📰 龙虾新闻

OpenAI托管型Agents API：零基础设施部署生产级智能体，支持长会话与多步工具链

发布时间：2026-09-16 分类： 龙虾新闻
摘要：OpenAI 推出托管型 Agents API：开发者不用搭服务、不碰基础设施，直接部署生产级智能体。它管长会话、跑多步工具链、自动编排调用顺序——你只声明目标（goal）和可用工具（tools），剩下的规划、重试、状态持久化全由系统完成。底层复用 Codex 的调度与解析能力，但 API 更高阶：跳过 LLM 推理服务搭建、跳过 Redis 会话管理、跳过工具路由中间件。以前要几周上线的 ...

OpenAI托管型Agents API：

OpenAI 推出托管型 Agents API：开发者不用搭服务、不碰基础设施，直接部署生产级智能体。它管长会话、跑多步工具链、自动编排调用顺序——你只声明目标（goal）和可用工具（tools），剩下的规划、重试、状态持久化全由系统完成。底层复用 Codex 的调度与解析能力，但 API 更高阶：跳过 LLM 推理服务搭建、跳过 Redis 会话管理、跳过工具路由中间件。以前要几周上线的 Agent，现在几分钟就能跑起来。

三行代码，带记忆的智能体就活了

agent = agents.create(
    goal="分析用户上传的CSV并生成可视化报告",
    tools=["read_file", "run_pandas", "generate_chart"]
)
# → 返回 agent_id

后续发起会话：

run = runs.create(agent_id, input={"file_url": "https://..."})

系统自动维持上下文，超 72 小时不丢状态，支持中断恢复、跨轮次传参。实测一个 Agent 连续执行 17 步（含外部 API、本地计算、条件分支），失败率低于 0.3%。比手写 LangChain 流水线稳得多。

不用操心运维，Codex 引擎已经包好了

它用 Codex 的调度器和工具解析器，但你不接触模型选型、GPU 伸缩、Redis 缓存或 HTTP 重试逻辑。所有 Agent 默认开启：

  • 自动扩缩容（0–100 并发）
  • 工具调用限流（5 QPS/工具）
  • 输入输出结构校验（非 JSON Schema payload 直接拒收）

对比自己搭 Llama-3 + Ollama + FastAPI，运维成本降了 92%。CUDA 版本冲突？vLLM 内存泄漏？不存在的。

企业级能力，开箱即用

  • RBAC 权限隔离：每个 Agent 可绑定独立 tool scope
  • GDPR 合规日志：只存工具输入/输出的哈希值，原始数据不落盘
  • SLO 保障：99.95% 可用性，P99 延迟 < 1.8s
  • 会话状态加密存 Azure Blob，增量快照 + 时间点回滚

某电商用这个特性，在大促高峰把“购物车推荐 Agent”热迁移到新实例，用户没感知，意图也没丢。

和 Claude Opus、DeepSeek-V3 比什么？比谁更省心

Claude Opus 能自主调工具，但工具发现、参数提取、错误归因、fallback 全得你写；DeepSeek-V3 支持多步推理，可一到长流程就 token 截断崩溃。Agents API 不卷模型能力，只确保一件事：Agent 跑满 30 天不掉线是默认行为。
同样功能，Opus 自建要 217 行胶水代码；Agents API 只要 12 行——少写的不是代码，是半夜被叫醒查 500 错误的日志工单。

👉 Binance · OKX · Gate.io · HTX · Bitget

龙虾（yitb.com）已接入，无缝嵌入现有工作流

yitb-cli init --agent openai 一键生成 TypeScript SDK 工程，含身份认证、工具注册、监控埋点。
OpenClaw 工作流引擎新增 openai_agent 节点类型，支持把托管 Agent 插进多智能体协作图谱里，比如：

  • 用 Agents API 查财报
  • 用龙虾本地模型做风险评分
  • 用 Manus 生成摘要

不用推翻重来，就能叠加 OpenAI 的工程红利。

现在就能试：你的第一个生产 Agent

  1. 去 api.openai.com/v1/agents 开通 Beta 权限（免审核）

  2. 用龙虾 CLI 创建最小可行 Agent：

    yitb-cli agent create \
  --goal "总结GitHub仓库README.md中的技术栈与贡献指南" \
  --tools github_repo_reader,markdown_parser
  3. 把生成的 agent_id 塞进你现有的 Webhook 或 Slack Bot，看真实请求下的首响时间和错误率

Agent 落地最难的从来不是模型强不强，而是工程熵增压垮团队。当长会话不用自己搭 Redis，当工具失败自动降级而不是抛 500，当审计日志直连 SIEM——AI 原生应用才算真正开始。接下来三个月，盯紧那些把 Agents API 和垂类工具链（Figma 插件、Notion 自动化、Shopify 订单流）扎进骨子里的团队，生产力爆发点就在那儿。

相关阅读

返回首页