移决策；通用架构由我们的 AI 智能体 Harness 指南解释。

发布数据到底证明了什么？

这些数字来自 OpenAI 公告中的不同客户。它们值得作为试验动机，但不是同一套基准，也不是对你业务负载的保证。

这些客户评价没有提供统一任务集、样本量和独立复现。Ciridae 的变化是绝对增加 0.14 分；没有评分标准，就不能把它包装成面向所有客户的准确率。更有价值的下一步，是让新旧方案处理同一批你能够独立验收的任务。

Agents API、Agents SDK 与 Responses API 有什么不同？

名称相似，运维责任不同。OpenAI 的 SDK 对比说明区分了由 SDK 运行循环和应用自行编写编排逻辑。托管 Agents API 又增加了一种部署选择。

对于自定义函数，Responses 的工具调用流程仍然把执行交给应用：接收拟调用操作，运行代码，再返回结果。更换 API 客户端不会自动迁移函数、身份认证和审批流程。先列清楚现有 Harness 的职责，再决定删掉什么。

这也不同于 Ramp Inspect 每个会话一个沙箱的架构。沙箱提供执行地点；托管 Harness 还提供编排。购买其中一个，不代表另一个也已经被替代。

比演示更重要的三个部署检查

把 Harness 的运行地点、工具执行地点和状态保存地点分开看。沙箱位于你的网络内，并不意味着 OpenAI 的托管 Harness 也迁入该网络。工具参数和结果仍可能跨越边界。OpenAI 的 数据控制文档区分应用状态、滥用监控数据保留以及各端点的适用资格。某个端点获批，不等于另一个端点也获批。

本次审阅的证据限制，2026 年 9 月 13 日：发布公告和通用数据指南可以访问，但公告新链接的 Agents API 概述未能在本次审阅中获取。因此，本文不会把“仅限美国”“不支持 Zero Data Retention”或某个具体会话保留期限当作已经核实的端点事实。迁移敏感数据前，应重新检查最新概述，并取得针对实际部署的书面确认。

这不等于所有欧洲业务或受监管业务都被禁止使用。它意味着，必要控制未被证实时，不应先批准生产上线。使用合成数据的试点可以解决工程问题，而不用提前替采购审查下结论。我们的 欧盟 AI 数据驻留指南涵盖更广泛的架构选择。

没有平台附加费，不等于每个合格任务成本为零

公告表示，Agents API 不收取额外使用费。仍需根据 当前定价文档，分别核算模型、工具和执行资源。不能把另一家沙箱厂商的价格，或聊天产品订阅中的额度，直接当成 API 预算。

每个已验收任务的成本 =
  (模型 + 工具 + 计算 + 重试 + 审核 + 运维)
  / 独立验收通过的任务数

以下是示意计算，不是 OpenAI 报价：100 次尝试花费 30 欧元机器成本和 70 欧元审核成本，80 项通过验收，则每项为 1.25 欧元。如果机器成本降到 12 欧元，但审核升到 100 欧元，只有 70 项通过，则每项变为 1.60 欧元。单次调用变便宜，整体流程仍可能变贵。

子智能体尤其需要这样衡量。试点先限制并发，统计完整任务的总用量，并区分墙钟时间与计算消耗。并行可以缩短等待，也可能增加购买的工作量。上下文压缩同样需要质量测试：缩短之后，仍要保留满足验收条件所必需的信息。

不连接生产系统的最小示例

下面的 JavaScript 沿用发布公告中的会话创建结构。输入完全虚构，不接入业务连接器，并要求显式开启付费执行。它只是起点，不是完整服务。本文的安装脚本不会运行此示例，也不会在你的业务系统内安装智能体。

import OpenAI from "openai";

// Opt in explicitly: this example can incur API and compute charges.
if (process.env.RUN_PAID_AGENTS_DEMO !== "yes") {
  throw new Error("Set RUN_PAID_AGENTS_DEMO=yes to enable this demo.");
}
if (!process.env.OPENAI_API_KEY) {
  throw new Error("OPENAI_API_KEY is required on the server.");
}

const client = new OpenAI({ maxRetries: 0 });
if (!client.beta?.agents?.sessions?.create) {
  throw new Error("Install an OpenAI SDK version supporting Agents API beta.");
}

try {
  const session = await client.beta.agents.sessions.create({
    agent: {
      model: process.env.OPENAI_AGENT_MODEL || "gpt-6-astra",
      multi_agent: { enabled: true, max_concurrent_subagents: 2 },
    },
    environment: { type: "openai_hosted" },
    input:
      "Use only these fictional facts: Service A had 4 errors in 100 requests; " +
      "Service B had 9 errors in 300 requests. Compare the error rates, " +
      "have a second agent check the arithmetic, and save a short report " +
      "under /workspace/outputs. Do not contact external services.",
  });
  console.log(JSON.stringify({ session_id: session.id }));
} catch (error) {
  // Do not dump prompts, credentials or the complete server response.
  console.error("Session creation failed. Reconcile its status before retrying.");
  process.exitCode = 1;
}

选择提供 beta 资源的 SDK 版本，验证后固定版本。仅在服务器端、使用获批项目和模型运行。打印会话 ID 不代表报告已完成。还需单独实现文档所规定的会话观察、取消、产物获取与清理。示例关闭创建请求的自动重试，防止网络结果不确定时盲目启动重复任务。“不联系外部服务”的自然语言指令，也不能替代强制执行的出站网络策略。

保留业务控制的迁移路径

先建立清晰的适配边界：输入一个任务，输出会话引用，最终返回产物。业务任务 ID、授权决定、工具权限、审批记录与验收结论应保存在模型指令之外。OpenAI 的 MCP 安全指南强调外部服务器信任、提示注入和敏感操作审批。托管循环没有取消这些问题。应采用实际 API 支持的审批契约，而不是复制另一端点的字段。

分开做两个实验。保持模型和工具不变，更有助于隔离编排差异。比较新旧两套最佳可行系统，可以回答商业问题，但不能把全部改善归因于 Harness。OpenAI 的 评测最佳实践建议任务专用测试和持续评估。加入你的实际失败案例，不要只看一段有说服力的演示。

我们建议的验收集包括：写入可能已经成功后的工具超时、重复输入、过期凭据、相互矛盾的子智能体输出、检索文档内隐藏的指令、客户端连接中断，以及必须跨压缩保留的事实。启用备用路径前，要先核对原任务的真实状态。否则所谓恢复可能再次执行已经成功的操作。

七种值得考虑的有限权限试点

以下是建议，不是在宣称 Wavect 或 OpenAI 已经逐一完成生产验证。每个试点都有可审核产物，也都可以从不授予自主业务写入权限开始。

什么时候迁移，什么时候保留自己的 Harness？

当长期编排维护占用大量工程时间，并且数据、工具和商业要求能够满足时，值得评估托管 API。如果现有路径简单可靠、关键行为不受支持，或所需部署控制仍未确认，就保留原方案。一次吸引人的发布，不足以证明重写稳定事务流程有价值。

OpenAI 的 生产实践指南涵盖运行容量、费用管理和安全。针对本次迁移，应为版本变更、回归评测、用量核对和事故处理指定负责人。保留配置清单，以及导出任务状态和已验收产物的退出路径。厂商专属会话 ID 不应成为唯一业务记录。

Wavect 的 AI 咨询与实施服务可以协助限定数据路径、工具契约和验收测试。Twinsoft AI 案例提供相关交付背景，并非 Agents API 基准。可通过定制软件与现成方案对比评估所有权取舍，或带上工作流、现有成本与必要控制，讨论一次范围明确的 Agents API 迁移评审。