学习了一下 OpenAI 推出的 Agents API https://openai.com/index/introducing-the-agents-api/

众所周知 Agent 最核心的概念其实就是这么几行代码：

context = get_user_input()
loop:
resp, tools_calling = llm.generate_response(context, tools)
tools_result = execute_tools(tools_calling)
context = update_context(context, resp, tools_result)

OpenAI 将其拆分为三个部分：Harness、Application 和 Environment。
- Harness 是 Agent 的核心，包括对 LLM 的调用、上下文管理（记忆、压缩）、工具选择、sub-agents、可观测性等。
- 然后将对 tool 的执行拆分为两部分，一部分是和业务无关的纯计算逻辑，称为 Environment，比如执行 MCP 等；另一部分是和业务强相关的逻辑，称为 Application，比如执行用户数据查询等。不过你也可以不拆分，直接把 Application 和 Environment 合并。

Application 是整个调用链的起点，也就是用户自己的业务程序，准备好输入数据后，请求 OpenAI Agents API。OpenAI Agents API 会执行 harness loop，并且根据需求返回 application tools calling 的请求，获取 Application 侧的业务数据。对于其他计算需求则调度到 Environmentent 运行，你可以租用 OpenAI 托管的服务器，也可以通过 codex exec-server 将一台 self-hosted 的机器注册为 Environment。

简而言之，OpenAI Agents API 就是提供了一个分布式的抽象架构，以及一个 harness loop 的云端实现。如果你对 codex 很熟悉，实际上完全可以自己运行一个 codex app-server 来实现一个近乎类似的效果。如果能兼容 agents API 接口，再支持注册分布式的 Environment 机器，那就几乎就是一个 self-hosted 的 Agents API 了。

https://x.com/LaiskyCai/status/2107307813727060123?s=20

codex 最近有三个完全免费的工具，结合之后可以发挥非常强大能力：

1. security cloud，安全扫描工具，10 月 15 日前免费使用
2. gpt-6-pro，自带 4U4G VM 的完全免费的 cloud agent
3. dots，codex 的 assistant，可以操作 security cloud，目前免费。

操作方法是：用 security cloud 扫描 github，得到扫描结果。让 dots 去将 security cloud 里 medium 及以上的扫描结果创建为 github issues，包含详细的 RCA 信息。最后让 gpt-6-pro 去修复所有的 issues，创建和合并 PR。

全是 SOTA 模型，闭环工作流，完全免费。

Ps: 因为有安全审查，dots 会拒绝修复安全问题，所以我会要求它将扫描结果转换为 github issue，再转交给 gpt-6-pro 去修 issues。