OpenAI 正式将 Codex 的核心执行引擎——Agent Harness——开源，标志着 Codex 从一个独立的编码助手转型为一个通用的 AI 代理构建平台。这一举措允许开发者将强大的代理能力嵌入到他们熟悉的工程工作流、运营仪表板、安全调查工具或客户支持系统中，而无需强迫用户切换到通用的聊天界面。
- 官方介绍：https://developers.openai.com/blog/codex-as-a-platform
- GitHub：https://github.com/openai/codex
核心概念：什么是 Agent Harness？
一个有能力的 AI 代理不仅仅是“提示词 + 模型响应”。它需要一个复杂的执行系统来管理：
- 上下文保持：随时间推移维持对话状态和任务记忆。
- 工具调用：在配置的沙盒内安全地访问文件系统、API 或 MCP 服务。
- 推理与规划：分解任务、检查相关信息并推进工作。
- 人机协作：暴露进度、处理故障，并在关键操作前请求人工批准。
Harness 的价值：在 ARC-AGI-3 基准测试中，优化的 Harness（保留推理和上下文压缩）将 GPT-5.6 Sol 的得分从 13.3% 提升至 38.3%，同时减少了六倍的输出 Token。这证明了执行系统对代理性能的决定性影响。
开源组件与集成层级
OpenAI 开源了 Codex CLI、app-server 和官方 SDK，开发者可根据需求选择集成方式：
| 集成层 | 适用场景 | 特点 |
|---|---|---|
codex exec | 脚本、CI/CD 作业、一次性后台任务 | 运行有边界的代理工作流，返回结构化输出，无交互。 |
| Codex SDK | 应用程序代码、编程式代理工作流 | 提供直接的编程接口，用于启动、恢复或流式传输任务。 |
| Codex app-server | 交互式产品、持久对话、复杂 UI | 允许应用连接本地 Codex 进程，流式传输事件，处理中断和人工批准。 |
为什么选择 Codex Harness？
- 保留现有界面与工作流：
团队无需放弃现有的仪表板、编辑器或审批流程。代理可以作为“后台大脑”增强现有工具，而不是取代它们。 - 精细的控制与边界：
宿主应用可以决定代理的运行环境、可访问的文件/工具、需要批准的操作以及结果如何回写至记录系统。 - 透明的行为逻辑：
由于 Harness 是开源的，开发者可以检查应用与模型之间的交互层，理解其行为模式，并根据产品需求进行调整。 - MCP (Model Context Protocol) 支持：
应用可以暴露特定的 MCP 服务，让代理访问内部文档、数据和操作，实现深度集成。
实战案例：Relay 与行业应用
- Relay (示例应用)：
OpenAI 构建了一个名为 Relay 的虚构货运运营仪表板。用户点击“Compare recovery”，应用提供上下文，Codex 代理检索数据、解释选项，并在执行重新预订等写入操作前请求人工批准。这展示了代理如何在现有业务视图中工作，而非创建一个全新的聊天窗口。 - 行业落地：
- GitHub & JetBrains：将 Codex 深度集成到 IDE 工作流中。
- Cisco：在 Cloud Control 的 App Builder 中使用 Codex SDK。
- Thrive Holdings & Crete：在税务准备工作流中整合从业者反馈，试点处理了 7,000 份申报表，准备时间减少约 1/3。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
