OpenAI不声不响，又下了一手狠棋。

就在刚刚，Agents SDK迎来一次彻底的架构重写。

拥有原生的harness，具备原生的沙盒，存在Codex那种等级的文件系统工具，额外还要加上七家处于头部地位的沙盒厂商能够一键接入。

3月初，GPT - 5.4高调登场，它带有原生computer use（计算机使用），此时，开发者就已经吐槽过一件事。

模型具备操作电脑的能力了，然而，Agent运行在哪一台电脑之上，以及怎样确保其运行起来不会出现问题，这些情况，仍然需要自己通过四处拼凑的方式来形成一套框架。

今晚这个缺口被OpenAI自己补上了。

这次，OpenAI将Agents SDK，从那个被视作聊天机器人玩具的东西，改造成了能作为生产级Agent底座的事物。

负责控制流的harness，负责模型调用的harness，负责工具路由的harness，负责暂停恢复的harness；负责读写文件的沙盒，负责装依赖的沙盒，负责跑代码的沙盒，两层彻底解耦。

更加狠厉的是，这一刀竟然同时砍在了名为LangChain的第三方Agent框架身上，还砍在了名为CrewAI的第三方Agent框架身上 ，也砍在了名为LangGraph的第三方Agent框架身上。

OpenAI进入领域开展了基建层的相关工作，致使留给第三方的空间，在以肉眼能够明显看到的态势趋于收窄。

从「聊天机器人的玩具」到生产级底座

话要讲这次升级之前，那就首先得弄明白，原来的那样的Agents SDK到底是呈现出怎样的一种模样。

2025年3月，OpenAI首次推出Agents SDK，其主打卖点是轻量，是少抽象，是几行Python代码就能运行起来。

但这一版SDK，本质上是为聊天机器人场景做的。

过去一年多的时间，模型于能力方面的提升堪称是翻天覆地 ，它一口气能够奔跑几个小时 ，它一口气能够奔跑几天 ，它一口气甚至还能够奔跑几周。

原来那套为聊天机器人设计的SDK，自然也就跟不上时代了。

这次的重写，主要做了两件事。

第一件，给模型配一个完整的运行框架——harness。

编排感知沙盒的配置化记忆等，将文件系统工具类似Codx应用，通过MCP调工具，渐进式披露信息借助skills，通过AGENTS.md自定义指令，执行代码运用shell工具，编辑文件采用apply patch工具，上述这些全部打包进SDK原生支持。

开发者，熟悉Claude Code的，以及熟悉Codex的，看到这套清单 ，会觉得很眼熟。

的确，OpenAI此次将自家Codex过往一年所遭遇的问题、所积累的最优做法，顺便产品化后放置进了SDK ，对吧。

第二件，把harness和compute彻底分离。

harness在你的可信基建之中运行，对模型调用、审批、追踪以及运行状态进行管理。comma是一个单独的沙盒，专门用以负责读写文件、运行命令、安装包并吐出产物。

两层之间的接口呈现出标准化的状态，不会出现如下这种情况，那便是将API key以及敏感凭证放置到模型生成代码实际执行的那个环境当中，根本不会放置进去，压根儿就不会进入那个环境。

以至于出现这样的情况，那就是，地处沙盒之中的，既不存在API密钥，此外，也不存在任何敏感凭证。沙盒其自身，处于全然隔离状态，甚至于能够与网络相断开，并且，不存在任何对外流量了。

这并非是针对安全性能所进行的微小修补呀，这可是整个Agent架构的一种范式转移呢。

900页保险单100%提取

一半PR出自Agent

关于harness与compute分离所产生的首个结果，呈现出这样一种情况，即沙盒供应商的生态图在一夜之间全面铺开。

这回进行公告，Blaxel这家沙盒厂商，Cloudflare这家沙盒厂商，Daytona这家沙盒厂商，E2B这家沙盒厂商，Modal这家沙盒厂商，Runloop这家沙盒厂商，Vercel这家沙盒厂商，这七家沙盒厂商一同被列入官方所支持的列表当中。

能够七家同时接入，其关键之处在于，OpenAI给出了一个名为Manifest的抽象层面，它是一份用于描述Agent工作区的配置清单。

本地文件，具体挂载哪些，是啥情况，从哪个云端存储拉数据，云端存储又是怎样的，产物要写到何处，这些所有情况、所有细节，全部写在了这份Manifest里。AWS S3、Google Cloud Storage、Azure Blob Storage、Cloudflare R2，这几个全都覆盖到了。

最关键的是这份Manifest和具体沙盒供应商解耦。

今日借助 E2B 所撰写的 Agent，明日打算替换成 Modal 来运行，无需重新编写代码，仅改动一行配置。哪一家提供低价沙盒服务，哪一家距离数据站点距离近，即切换至哪一家。

官方给出了一个最小示例，使得一个Agent进入本地沙盒里跑窜，挂上一份财报目录，将FY2025与FY2024的三项财务指标作对比，核心代码数量不足20行。

# pip install "openai-agents>=0.14.0"import asyncioimport tempfilefrom pathlib import Pathfrom agents import Runnerfrom agents.run import RunConfigfrom agents.sandbox import Manifest, SandboxAgent, SandboxRunConfigfrom agents.sandbox.entries import LocalDirfrom agents.sandbox.sandboxes import UnixLocalSandboxClientasync def main() -> None:    with tempfile.TemporaryDirectory() as tmp:        dataroom = Path(tmp) / "dataroom"        dataroom.mkdir()        (dataroom / "metrics.md").write_text(            """# Annual metrics| Year | Revenue | Operating income | Operating cash flow || --- | ---: | ---: | ---: || FY2025 | $124.3M | $18.6M | $24.1M || FY2024 | $98.7M | $12.4M | $17.9M |""",            encoding="utf-8",        )        agent = SandboxAgent(            name="Dataroom Analyst",            model="gpt-5.4",            instructions="Answer using only files in data/. Cite source filenames.",            default_manifest=Manifest(entries={"data": LocalDir(src=dataroom)}),        )        result = await Runner.run(            agent,            "Compare FY2025 revenue, operating income, and operating cash flow with FY2024.",            run_config=RunConfig(                sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),            ),        )        print(result.final_output)if __name__ == "__main__":    asyncio.run(main())

另外还有两个新能力，这两个新能力对于长跑任务而言格外关键，其中一个新能力是，能够让沙盒容器即便挂掉了，也可以从检查点处实现续命的快照以及状态恢复；另一个新能力是，用于解决扩展性问题的多沙盒并行和子Agent隔离环境。

由此，Agent首次具备了 「当连接中断时 继续运作生存的能力」 以及 「让自身复制品 同时参与战斗的本领」。

于一篇篇幅较长的技术文章里头，Modal技术团队其中一员Erik Dunteman不经意间披露了一个细微情况——。

Ramp运用Modal运行起了一支后台编码Agent大军，公司之中，超过一半的PR是由这些Agent自行创建的。

更是这样，Stripe在今年较前的时候透露，其内部的AI Agent每周制造出超过1000个PR。

具有相同点的是两家公司，在获取到成熟的Agent基建这样的情况之后，业务团队的生产力呈现出了断层式的跃迁。

如今，OpenAI针对那些以往唯有头部公司方可攒集而成的基建，将其转变而成SDK里一经开启便可使用的默认配置。

https://modal.com/blog/building-with-modal-and-the-openai-agent-sdk

针对此情况，FurtherAI公司的首席技术官Sashank Gondala坦言，在他们的某种智能体完成的工作中，成功拿下了一份有着900多页篇幅记载数量如此众多的保险理赔记录方面的操作，且在从中抽出相关内容时，提取成功的概率达到了100%。

900多页的，100%的，保险理赔记录，这三个词凑一块儿的含金量，老保险从业者一看便知，是业内最难攻克的文档里头的一种，以前翻到某一页就崩溃掉属于常态。

今天，人工智能研发工程师道格拉斯·亚当斯给出了另一组确切的数据，具备相同能力的智能代理，此次所需的代码数量相较于之前减少至原来的六分之一。

负责Box开发者关系的Carter Rabasa，传递出一份业务数据，还配上bash以及python当作工具，使得agent在沙盒之中运行了一整套发票对账的业务流程。

没想到，第一轮试水就跑通了。

沙盒对跑agent生成的代码来说非常完美。

OpenAI下场做基建

LangChain们无处躲

到这一层，这次发布对行业的冲击才真正显露。

LangChain、LangGraph、CrewAI、AutoGen这些，在过去一年里，靠什么得以存续的第三方Agent框架呀？其答案是，靠着用以填补OpenAI原生SDK所欠缺的、那尚未达到「生产可用」标准的那块空白之处呢。

第三方框架的主战场，有编排，有记忆管理，有护栏，有追踪，还有多Agent协作。

现在，OpenAI一次性把这些主战场全接管了。

他们所要做的，便是Agent世界之中的基础设施层，第三方框架自此要么朝着更高的层面迈进（编排、垂直场景），要么朝着更低的层面深入（专用沙盒、专用工具），夹处于中间的那块地板，已然被OpenAI自身给踩实了。

并且，OpenAI所说的「能与所有沙盒服务商相兼容」，实际上就是在将沙盒供应商归入OpenAI的生态范畴之中。

今日或许依旧身为OpenAI的合作伙伴，明日的身份极有可能单单就成了OpenAI生态范畴内的「组件供应商」而已。

Python先行，TypeScript还在排队

虽然这一切目前还不完美。

harness的新能力首发，只选用了Python，sandbox的新能力首发，同样是仅仅上了Python。而该版本的后序更新计划中，TypeScript版本才会被安排上。至于SDK一直到现在，都还停留在只是以0.Y.Z作为版本号的阶段。

但方向已经非常清晰了。

登台的是带着原生computer use的GPT-5.4，给它配齐真正运行环境的是Agents SDK。

下一步缺的，只是更多开发者把业务逻辑搭在这个基建之上。

自此，从事Agent框架制作的创业公司会再度审慎考量自身的定位，制作沙盒的供应商着手忖度OpenAI的流量是否承接得住，开展业务层Agent应用的团队谋划是否要进行迁移。

GPT - 5.4出厂的那日，被某些人讲成是「毫无惊喜的常规性提质强化」。

40天后回头看，真正的惊喜今天才发。

参考资料：

https://techcrunch.com/2026/04/15/openai-updates-its-agents-sdk-to-help-enterprises-build-safer-more-capable-agents/

https://modal.com/blog/building-with-modal-and-the-openai-agent-sdk

https://openai.com/index/the-next-evolution-of-the-agents-sdk/

https://x.com/OpenAIDevs/status/2044466699785920937

https://x.com/snsf/status/2044514160034324793