OpenAI 推出 Agents API 公開測試版：Codex 代理框架開放給所有開發者，無需額外費用

OpenAI 在 9 月 10 日正式推出 Agents API 公開測試版，將驅動 Codex 與 ChatGPT Work 的同一套代理框架——包括會話管理、背景壓縮、工具搜尋、MCP 伺服器連接與子代理協調——以 API 形式開放給所有開發者。對香港開發者與企業而言，這意味着建立長期運行的 AI 代理不再需要自行搭建複雜的框架層，只需一次 API 呼叫即可啟動。

從自建框架到託管框架即服務

打造一個可投入生產的 AI 代理，與呼叫一個 LLM API 是完全不同的工程挑戰。LLM 能決定「下一步做什麼」，但一個生產級代理還需要：會話狀態管理（Session State）、背景壓縮（Context Compaction，避免長對話超出權杖限制）、工具選擇與執行（Tool Selection & Execution）、錯誤恢復（Crash Recovery），以及子代理協調（Subagent Coordination）。過去，這些功能需要開發者自行搭建，佔用了大量工程資源。

OpenAI 的 Agents API 將這套完整的框架層以託管服務的形式提供。開發者只需定義一個 Agent（指定模型、工具與 MCP 伺服器）、選擇一個 Environment（沙盒執行環境），然後建立一個 Session（持久化代理實例），即可讓代理長時間運行——從數小時到數天不等。

最關鍵的設計決策是開發者可選擇代理的執行環境：OpenAI 託管的沙盒、自有基礎設施（透過 codex exec-server 的 WebSocket 連線），或九個合作夥伴的沙盒之一——包括 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop 與 Vercel。這為需要在自家 VPC 內執行代理的受監管行業提供了靈活性。

核心功能：框架層的四大元件

Agents API 圍繞四個核心物件設計：

Agent：定義模型選擇（預設使用 GPT-6 Astra）、工具列表（包括 MCP 伺服器與自訂函數），以及可選的子代理配置（multi_agent.enabled 與 max_concurrent_subagents）
Environment：沙盒配置——CPU/GPU、記憶體、檔案系統、預安裝套件、技能（Skills）與插件（Plugins）
Session：可持久化的代理工作階段，支援長時間執行與斷線恢復
Events：串流輸出事件——開發者透過事件驅動的方式監控代理進度，並可在執行中即時調整指令（Mid-turn Steering）

內建的背景自動壓縮（Automatic Compaction）會在 Session 接近權杖限制時，獨立對根代理與每個子代理的背景進行壓縮，保留任務所需的關鍵資訊，同時移除冗餘內容。開發者無需自行實作任何壓縮邏輯。

此外，工具搜尋（Tool Search）機制可在規劃階段僅載入相關的工具定義，而不是每次都傳遞完整的工具列表，從而顯著降低權杖用量與快取成本。

價格：不收框架費——但模型與容器用量才是真正的開銷

OpenAI 明確表示 Agents API 本身不收費。開發者只需支付三項費用：

模型權杖——按所選模型的 API 標準費率計算（預設為 GPT-6 Astra，$10/百萬輸入權杖，$50/百萬輸出權杖）
工具費用——按 OpenAI 工具的標準費率計算
沙盒容器費用——如果使用 OpenAI 託管的沙盒，按容器運行時間計費

這一定價策略背後有一個關鍵邏輯：代理工作負載的權杖消耗遠高於普通對話。一個複雜任務可能涉及數十次工具呼叫、多次背景重新讀取與子代理擴散——每一次都會產生模型權杖費用。OpenAI 免去框架費，本質上是將代理框架作為拉動高用量客戶的需求工具。

對企業與開發者的意義

第一，代理框架的「民主化」將加速 AI 代理的普及。 過去，建立一個生產級的 AI 代理需要專屬的平台團隊來維護框架層。現在，任何具備 API 整合能力的開發者都可以在幾分鐘內建立一個能長時間運行的 AI 代理——從客戶服務機器人到程式碼審查代理，再到數據分析助手。對香港的開發團隊而言，這顯著降低了建立 AI 代理的技術門檻與維護成本。

第二，MCP 標準化使代理工具生態不再碎片化。 Agents API 原生支援 Model Context Protocol（MCP），這是由 Anthropic 提出、Linux 基金會託管的開放標準。開發者無需為每個代理重寫工具整合，只需指向 MCP 伺服器 URL 即可。MCP 目前已超過 9,700 萬次 SDK 下載，正快速成為 AI 代理的工具連接標準。香港企業應開始盤點內部系統的 API 可連接性，為 MCP 標準化做好準備。

第三，「託管框架 vs. 自建框架」的權衡需要理性評估。 Agents API 的優勢是開箱即用、免除維護負擔；但在受監管的行業（金融、醫療、法律），數據駐留限制（目前僅限美國） 和零數據保留（ZDR）的缺失是硬性障礙。香港金融機構和數據敏感型企業在採用前，應先確認自身的合規要求是否允許數據在美國處理。

第四，早期採用者已經報告顯著的效率提升。 Hypha 的 Serhii Shchoholiev 表示，將代理框架與沙盒分離使失敗代理回應減少了 86%；Ciridae 報告延遲降低了 4 倍；SafetyKit 節省了 60% 的成本。這些數字來自合作夥伴的初步報告，香港企業在評估時應在自己的評估環境中驗證——但趨勢是明確的：託管框架正在帶來可量化的效率提升。

第五，代理管理能力將成為新的核心技能。 當 AI 代理可以長時間自主運行時，團隊需要建立代理操作規範：如何設定任務目標與權限邊界、如何監控代理行為、如何審查代理輸出、如何處理代理故障。對香港在職人士而言，學習如何「管理 AI 代理」而非僅僅「提示 AI 模型」，將是下一階段 AI 生產力提升的關鍵。

OpenAI Agents API 的推出標誌着 AI 代理從「自建框架」時代邁入「託管框架即服務」時代。對香港企業而言，現在正是評估哪些工作負載適合交由託管代理處理、哪些仍需自行維護框架的戰略時刻。