OpenAI Agents API 公開 beta:委託 AI 自動化前,先看懂計費與資料位置
OpenAI 在 2026 年 9 月 10 日以公開 beta 推出 Agents API,把驅動 Codex 的代理運作框架交給開發者使用。這篇寫給會用 AI 工具、可能委託工程師或外包做自動化的人:它和 ChatGPT、Codex 裡的代理差在哪,費用為什麼難先估準,資料落地只支援美國且不支援零資料保留的意思,以及委託前該問的權限、紀錄、停止與預算問題。
新聞日期: 更新日期: 閱讀時間約 8 分鐘

目錄
2026 年 9 月 10 日,OpenAI 發表〈Introducing the Agents API〉,以公開 beta 推出 Agents API。依官方文件說明,這個 API 讓其他應用程式透過 OpenAI 代管的服務,使用驅動 Codex 的代理運作框架(harness):工作階段(session)、流程編排、上下文壓縮上下文壓縮(Context Compaction)是什麼:讓長任務接得下去上下文壓縮是將長對話或工作紀錄整理成較短的續作資訊,讓模型在有限視窗內繼續任務;它不是無損備份,也不會擴大模型本身的容量。本文用搬家規劃的情境,示範交接摘要應保留目標、已確認決策、否定條件與未完成事項,並分清摘要、刪除舊工具結果和外部記憶。附壓縮前後核對方法,避免把待確認事項變成已完成的承諾。閱讀全文與復原(recovery)由 OpenAI 處理,開發者則負責提供工具並選擇執行環境。代理可以在沙箱沙盒(Sandbox):讓 AI 執行工具時有明確邊界沙盒以系統層限制程式能接觸的檔案、網路和資源,常用來隔離 AI 代理執行的程式或工具。本文用整理活動報名資料的情境說明可讀範圍、輸出目錄、網路限制與驗證,區分沙盒、容器、虛擬機器和提示詞規則,也解釋為什麼放進沙盒仍不能任意提供機密或正式系統權限。讀完能看懂隔離保護的是哪一層,以及它沒有替你檢查哪些事情。閱讀全文裡執行程式、編輯檔案、連接 MCP模型上下文協定(MCP)是什麼:連接工具與資料的共同介面MCP 是讓 AI 應用程式與外部工具、資料和提示範本交換資訊的開放協定,不是模型本身,也不保證接上就能完成任務。本文用查詢社區圖書室資料的例子,說明主機、用戶端、伺服器及工具、資源、提示的分工,並比較 MCP、A2A 與 Agent Skills。附連線驗證與權限檢查方法,幫你區分已設定、已連接、可呼叫與真正取得結果。閱讀全文 伺服器並產出成果檔,也能把工作拆給子代理子代理(Subagent)是什麼:把有邊界的工作交出去子代理是由主代理委派特定工作的代理,通常有自己的任務上下文,再把結果交回主代理整合;它不一定使用不同模型,也不必永久保存記憶。本文以社區刊物的資料查核為例,說明交辦範圍、證據格式、同步與背景執行的差別,以及為什麼子代理說完成仍需要驗收。附交接圖與實用檢查表,幫你判斷何時分派能減少負擔。閱讀全文分頭處理。
本文於 2026 年 9 月 15 日查核,依據 OpenAI 的發布公告、Agents API 文件與平台資料控制說明。OpenAI 表示公開 beta 即日起開放開發者使用,期間會依回饋快速調整、朝正式版推進;官方文件也註明,部分追蹤紀錄的取用方式不在這次公開 beta 的範圍內。這是給開發者的產品,本文不寫程式、沒有實際串接測試,文中的委託情境都是編輯設計的例子,目的是幫一般工作者在找工程師或外包時問對問題。
和 ChatGPT、Codex 裡的代理差在哪
在 ChatGPT 或 Codex 裡,介面和可用的功能由 OpenAI 的產品設計好,你登入後直接交代工作。Agents API 則是把同一套 Codex 運作框架開放出來,讓公司或外包把代理放進自己的系統:畫面長什麼樣子、代理可以用哪些工具、在哪台機器上跑,都由做系統的人決定。換句話說,你未來看到的某個「自動整理報表」服務,背後可能就是這個 API,但權限範圍是對方設定的,不是 OpenAI 預設的。
官方文件用四個概念描述它。代理是模型、指示、工具與 MCP 伺服器的組合;環境是選配的沙箱或電腦,代理在裡面存取檔案、載入技能與執行指令;工作階段是一個持續存在的代理實例,負責處理任務並回應新的輸入;事件與項目則是送進代理的輸入,以及工作過程中的產出。對非工程師來說,工作階段最值得記住:它會保存先前的進度,所以一件工作可以分好幾輪接續做。
執行環境可以自己選。OpenAI 在公告中寫到,代理的運算環境可以是 OpenAI 代管的沙箱、開發者自己的基礎設施,或官方合作的沙箱供應商;選代管沙箱時,由 OpenAI 建置與管理沙箱。這個選擇會影響檔案實際在哪裡被處理,也影響機器由誰負責管理,委託時應該請對方說清楚採用哪一種。
費用怎麼算,為什麼難先估準
Agents API 文件的計價段落列出三類費用:模型用量按所選模型的 API 費率計算,OpenAI 提供的工具按各自的標準費率計算,使用 OpenAI 代管沙箱則按標準容器費率計算。OpenAI 在公告中也表示,使用 Agents API 本身沒有額外費用,但沒有平台費不代表一件自動化工作的總價容易估。
官方的用量說明指出,代理完成一個任務時可能呼叫模型好幾次,每次都照模型的 token 價格與提示快取規則計費。每次呼叫的輸入包括代理指示、工具定義、對話紀錄、使用者輸入、檔案與工具回傳的結果;推理過程的 token 算在輸出裡。代理在同一個工作階段裡會延續上下文,文件也提醒,重複的呼叫可能一再處理很長的歷史紀錄。工作做得越久、來回越多,費用就越難只看任務名稱來判斷。
子代理也會各自呼叫模型。官方建議估算時,要把主代理與子代理的工作、重試,以及適用的工具、沙箱運算和第三方服務費用都算進去。另外,工作階段顯示的用量數字是盡力記錄,可能暫時是空值,之後也可能變動;文件明說空值不代表零用量,這些數字也不是最後帳單。
| 費用來源 | 計價依據 | 難估的原因 |
|---|---|---|
| 主代理模型 | 所選模型 API 費率 | 一個任務呼叫多次 |
| 子代理 | 同樣按模型計費 | 分頭做會增加呼叫 |
| OpenAI 工具 | 各工具標準費率 | 看代理實際用多少 |
| 代管沙箱 | 標準容器費率 | 與模型費分開算 |
| 重試 | 照模型與工具計費 | 失敗重做也算 |
| 第三方服務 | 依服務商收費 | 要另外加總 |
資料放在哪裡,零資料保留為什麼重要
Agents API 文件寫明,目前資料落地(data residency)只支援美國,而且不支援零資料保留(Zero Data Retention,簡稱 ZDR)。文件還特別補充,選擇自架沙箱並不會讓 Agents API 符合 ZDR 資格。也就是說,就算檔案在你們自己的機器上處理,代理的工作階段仍由 OpenAI 的服務管理。
ZDR 是什麼?依 OpenAI 的資料控制說明,API 使用預設會產生濫用監控紀錄,其中可能包含提示與回應等內容,預設最多保存 30 天(法律要求或為防止危害而需要時例外)。通過 OpenAI 事先核准的客戶,可以用 ZDR 等控制選項把客戶內容排除在這類紀錄之外。資料控制表中,Agents API 的欄位寫的是:資料不用於訓練、濫用監控保存 30 天、應用程式狀態保存到刪除為止、不符合 ZDR 資格。
對公司合規的意義很直接。如果貴公司和客戶的合約要求資料不得在供應商端保留,或規定資料必須放在美國以外的特定地區,這個 API 目前就不符合條件;至少在 ZDR 這一點,官方已明說換成自架沙箱也改變不了。資料控制說明也提醒,MCP 伺服器是第三方服務,送過去的資料適用對方的資料落地政策,所以連了哪些外部服務同樣要列入檢查。
文件說明 Agents API 會保存工作階段狀態,好讓工作可以跨輪接續,而工作階段和已發布的成果檔都可以在不需要時刪除。委託時可以請對方寫明誰負責刪除、多久刪一次,以及刪除前要先把哪些成果檔下載保存。
委託工程師或外包時,先問這幾件事
第一是權限。Agents API 的工具由開發的一方提供或選用,所以要問代理能讀哪些資料、能改哪些檔案、連了哪些 MCP 服務,能不能寄信或修改正式系統。官方文件列出的範例裡,有只用唯讀 SQL 回答資料倉儲問題的分析代理,也有在執行復原動作前先請求核准的事件應變代理;這兩種設計都值得當作參考,先從唯讀開始,會改動資料的動作保留人工確認。
第二是紀錄。官方用量說明提到,開發者可以在 OpenAI 平台後台的 Agents 分頁查看工作階段紀錄,檢視每一輪工作、工具呼叫與子代理,也能透過事件串流和保存的項目追查過程。委託時可以請對方說明,出問題時誰能看這些紀錄、你們自己的系統會不會另外留存,以及紀錄保存多久。
第三是停止機制與費用上限。以編輯設計的例子來說,一家小型行銷公司委託外包做「每週整理客戶意見並產出報告」的代理,驗收前可以請對方示範:代理跑錯方向時由誰、用什麼方式中止,中止後做到一半的檔案怎麼處理;再請對方用一週的真實資料試跑,記下實際費用,並說明他們的系統如何設定每月預算警示或上限,以及子代理最多同時開幾個。
公開 beta 階段,一般工作者可以怎麼看
你不需要自己學會呼叫 API,但接下來可能會更常看到標榜「用 Codex 同一套框架打造」的自動化服務或外包提案。判斷時可以把模型和框架分開看:模型決定理解與產出的能力,框架決定代理怎麼保存進度、使用工具和分工。GPT-6 Astra 那類發布談的是前者,Agents API 談的是後者,兩者都不等於你的工作流程已經安全可用。
公開 beta 也意味著細節還會變,OpenAI 自己就說 beta 期間會依回饋快速調整。官方文件也提醒,用量數字可能在之後更新,部分追蹤功能不在這次 beta 的 API 範圍內。比較穩妥的做法,是先把它用在出錯後能修正、資料不涉及客戶機密的內部工作,例如整理公開資料或產出草稿,等費用紀錄、刪除流程和人工確認點都跑順了,再考慮擴大範圍。
如果公司有明確的資料保留或地區規定,最先要確認的反而不是功能,而是本文第三節提到的兩個限制:資料落地目前只支援美國、不支援零資料保留。這兩點在官方文件裡寫得很清楚,委託前先對照內部規範,可以省下開發到一半才發現不能上線的成本。
2026 年 AI 新聞總整理:1 月至 9 月的重點與生活應用2026 年 AI 新聞總整理:1 月至 9 月的重點與生活應用從 2026 年 1 月至 9 月,依月份整理 AI 重要新聞,連到完整解析,多數另有簡體中文、英文、日文與韓文版。涵蓋模型、工作工具、創作、費用與透明度,說明事件背景、生活用途與開放限制。閱讀全文
GPT-6 Astra 發布:從回答問題到完成電腦工作GPT-6 Astra 發布:從回答問題到完成電腦工作OpenAI 在 2026 年 9 月 3 日發布 GPT-6 Astra,強調電腦操作、多步驟工作與依模板產出文件。這篇從一般使用者的報告、資料整理和生活行政出發,說明模型能力與工具權限的差別,如何寫出可驗收的任務、設定需要確認的動作,以及辨認分階段開放資訊,不把發布展示當成每個帳號都能直接使用的功能。閱讀全文
覺得這篇整理實用嗎?分享給需要的朋友
同主題延伸閱讀
Signal 在 Android 與 iOS 27 預設封鎖截圖,阻止 Siri、Gemini 等 AI 代理讀取畫面
據 The Verge 報導,Signal 在 Android 與 iOS 27 上限制截圖,以防作業系統層級的 AI 代理讀取訊息內容;使用者可在設定中恢復截圖,但 Signal 警告會削弱隱私保障。
Claude Code 2.1.329:Code Mode 可搭配遙測、/tasks 整合排程任務、macOS computer use 安全規則收緊
Kimi Code CLI v2.7.0 新增原生 Bedrock provider:改用 AWS 憑證鏈連接 Kimi K3.1 Pro Highspeed
AWS 彙整 SageMaker 推論 13 項新功能:HyperPod 託管 NVIDIA Dynamo、MIG GPU 分割、跨區路由
引用本文的文章
資料來源
- OpenAI:Introducing the Agents API(2026 年 9 月 10 日)查證日期:
- OpenAI API:Agents API 概覽查證日期:
- OpenAI API:Agents API Observability and usage查證日期:
- OpenAI API:Data controls in the OpenAI platform查證日期:
本文依據上方所列參考來源與標示之核對日期整理;票價、時刻、功能規格或服務條款可能變動,出發、預訂或購買前請至相關官方網站確認最新資訊。