OpenAI 更新 Agents SDK，替企業級 agent 補上沙箱與 harness

AI News · 2026-04-16

原文連結： OpenAI updates its Agents SDK to help enterprises build safer, more capable agents

摘要

• OpenAI 替 Agents SDK 加上更完整的 sandbox 執行能力，讓 agent 可以在受控環境裡讀寫檔案、跑工具、執行程式
• 新版 SDK 也強調 harness 設計，目標是讓 frontier model 更貼近它們最擅長的操作方式
• OpenAI 把這套能力對接到多家 sandbox provider，降低企業自行拼裝基礎設施的成本
• SDK 支援配置 memory、snapshot/rehydrate、MCP、skills、AGENTS.md、shell、apply patch 等常見 agent primitive
• Python 率先支援這次更新，TypeScript 之後才會跟上
• 這次釋出把 agent 基礎設施從「能跑 demo」再往「可進 production」推了一步

· · ·

OpenAI 這次更新 Agents SDK，方向很明確，核心不是再多一個聊天包裝，而是把 agent 真正需要的執行層補齊。TechCrunch 報導，這次新增的重點包含 sandbox 執行、可對接多家 sandbox provider 的 harness，以及讓 agent 更容易在檔案和工具之間長時間工作的一整套基礎設施。

對企業來說，這類更新的價值不只在功能數量，而是在風險控制。agent 如果直接在不受控環境裡跑，行為會變得很難預測；OpenAI 這次把工作區、工具、檔案存取都放進受限環境裡，等於替「讓模型動手做事」這件事加上一層隔離。

OpenAI 產品團隊的 Karan Sharma 表示，這次發佈的核心是讓既有 Agents SDK 能相容各種 sandbox provider，讓開發者可以用自己現有的基礎設施去建長流程 agent，而不用整套重寫。OpenAI 也提到，開發者可以自己帶 sandbox，或直接用內建支援的 Blaxel、Cloudflare、Daytona、E2B、Modal、Runloop、Vercel 等環境。

新版 SDK 還加入 Manifest 抽象層，用來描述 agent 的工作區，包含本機檔案掛載、輸出目錄，以及來自 AWS S3、Google Cloud Storage、Azure Blob Storage、Cloudflare R2 等儲存來源的資料。這些設計把 agent 的執行環境講清楚了，讓輸入、輸出、狀態都更可控。

接著，SDK 也補上更完整的 agent primitive，像是 memory、MCP、skills、AGENTS.md、自動 shell 執行、apply patch 檔案修改等等。這些東西單看都不新，但組在一起時，代表 OpenAI 想把「agent harness」做成一套標準化的執行骨架，而不是每家團隊自己拼湊一份脆弱版本。

另一個重點是可持續執行。SDK 支援 snapshot 和 rehydration，讓 agent 在 sandbox 壞掉或過期後，還能從 checkpoint 繼續跑，不必整個重來。這對長時間任務很重要，因為 agent 的價值通常不在一次回答，而在能不能穩穩跑完一串步驟。

目前這套能力先從 Python 上線，TypeScript 要晚一點才會補上。OpenAI 也表示，之後還會把 code mode 和 subagents 這些能力帶進兩種語言版本。價格則維持 API 標準計費，沒有額外的神秘方案。

· · ·

延伸評論：agent 競爭已經從模型，轉到執行層

這次更新的訊號很清楚，真正的戰場不再只是「誰的模型更強」，而是「誰能把模型關進一個夠穩、夠安全、夠可控的執行框架」。對企業來說，能不能把 sandbox、權限、記憶、工具和可恢復性整合好，往往比多幾個 benchmark 分數更重要。

這也代表 agent 工程正在走向基礎設施化。接下來比拼的，不只是提示詞和模型，而是誰能把長流程任務變成可重現、可監控、可回復的生產系統。