OpenAI昨天连发四款重磅产品：Agents API、GPT-Live-1 API、Data Agent以及面向金融服务的ChatGPT。这些产品横跨了智能体、语音、数据和金融四大领域。然而，最引人注目的无疑是Agents API，因为它标志着OpenAI终于将Codex的底层能力彻底拆解并对外售卖。过去隐藏在Codex背后、负责维持Agent运行、调用工具、管理上下文及协同多个Agent的核心能力，如今已被封装成云端API，供开发者调用。
实际上，OpenAI拆解Codex的步伐早已开始。早在2025年4月，OpenAI在发布o3和o4-mini时便开源了Codex CLI，这相当于OpenAI版的Claude Code，直接安装在本地终端中。Agent如何运行、如何调用工具，所有细节都公开在GitHub上，开发者可以自行修改和运行。彼时，OpenAI只是单纯地开放了代码，至于如何使用，完全取决于开发者。
一个月后，真正的Codex云端版正式上线。用户可以将代码仓库交由它处理，每个任务对应一个独立的云端沙盒。Codex不仅能修改代码、运行测试、修复Bug，还能同时处理多个任务。几个月后的2025年10月，OpenAI发布了Codex SDK。这是一种开发者工具包，允许开发者用几行TypeScript代码启动驱动Codex CLI的Agent，获取结构化输出并保持任务状态。SDK非常适合后台工作流、自动化脚本和服务端程序，但若想构建像Codex IDE那样的完整客户端，仍显不足。
直到2026年2月，OpenAI公开了Codex App Server，首次系统地阐述了Codex背后的Harness机制。OpenAI明确指出，Codex Web、CLI、IDE扩展和Mac App虽然外观不同，但底层运行的是同一套Codex Harness——负责Agent循环、线程、工具执行、认证和状态管理的核心层。App Server为这套Harness增加了双向JSON-RPC接口。JetBrains、Xcode等客户端无需重新构建Agent循环，直接启动App Server即可驱动完整的Codex。
然而，App Server仍需开发者手动启动和维护常驻进程。若想将其稳定地部署为线上服务，依然存在诸多基础设施挑战。例如，构建一个Coding Agent网站，前端接上Codex后，后续的大量运行和基础设施问题仍需自行解决。
8月19日，OpenAI将这些分散的组件统一纳入“开放Codex Harness”的叙事中，明确将Codex从产品升级为平台。紧接着，在9月10日（美国时间），Agents API正式开放公测。开发者只需告知API四个要素——任务、模型、工具、运行环境——即可创建Agent。OpenAI负责托管和维护负责长会话上下文压缩、工具调度和子Agent协作的Codex Harness。甚至连执行环境也由开发者决定，可选择OpenAI沙盒、自建基础设施，或接入Cloudflare、E2B、Modal等第三方环境。官方明确表示Agents API本身不额外收费，开发者仅按实际使用的模型Token和工具付费；若使用OpenAI托管沙盒，计算资源则另算。
将这一年多的发展串联起来，OpenAI一直在做同一件事：将Codex从具体产品一层层拆解为可复用的能力，同时让开发者越来越省心。如果非要用一个名字来定义，这很像当年的SaaS，只不过这次被服务化的不是软件，而是Codex。
与此同时，盯上Harness的远不止OpenAI。DeepSeek发布的DeepSeek Harness（DSH）给出了一个等式：Agent = Model + Harness。DSH将Harness设计成一套高度模块化的开放框架，模型、工具、技能、会话、沙盒、存储、Agent循环、调度乃至UI都可以替换。DSH主张“一切皆插件”，鼓励开发者编写插件并适配框架，使得底层Harness可以通用。这和OpenAI现在的方向形成了有趣的对照：OpenAI虽然开源了Codex Harness，但Agents API更倾向于“服务”——Harness你可以自己用，也可以用开源的，但如果你嫌麻烦，可以直接不管，让我来替你安排。OpenAI负责托管和维护，开发者只需决定干什么、用什么工具、在哪里执行。OpenAI甚至准备在模型升级时同步更新Harness。某种程度上，OpenAI的路线更像是在押注云服务，而DeepSeek的路线则像是在建设开放生态。一个想让Harness像Linux，另一个则想让Harness像AWS。
值得注意的是，在托管Harness这条路上，Anthropic比OpenAI更早一步。早在2025年9月，Anthropic就推出了Claude Agent SDK，将Claude Code背后的工具、上下文管理、权限系统和子Agent能力开放给开发者。今年4月，它推出了Claude Managed Agents，将会话、Harness和沙盒拆分为独立层。Anthropic负责托管Harness和长任务，沙盒则既可由Anthropic提供也可接入外部环境。这与今天的Agents API思路高度一致。谷歌同样早已加入这一阵营，今年5月的I/O大会上推出了Gemini API的Managed Agents，将Antigravity Harness和沙箱托管化。
争论谁先谁后似乎并不重要，关键在于谁能成为开发者默认的Harness层。为什么模型公司都在抢夺Harness？正如DSH所言，Agent = Model + Harness。模型决定Agent的能力上限，而Harness决定它能否把活做完。一旦竞争维度从“智力”转向“执行力”，最占优势的未必是模型最顶尖的AI公司。因为Agent真正开始干活时，需要调用邮件、文档、会议、通讯、账号权限等，而这些往往掌握在传统平台公司手中。国内“办公Agent大战”便是典型例子：大厂在互联网时代积累的平台优势，在Agent时代恰好成为Agent干活所需的工具。模型公司需要一点点接入它们没有的入口，而平台公司本身就掌握着这些入口。AI公司需要重新连接现实世界，而平台公司手里有一大串钥匙。
在这条路上，谷歌可能是最夸张的“全家桶”选手。从TPU、云基础设施到Gemini，再到Search、Workspace、Chrome和Android，谷歌几乎覆盖了AI从底层技术到最终用户的所有关键环节。Search、Gmail、Calendar、Drive、YouTube、Maps等产品，天然构成了可以被Agent调用的数字环境。事实上，谷歌正在将这些散落在各处的Agent能力，在底层收拢到同一套执行系统。但对于用户来说，目前谷歌的产品线依然混乱——Gemini Spark、Workspace Studio、Antigravity、Gemini Enterprise以及Search里的Information agents，场景各异。用户若想把复杂任务交给谷歌，往往不知道该找谁。谷歌已拥有完成这一切所需的大部分条件，缺的只是一个足够简单的产品答案。如果谷歌能将这套“全家桶”整合成统一的Agent工作台，让同一个Agent系统穿透整个生态，让用户习惯“有问题找谷歌”，全球Agent市场的格局恐将被彻底改写。当然，对于国内用户而言，这可能还需要时间。毕竟，国内的Agent大战还有得打。