OpenAI Agents API公测加码：Computer Use让智能体直接操作图形界面，多智能体并行编排

新闻原文

9月29日DevDay 2026上，OpenAI将Agents API推进到公开测试，并在三周后为其加上两个难以忽视的能力：计算机使用（Computer Use）与多智能体并行编排。该API本质是一个托管的Codex执行框架，帮开发者构建和运行自主云端智能体，由OpenAI管理编排、上下文压缩与会话恢复等底层基础设施。

Computer Use让智能体像人一样操作图形界面：导航网页、点击元素、填写并提交表单、截图核验，在OpenAI托管的"观察—决策—执行"循环里运行；它与Operator此前的能力不同，现在直接进API。开启它需要把computer_use加入工具数组、环境设为openai_hosted且启用桌面，并指定gpt-6-astra作为模型（gpt-6.1-sol不支持Computer Use）。

多智能体编排支持把任务派给并行子智能体，用spawn_agent、send_message等六个原语组织成任意深度的树；OpenAI统一管理整棵树的会话状态、上下文溢出与恢复，开发者只设并发上限、提交任务。官方称早期数据里，托管编排让失败响应减少约86%。工具与环境管理上，开发者可通过MCP接入工具，并定义含桌面与网络访问的托管沙箱。

成本与边界也要讲清：没有单独的Agents API账单项，模型token、托管工具费、容器费三块同时走；Computer Use沙箱每20分钟0.03至1.92美元，且每到一个新域名都需用户显式授权，全自动跨域流程会暂停等人确认。配套上，AWS Bedrock Managed Agents以有限预览形式让OpenAI智能体跑在AWS内，用IAM鉴权，满足数据驻留要求。

企服观察

Computer Use把AI从"聊天"推进到"操作软件"，是企业自动化里最实在的一步。过去要让AI碰一个没有API的老系统，要么求厂商开接口，要么养人做RPA；现在agent能直接看屏幕、点按钮、填表单，等于给那些没有开放接口的内部系统（旧ERP、政府站点、第三方后台）开了一扇低成本自动化的门。对遗留系统多的传统企业，这比等厂商升级API现实得多。

多智能体并行编排解决的是"长任务容易中途崩"的老问题。过去自己用LangGraph或CrewAI搭编排，会话状态、上下文溢出、子agent协调全得自己扛，稍有疏忽整条链路就断；OpenAI把树状编排、状态恢复、上下文压缩托管起来，开发者只设并发上限，早期数据里失败响应降了约86%。对要跑复杂长流程的团队，托管的稳定性本身就是采购理由。

但要警惕成本陷阱。Agent循环会把工具返回反复喂回下一轮提示，到第10轮可能单次就要为上十万输入token买单；Computer Use沙箱按时计费，长任务叠加多轮，账单会指数级放大。落地第一条铁律：一上来就开上下文压缩，给一个明确阈值，否则成本要到月底才暴露。把"能compact"当成上线前提，而不是事后优化。

"每到一个新域名都要人授权"这个设计其实是对的。全自动跨域流程若不需确认，就等于把公司账号交出去盲跑，风险太大；OpenAI选择让人卡在边界上，是对的安全取舍。企业落地时要顺势把"敏感操作二次确认、域名白名单、操作日志"做成标配，而不是嫌麻烦把它关掉——安全暂停不是bug，是护栏。

AWS Bedrock Managed Agents这条支线，揭示了一个企业最在意的点：数据驻留。很多受监管行业根本不能把数据送出AWS边界，OpenAI智能体跑在AWS内、用IAM鉴权，才让这类客户敢用。国内做类似平台的，也应该尽早给出"模型与执行留在客户云内"的部署形态，否则再强的agent能力也过不了合规关。

对国内厂商，OpenAI这代Agents API的启示是：别只卷单模型能力，要把"托管编排+沙箱执行+安全授权"做成一体化体验。企业真正缺的不是会聊天的模型，而是能稳定跑长任务、出事了能恢复、动生产系统前有护栏的执行框架。谁先把这套框架做扎实，谁就拿到企业agent的底座门票。

选型上要分清：从Assistants API迁过来的，正确路径是Responses+Conversations API，而不是Agents API；Agents API是另一类产品，专给需要托管编排和沙箱的长任务用。混用会建在错误的地基上。企业在评估时，先把"我的场景是短问答还是长任务自动化"问清楚，再决定用哪套API，避免架构返工。

最后给落地方向：先把Computer Use用在网页测试、信息收集、表单填报这类可容错场景，跑出稳定的"观察—决策—执行"基线和真实成本曲线，再考虑碰核心业务系统。多智能体编排则建议从"一个主agent派几个只读子agent做调研"起步，验证状态恢复和成本控制后，再放开写操作和跨系统动作。模型强不等于能放心进生产，工程护栏才是留住企业的关键。

放到产业视角，Agents API的Computer Use与多智能体编排，和同周Cloudflare的决策模型、Supabase的agent数据库栈，其实是同一股潮流的不同切面：智能体正从"回答问题"进化成"操作软件、调度资源、持久运行"的执行体。底层能力——模型、决策、数据、执行框架——正被拆成可组合的标准件，谁先把这套组合做顺，谁就拿到企业agent的底座门票。单点能力会迅速同质化，真正的壁垒在整合与治理。