最後更新：2026 年 9 月 22 日。OpenAI Agents API 已於 2026 年 9 月 10 日以 public beta 向所有開發者開放。它讓應用程式透過 OpenAI 管理的 API 使用 Codex harness，並提供可持續保存狀態的 session、工具協調與 subagents。Agents API 本身不另外收平台費，但模型 tokens、工具與 OpenAI-hosted sandbox 仍依各自標準費率計費。
對正在規劃多步驟自動化流程的開發團隊而言，這次發布值得注意的地方不只是模型呼叫，而是 agent 的設定、對話與已儲存工作可以保留在同一個 session 中，後續再傳送訊息即可繼續處理。另一方面，實際導入仍須先評估 sandbox 的生命週期、資料落地需求與工具用量成本。
OpenAI Agents API 是什麼？從 Codex harness 到可延續的工作 session
依據 OpenAI 的說明，Agents API 是一套由 OpenAI 管理的 API，可讓應用程式存取 Codex harness。若團隊的需求不只是取得單次模型輸出，而是希望將任務交由 agent 持續推進、在需要時補充指示或銜接既有工作，session 便是這項產品設計中的重要單位。
同一個 session 會保存：
- agent 設定
- 對話內容
- 已儲存的工作
因此，開發者可在後續向同一個 session 傳送訊息，讓 agent 從先前保留的脈絡繼續工作。這對需要分階段交辦、等待外部流程後再補充資訊，或需要保留工作上下文的應用特別重要。
不過，Agents API 目前仍是 public beta。正式導入前，應將功能調整與實際運作條件納入測試、監控與維運規畫。
OpenAI Agents API 公測公告有哪些重點？
| 項目 | 目前可確認的資訊 |
|---|---|
| 發布時間 | OpenAI 於 2026 年 9 月 10 日宣布 Agents API，並表示當日以 public beta 提供。 |
| 核心定位 | 應用程式可透過 OpenAI 管理的 API 存取 Codex harness。 |
| 工作延續方式 | 同一個 session 可保存 agent 設定、對話與已儲存工作，後續訊息可用來繼續工作。 |
| 受管執行環境 | OpenAI-hosted sandbox 是 Linux workspace，提供 Python、Node.js 與命令列工具。 |
| 資料條件 | 目前僅支援美國資料落地，且目前不支援 Zero Data Retention（ZDR）。 |
| 費用原則 | Agents API 本身不收額外平台費；模型 tokens、OpenAI tools 與 OpenAI-hosted sandbox 容器仍依標準費率計費。 |
如何利用 session 讓 agent 接續工作？
Agents API 的 session 設計，讓開發者能以一段持續保留的工作脈絡來管理 agent。重點不在於保證每項任務都會運行固定時長，而是同一個 session 可以保留設定、對話和已儲存工作，使後續訊息能接續先前的進度。
在產品流程上，可以將它理解成以下做法：
- 建立一個用於處理某項工作的 session。
- 讓 agent 在該 session 中處理初始指示。
- 需要補充條件、修正方向或安排下一步時，向同一個 session 傳送後續訊息。
- 由保留的 agent 設定、對話與已儲存工作，作為接續處理的脈絡。
這種方式適合用於必須反覆補充需求、逐步交辦工作，或需要保留前後文的自動化流程。不過，session 能延續工作脈絡，不代表每一種任務、環境或帳戶條件下都具有相同的執行時間或用量限制；實務上仍應依實際帳戶與應用情境進行驗證。
OpenAI-hosted sandbox 能提供什麼？先看保存限制
若選用 OpenAI-hosted sandbox，OpenAI 文件將其描述為一個 Linux workspace，內含 Python、Node.js 與命令列工具。這讓開發者能在受管環境中規畫 agent 的執行工作，而不必把該環境視為永久保存空間。
最需要事先納入設計的一項限制是：依官方 sandbox 文件，當活動與 keep-alive 都停止一小時後，OpenAI-hosted sandbox 可能遭刪除，而且這個逾時不可設定。
因此，若工作流程會產生需要後續使用的成果或狀態，應在架構設計時思考如何處理保存與復原需求，而不是假設 sandbox 會長期保留所有資料。
導入 OpenAI-hosted sandbox 前的實務檢查
- 確認工作流程是否依賴長期保存的執行環境狀態。
- 盤點 agent 需要使用的 Python、Node.js 或命令列工作內容。
- 將活動與 keep-alive 停止後一小時可能刪除的條件納入流程設計。
- 釐清資料落地與資料保留要求是否符合目前服務條件。
資料治理限制：目前僅支援美國資料落地，也不支援 ZDR
對企業導入而言，資料治理通常比 API 呼叫方式更早決定專案能否推進。OpenAI 的 Agents API 文件目前指出，Agents API 僅支援美國資料落地（data residency）。
此外，Agents API 目前不支援 Zero Data Retention（ZDR）。若組織的資安、法遵或客戶合約要求特定資料落地地點，或要求 ZDR，應先完成內部審查，再決定是否適合將相關工作負載放入 Agents API。
這些限制不應被視為一般設定選項，而是架構評估的前提。尤其當任務涉及內部文件、客戶資料或其他敏感資訊時，先確認資料處理需求，會比先完成原型後再回頭調整更有效率。
OpenAI Agents API 怎麼計費？沒有平台費，不代表沒有使用成本
OpenAI 在 Agents API 的發布公告中表示，使用 Agents API 不另收額外費用。但這項說法指的是沒有獨立的 Agents API 平台費；開發者仍須支付所使用的 tokens 與 tools 費用。
換句話說，成本規畫不能只看「API 本身是否免費」。只要流程會使用模型或工具，就應將對應用量成本納入預算與監控設計。
截至 2026 年 9 月 11 日，OpenAI-hosted sandbox 官方文件已明示採用標準容器費率，模型用量另依所選模型的 API 費率計算。官方價格表列出的容器價格為：1 GB 每個容器、每 20 分鐘 session 為 US$0.03；4 GB 為 US$0.12；16 GB 為 US$0.48；64 GB 為 US$1.92。價格表另註明，符合條件的容器 session 依分鐘計費，每次 session 至少計收 5 分鐘；實際帳單應依適用條件與用量確認。
上述金額是容器費用，不是完成一項 agent 任務的總價；總成本還要加上模型 tokens 與實際使用的計費工具。因此，這裡不應解讀成「價格尚未公告」，也不能把「沒有獨立平台費」當作完全免費。
成本規畫應先回答的問題
- 每次工作預計會使用多少模型 tokens？
- 流程中是否會呼叫需要計費的 tools？
- 團隊是否已建立用量監控與預算上限機制？
- 在 public beta 階段，是否已預留驗證成本與調整流程的空間？
由於不同工作流程的輸入長度、後續訊息頻率與工具使用方式都可能不同，較穩妥的做法是先以實際任務建立測試情境，再依觀察到的 token 與工具使用量規畫成本。
哪些團隊適合優先評估 Agents API？
若團隊正在設計需要保留工作上下文、分階段交辦或持續補充指示的 AI 自動化流程，Agents API 的 session 機制值得評估。尤其是希望透過 OpenAI 管理的 API 存取 Codex harness，並需要在同一段工作脈絡中持續互動的開發情境。
但是否適合正式採用，仍取決於以下三個基本條件：
- 資料條件：是否可接受目前僅支援美國資料落地，以及不支援 ZDR 的現況。
- 環境條件：若使用 OpenAI-hosted sandbox，是否能接受活動與 keep-alive 都停止一小時後可能遭刪除，且此逾時不可設定的生命週期。
- 成本條件：是否已將 tokens 與 tools 的用量成本納入估算及監控。
結論：Agents API 把「可接續的 agent 工作」帶進受管理 API
OpenAI Agents API 的發布，讓開發者能經由受管理 API 存取 Codex harness，並透過 session 保留 agent 設定、對話與已儲存工作，以後續訊息接續處理流程。
對想建立較完整 AI agent 工作流的團隊來說，這是值得關注的 public beta。但在開始前，務必把 OpenAI-hosted sandbox 在活動與 keep-alive 都停止一小時後可能遭刪除，且此逾時不可設定的條件、美國資料落地、目前不支援 ZDR，以及 token 和 tools 的實際成本，一併放入技術與治理評估。
可先從範圍明確、資料敏感度可控的任務開始驗證，建立 session 管理、成本追蹤與資料治理檢查流程後，再評估下一步擴大使用的方式。
