OpenAI祭出GPT-5.4神裝！Codex同款Harness全面開放

新智元報道

編輯：好困

【新智元導讀】GPT-5.4真正的殺招終于落地！OpenAI連夜重寫基建、原生收編七大沙盒，徹底封死第三方框架的活路。舊時代的聊天玩具已被拋棄，工業級Agent全面覺醒。

OpenAI不聲不響，又下了一手狠棋。

就在剛剛，Agents SDK迎來一次徹底的架構重寫。

原生harness、原生沙盒、Codex級的文件系統工具，外加七家頭部沙盒廠商一鍵接入。

3月初，GPT-5.4帶著原生computer use（計算機使用）高調登場時，開發者就已經吐槽過一件事。

模型能操作電腦了，可Agent跑在哪臺電腦上、怎么保證跑起來不出事，還是得自己東拼西湊一套框架。

今晚這個缺口被OpenAI自己補上了。

一句話版本，OpenAI這次把Agents SDK從「聊天機器人的玩具」改造成了「生產級Agent的底座」。

harness負責控制流、模型調用、工具路由、暫停恢復；沙盒負責讀寫文件、裝依賴、跑代碼，兩層徹底解耦。

更狠的是，這一刀同時砍在了LangChain、CrewAI、LangGraph這些第三方Agent框架身上。

OpenAI下場把基建層做了，留給第三方的空間，肉眼可見地在收窄。

從「聊天機器人的玩具」到生產級底座

講這次升級之前，先得搞清楚原來的Agents SDK長啥樣。

2025年3月，OpenAI第一次推出Agents SDK，主打輕量、少抽象、幾行Python就能跑起來的賣點。

但這一版SDK，本質上是為聊天機器人場景做的。

一年多過去，模型在能力上的提升可謂是翻天覆地——一口氣能跑幾個小時、幾天，甚至幾周。

原來那套為聊天機器人設計的SDK，自然也就跟不上時代了。

這次的重寫，主要做了兩件事。

第一件，給模型配一個完整的運行框架——harness。

配置化記憶、感知沙盒的編排、類似Codex的文件系統工具、通過MCP調工具、通過skills漸進式披露信息、通過AGENTS.md自定義指令、用shell工具執行代碼、用apply patch工具編輯文件，全部打包進SDK原生支持。

熟悉Claude Code和Codex的開發者看到這套清單會很眼熟。

沒錯，OpenAI這次是把自家Codex過去一年踩過的坑、積累的最佳實踐，順手產品化塞進了SDK。

第二件，把harness和compute徹底分離。

harness跑在你的可信基建里，管模型調用、審批、追蹤、運行狀態。compute是一個獨立的沙盒，專門負責讀寫文件、跑命令、裝包、吐產物。

兩層之間的接口標準化，API key和敏感憑證壓根兒不會進入模型生成代碼實際執行的那個環境。

結果就是，沙盒里既沒有API密鑰，也沒有任何敏感憑證。沙盒本身完全隔離，甚至可以和網絡斷開，沒有任何對外流量。

這不是安全性能的小修小補。這是整個Agent架構的范式轉移。

900頁保險單100%提取

一半PR出自Agent

harness/compute分離的第一個結果，是沙盒供應商的生態圖一夜鋪開。

這次發布，Blaxel、Cloudflare、Daytona、E2B、Modal、Runloop、Vercel七家沙盒廠商同時被寫進官方支持列表。

七家能同時接入，關鍵在OpenAI給了一個叫Manifest的抽象層——一份描述Agent工作區的配置清單。

要掛載哪些本地文件、從哪個云存儲拉數據、產物寫到哪里，全寫在這份Manifest里。AWS S3、Google Cloud Storage、Azure Blob Storage、Cloudflare R2全覆蓋。

最關鍵的是這份Manifest和具體沙盒供應商解耦。

今天用E2B寫的Agent，明天想換成Modal跑，不用重寫代碼，改一行配置。哪家沙盒便宜、哪家離數據近，就切到哪家。

官方給了一個最小示例。讓一個Agent跑進本地沙盒，掛上一個財報目錄，對比FY2025和FY2024的三項財務指標，核心代碼不到20行。

# pip install "openai-agents>=0.14.0"import asyncioimport tempfilefrom pathlib import Pathfrom agents import Runnerfrom agents.run import RunConfigfrom agents.sandbox import Manifest, SandboxAgent, SandboxRunConfigfrom agents.sandbox.entries import LocalDirfrom agents.sandbox.sandboxes import UnixLocalSandboxClientasync def main() -> None:    with tempfile.TemporaryDirectory() as tmp:        dataroom = Path(tmp) / "dataroom"        dataroom.mkdir()        (dataroom / "metrics.md").write_text(            """# Annual metrics| Year | Revenue | Operating income | Operating cash flow || --- | ---: | ---: | ---: || FY2025 | $124.3M | $18.6M | $24.1M || FY2024 | $98.7M | $12.4M | $17.9M |""",            encoding="utf-8",        )        agent = SandboxAgent(            name="Dataroom Analyst",            model="gpt-5.4",            instructions="Answer using only files in data/. Cite source filenames.",            default_manifest=Manifest(entries={"data": LocalDir(src=dataroom)}),        )        result = await Runner.run(            agent,            "Compare FY2025 revenue, operating income, and operating cash flow with FY2024.",            run_config=RunConfig(                sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),            ),        )        print(result.final_output)if __name__ == "__main__":    asyncio.run(main())

另外兩個對長跑任務格外關鍵的新能力是，讓沙盒容器掛了也能從檢查點續命的快照和狀態恢復；以及解決擴展性問題的多沙盒并行+子Agent隔離環境。

由此，Agent第一次有了「掉線續命」和「分身作戰」的原生能力。

在一篇技術長文中，Modal技術團隊成員Erik Dunteman順手透露了一個細節——

Ramp已經用Modal跑了一支后臺編碼Agent大軍，公司超過一半的PR都是這些Agent自己創建的。

不僅如此，Stripe也在今年早些時候披露，內部的AI Agent每周產出超過1000個PR。

兩家公司的共同點是，在拿到成熟Agent基建之后，業務團隊的生產力出現了斷層式躍遷。

如今，OpenAI把這些曾經只有頭部公司才能攢出來的基建，變成了SDK里開箱即用的默認配置。

https://modal.com/blog/building-with-modal-and-the-openai-agent-sdk

對此，FurtherAI CTO Sashank Gondala披露，他們的Agent啃下了一份900多頁的保險理賠記錄，提取成功率100%。

900多頁、100%、保險理賠記錄，這三個詞湊在一起的含金量老保險從業者一看就懂，業內最難啃的文檔之一，以前跑到某一頁崩掉是常態。

Tomoro AI研發工程師Douglas Adams給出了另一組硬數字，相同能力的Agent，這次需要的代碼量比以前少了6倍。

Box開發者關系負責人Carter Rabasa，則傳了一份業務數據并配上bash/python作為工具，讓agent在沙盒里跑了一整套發票對賬業務流程。

沒想到，第一輪試水就跑通了。

沙盒對跑agent生成的代碼來說非常完美。

OpenAI下場做基建

LangChain們無處躲

到這一層，這次發布對行業的沖擊才真正顯露。

LangChain、LangGraph、CrewAI、AutoGen這些第三方Agent框架，過去一年靠什么活著？答案是靠補齊OpenAI原生SDK不夠「生產可用」的那塊空白。

編排、記憶管理、護欄、追蹤、多Agent協作，這些都是第三方框架的主戰場。

現在，OpenAI一次性把這些主戰場全接管了。

他們要做的就是Agent世界的基礎設施層，第三方框架從此要么往更高層走（編排、垂直場景），要么往更低層走（專用沙盒、專用工具），夾在中間的那塊地板，已經被OpenAI自己踩實了。

而且，OpenAI口中的「兼容所有沙盒服務商」，本身就是在把沙盒供應商納入OpenAI的生態位。

今天可能還是OpenAI的合作伙伴，明天的身份很可能就只是OpenAI生態下的「組件供應商」了。

Python先行，TypeScript還在排隊

雖然這一切目前還不完美。

harness和sandbox的新能力首發只上了Python，TypeScript版本排在后續更新計劃里；SDK至今仍然停留在0.Y.Z版本號。

但方向已經非常清晰了。

GPT-5.4帶著原生computer use登臺，Agents SDK給它配齊了真正的運行環境。

下一步缺的，只是更多開發者把業務邏輯搭在這個基建之上。

從此，做Agent框架的創業公司會重新審視自己的定位。做沙盒的供應商開始算OpenAI流量能不能接得住。做業務層Agent應用的團隊盤算要不要遷移。

GPT-5.4出廠那天被一些人說成是「沒有驚喜的例行升級」。

40天后回頭看，真正的驚喜今天才發。

參考資料：

https://techcrunch.com/2026/04/15/openai-updates-its-agents-sdk-to-help-enterprises-build-safer-more-capable-agents/

https://modal.com/blog/building-with-modal-and-the-openai-agent-sdk

https://openai.com/index/the-next-evolution-of-the-agents-sdk/

https://x.com/OpenAIDevs/status/2044466699785920937

https://x.com/snsf/status/2044514160034324793