💡 核心結論速覽 (TL;DR)
- OpenAI Agents API「不另收費」只說了一半：API 本身不收月費，但模型 token、內建工具和沙箱容器照算；託管沙箱套用標準容器費率，每 20 分鐘 $0.03 到 $1.92。
- 帳單大頭通常是模型：我照官方價目表試算，用官方範例的 gpt-6-astra 跑一個 2 小時的研究型代理約 $15.5，4 GB 容器只占不到 5%。
- 三個以為關了其實沒關的坑：自架沙箱刪 session 不會停機器、託管沙箱閒置滿 1 小時才可能被刪、關掉事件串流不等於取消任務。
- 先這樣試：替測試專案設硬性支出上限，子代理並行數從預設 6 調到 2，跑完一個小任務看了帳單再放大；需要零資料保留（ZDR）的案子先別上。
9 月 10 日 OpenAI 開放 Agents API 公測，中文報導的重點幾乎都落在同一句。像鉅亨網的報導就寫：「開發者不需額外支付訂閱費，只須按照實際使用的 token 及工具呼叫量付費。」
這句話沒錯，但只講了一半。OpenAI Agents API 本身確實不收月費，可是只要你的代理要跑程式、讀寫檔案，就得開一個沙箱容器，那是另一筆照時間計費的帳。而且真正吃錢的大頭，通常根本不在沙箱，在你選的模型。
我自己用 AI Agent 從零架過一套 AI 客服系統（廠商不會先講的四筆隱藏成本我寫在這篇），也用同樣的方式做過自架的專案管理軟體。自己搭過就知道，模型只是其中一塊；要讓代理連續做事，上下文怎麼管、工具怎麼串、斷掉之後怎麼接著做，全都得自己顧。
所以看到 OpenAI 把 Codex 那套代理骨架整包做成 API，我第一個反應是「最耗工的那塊有人包了」，第二個反應是去翻官方價目表。
翻完之後，我把帳拆成三筆，也在官方文件裡找到幾個很容易讓帳單失控的預設值。你如果正在評估要不要把代理功能做進自己的產品，這篇會先幫你算清楚：它到底是什麼、一個任務大概多少錢、誰現在就該用、誰最好再等等。
OpenAI Agents API 是什麼？把 Codex 的代理骨架整包變成一支 API
OpenAI Agents API 是 OpenAI 在 2026 年 9 月 10 日開放公測的開發者 API，把驅動 Codex 的代理執行框架交給 OpenAI 代管；開發者只要在一次 API 呼叫裡指定任務、模型、工具和執行環境，就能建立可以連續工作好幾小時的雲端代理。
官方把這層框架叫 harness。你可以把模型想成大腦，harness 是讓大腦能連續工作的那套神經系統加工作筆記本：它管上下文、決定什麼時候叫工具、把工作拆給子代理，還記得上次做到哪裡。
整個架構分成三塊，看上面這張官方圖最清楚：你的應用程式負責送任務、接結果；OpenAI 負責跑 harness；真正執行指令和處理檔案的沙箱，可以放在 OpenAI 那邊，也可以放在你自己或你選的供應商那邊。
官方文件列出這套代管 harness 會幫你處理的事：
- 在沙箱裡跑指令和程式碼
- 套用你提供的 skills 與指示
- 透過工具或 MCP 連到外部資料
- 在它工作途中插話、調整方向
- 摘要先前的內容來管理上下文長度
- 把工作拆成子任務、交給子代理平行處理
- 從中斷的地方接著做
其中「套用 skills 與指示」這一項，概念跟 Codex 本機用的 AGENTS.md 很像，AGENTS.md 要怎麼寫 Codex 才會聽話我拆過一次，寫法可以直接沿用。
harness 到底有多重要？OpenAI 在〈Codex as a platform〉裡舉過一個例子：在 ARC-AGI-3 上，保留推理過程加上上下文壓縮，讓 GPT-5.6 Sol 的分數從 13.3% 拉到 38.3%，輸出 token 還少了 6 倍。同一個模型，只改了 harness 的 2 個設定，分數就差了將近 3 倍。
這也是我會認真看這個 API 的原因。帶過產品的人都知道，自己維護一套代理骨架，最貴的不是雲端帳單，是工程師的時間；而且每次模型改版，那套骨架就得重調一次。官方說 Agents API 會隨每次模型發布提供對應版本的能力，等於把「追模型改版」這件苦差事也包走了。
還有一點很少人提：這套 harness 是開源在 GitHub 上的，你可以直接看它怎麼協調模型、工具和上下文。但官方同一篇文章也寫得很白：開源的是 harness 和整合層，模型用量與代管服務是另外算的。這句話，就是下一段三筆帳的伏筆。
下一步可以做的事：先把你想交給代理的任務寫成一句話，標出它需不需要「跑程式或讀寫檔案」。需要的話就一定會用到沙箱，算錢時要一起算進去。
OpenAI Agents API 要多少錢？「不另收費」底下其實有 3 筆帳
OpenAI Agents API 本身沒有月費，也不另外收 API 使用費；實際要付的是模型 token、內建工具呼叫、以及 OpenAI 託管沙箱的容器費三筆。如果沙箱改放在自己的機器或合作夥伴那邊，容器那筆就換成由該供應商另外收。
我把官方定價頁從頭到尾翻了一遍，價目表裡沒有「Agents API」這一列。它不是漏寫，是真的不單獨收錢，錢都分散在另外 3 個欄位裡。
❶ 模型 token：照你選的模型 API 價計費。以官方程式範例用的 gpt-6-astra 為例，短上下文每百萬 token 輸入 $10、快取輸入 $1、輸出 $50，長上下文另有較高費率。
❷ 內建工具：例如網頁搜尋每 1,000 次 $10，搜回來的內容 token 還要依模型價另計。代理要搜幾次是它自己決定的，這筆很難事先抓準。
❸ 沙箱容器：OpenAI 託管沙箱套用官方的標準容器費率，價目表分 1 GB、4 GB、16 GB、64 GB 四種規格，每個容器每 20 分鐘分別是 $0.03、$0.12、$0.48、$1.92。
這裡有一個官方沒講清楚的地方：託管沙箱的設定文件和 API 參考裡，都找不到指定記憶體規格的參數，也沒寫預設落在哪一檔。所以下面這張表，請當成「最低到最高」的區間來看。
價目表下方還有一行小字：符合資格的容器工作階段按分鐘計費、每次最低 5 分鐘。官方沒有逐項列出哪些算符合資格，下表「每分鐘」和「30 秒小任務」兩欄，是用按分鐘計費的前提換算的：
| 容器規格 | 每分鐘 | 連續跑 2 小時 | 30 秒小任務（算 5 分鐘） |
|---|---|---|---|
| 1 GB | $0.0015 | $0.18 | $0.0075 |
| 4 GB | $0.006 | $0.72 | $0.03 |
| 16 GB | $0.024 | $2.88 | $0.12 |
| 64 GB | $0.096 | $11.52 | $0.48 |
看到這張表你應該發現了：沙箱其實不貴，4 GB 跑兩小時才七毛多美元。會痛的是兩種情況：落在大規格（64 GB 跑兩小時就是 $11.52），或是大量很短的任務一直被算成最低 5 分鐘。
以上價格皆為美元，依 OpenAI 官方價目表換算；API 帳單本來就以美元扣款，官方調價時一律以價目表為準。
下一步可以做的事：第一個任務跑之前，先記下開始和結束的時間。跑完到 OpenAI 平台的用量與帳單頁看實際扣了多少，你就知道自己的沙箱大概落在哪一檔。
一個代理任務實際多少錢？我用官方價目表試算跑 2 小時的研究型代理
以一個連續跑 2 小時、讀進 150 萬 token、寫出 15 萬 token、搜尋 40 次、用 4 GB 容器的研究型代理來算，用官方範例的 gpt-6-astra 合計約 $15.52，其中容器只占 4.6%。同樣的任務如果換成 GPT-5.6 系列，合計會落在 $1.44 到 $6.88 之間，差距幾乎全部來自模型。
先講清楚這組數字怎麼來：這是我自己設的情境，不是官方公布的平均值。我假設輸入有 60% 命中快取（官方提到工具搜尋在按需載入工具時會保留模型快取），其餘照各模型短上下文的標準價計算。真實任務讀多少、寫多少差異很大，請把它當成「量級感」，不是報價。
這個試算也沒有算快取寫入費。官方價目表上 gpt-6-astra 這類模型的快取寫入另外計價（Astra 每百萬 token $12.50），推理過程的 token 官方也算在輸出裡，所以同樣的讀寫量下，實際帳單通常會比表上再高一些。
另外要說明：官方文件和範例現階段只示範 gpt-6-astra，沒有列出 Agents API 支援哪些模型。把 GPT-5.6 三款放進來，是為了讓你看到換模型時帳單的量級差；實際能不能選，請用你的帳號跑一次小任務確認。
| 模型 | 模型 token 費 | 加上容器與搜尋的合計 | 容器占合計比例 |
|---|---|---|---|
| gpt-6-astra | $14.40 | $15.52 | 4.6% |
| gpt-5.6-sol | $5.76 | $6.88 | 10.5% |
| gpt-5.6-terra | $3.18 | $4.30 | 16.7% |
| gpt-5.6-luna | $0.32 | $1.44 | 50.1% |
這張表我盯著看了很久，因為它推翻了我原本的直覺。我本來以為「開沙箱」是新增的大成本，結果在 Astra 那一列，4 GB 容器兩小時只占 4.6%，真正燒錢的是那 150 萬 token。
反過來，換成 Luna 之後，容器一下子變成帳單的一半。所以我的判斷很簡單：用貴模型時先省 token；用便宜模型時，沙箱開多久才會變成主角。
光看單價更誇張：gpt-6-astra 的輸入價是 gpt-5.6-luna 的 50 倍，輸出價約 42 倍。每天用 AI 超過 10 小時的我，最常看到的浪費不是選錯工具，而是拿最貴的模型做最雜的事。
如果你的帳號可以選不同模型，我會先用便宜的把整個流程跑通，只把真的需要深度推理的那一步交給 Astra。Astra 到底值不值得升級，它的額度與價格我之前拆過；幾個新模型換算成「每題成本」之後怎麼分層，九月那週我整理的三層分法也可以一起看。
下一步可以做的事：拿你手上一個真實任務，粗估它「要讀多少、要寫多少」，套進上面的比例算一次。算出來如果大部分是模型費，先回頭想怎麼少讀一點，而不是去比沙箱。
開子代理會讓帳單翻幾倍？往上疊的是 token，不是容器
要看每個子代理讀多少東西。官方文件寫明子代理共用同一個執行環境，建立子代理不會多開一個沙箱；但每個子代理都各自維持自己的上下文，所以 token 費會跟著子代理數量往上疊。
多代理那頁文件還有一個很容易被忽略的預設值：max_concurrent_subagents 不設定時，預設最多 6 個子代理同時跑，而且這還不含負責協調的主代理。
我把上面 Astra 那組情境延伸一下，假設每個子代理都讀進和主代理同等份量的資料：
- 只有主代理：合計約 $15.52
- 多 2 個子代理：合計約 $44.32
- 多 4 個子代理：合計約 $73.12
- 多 6 個子代理：合計約 $101.92
容器那筆從頭到尾都是 $0.72，沒有變。這是我覺得最反直覺、也最值得記住的一點：平行處理省的是時間，不一定省錢。
這不代表子代理不好用。官方的建議是只把彼此獨立的工作交給子代理，例如各自審一份文件、各自查一個可能的故障原因，而且每個子代理都要給清楚的問題和預期結果。任務本身拆不開卻硬拆，只會多付好幾份的閱讀成本。
想知道錢花在哪個子代理身上，官方的觀測文件提供每一輪、每個子代理的 token 用量紀錄。不過文件也註明這個用量是盡力而為的數字，可能是空值、之後也可能變動。
用量欄位也不會分開列出快取寫入的數量，遇到快取寫入另外計價的模型，光看這些欄位算不出精確費用。主代理和子代理的重試也都要算進去，對帳還是以帳單為準。
下一步可以做的事：建立 session 時自己把 max_concurrent_subagents 設成 2 或 3，先看一輪帳單，確認平行真的有換到時間，再往上調。
OpenAI 託管沙箱、自己架，還是用 9 家合作夥伴？差在誰負責關機
想最快上手就選 OpenAI 託管沙箱；執行環境要放在自家 VPC、或需要指定 CPU、GPU 與記憶體配置，就自架或接合作夥伴。兩條路最大的差別不在效能，而在「誰負責開機、關機和保存檔案」。
OpenAI 託管沙箱用的是和 Codex、ChatGPT 同一套沙箱基礎設施。工作目錄固定在 /workspace，你可以預先指定要裝的套件、要跑的初始化指令和要放進去的檔案。放在 /workspace/outputs 底下的檔案，會在每一輪結束時發布成不可修改的成品，沙箱過期後仍然可以下載。
這裡有一個預設值我會特別改掉：託管沙箱的對外網路預設是開啟的。官方另外提供只允許清單內主機的模式，可以填 1 到 100 個確切的主機名稱，子網域和轉址目的地都要各自列進去。要注意，現階段用到託管的 stdio MCP 伺服器時，網路必須維持開啟。
自己架或用合作夥伴的話，OpenAI 一樣負責跑 harness，但你要在自己的環境裡執行 codex exec-server 當執行器，由它去跑指令、讀寫檔案。
官方公告列出的合作夥伴有 Blaxel、Cloudflare、Daytona、DigitalOcean、E2B、Modal、Oracle、Runloop 和 Vercel 共 9 家，並把部署在自家 VPC、特定的檔案與密鑰儲存方式、不同的 CPU／GPU／記憶體配置，列為這些合作夥伴能提供的選項。
自架沙箱文件裡每家都有對應的設定教學；這些供應商的運算費用由各家另外計價，這份文件本身不列價格。
我自己的選法是這樣：
- ✅ 選託管沙箱：想先驗證點子、團隊沒有專人管雲端資源、任務不需要特殊硬體
- ✅ 選自架或合作夥伴：執行環境要放在自家 VPC、要用 GPU 或特定記憶體配置，或公司早就在某家雲端有額度與合約
- ❌ 先別自架：團隊裡還沒有人能寫「任務結束就把機器關掉」的收尾邏輯，理由在下一段
要提醒一句：沙箱放在自家 VPC，並不會讓資料保留的條件跟著改變，這點在後面的資料段會講清楚。
如果你用過 Codex 的雲端環境，這個取捨很像：Codex 雲端和本機該怎麼分工，我踩過兩個 agent 搶同一個 port 的坑，概念可以直接套過來。
下一步可以做的事：列出你的代理要連的外部服務，數一數有幾個主機名稱。不超過 100 個、又沒用到託管的 stdio MCP，就用只允許清單的模式起步。
OpenAI Agents API 三個「以為關了其實沒關」的坑：官方文件其實都寫了
OpenAI Agents API 最容易讓帳單失控的，不是單價太高，而是「以為關掉了其實沒關」。下面三件事全部寫在官方文件裡，只是散在不同頁，一般不會一次讀到。
❶ 自架或合作夥伴的沙箱：刪 session 不等於停機器。沙箱生命週期文件寫得很直接：刪除 session 既不會停止它的環境，也不會發出刪除的 webhook。上面那張官方流程圖最後一步寫著「只在安全時停止運算資源」，這一步是你的程式要做的，不是 OpenAI 幫你做。
更麻煩的是，官方還提醒「閒置事件」本身不是安全的關機訊號，它可能在下一輪輸入開始之前就先出現。所以停機邏輯不能聽到一個事件就關，要先重新確認 session 的狀態。
❷ OpenAI 託管沙箱：沒有活動滿 1 小時才可能被刪，這個時間不能改。連線中的沙箱在每一輪之間也會持續收到 keep-alive，要等活動和 keep-alive 都停止 1 小時，沙箱才可能被刪除。
官方沒寫這段期間怎麼計費，但容器費本來就是照使用時間算的，我不會去賭它不算錢；用完就主動刪除 session，這也是官方寫明的請求清理方式。
❸ 關掉事件串流，不等於取消任務。這句話寫在託管沙箱那頁的角落。你在前端把串流斷掉、以為代理停了，它其實還在跑；要真的停，得呼叫取消目前這一輪的動作。
還有一個容易順手踩到的：如果你用 vault 幫代理保管 MCP 服務的憑證，刪掉 vault 裡的憑證不會撤銷原本的 token，也不會停掉正在跑的 session，這兩件事都要你自己去處理。
OpenAI 開發者社群的公告串底下，就有使用者留言提醒：第一次用託管沙箱，開容器之前要小心，先把成本算好，留言的人還補了一句，這是自己吃過虧才學到的。
這種「以為關了其實沒關」，我在自己電腦上就踩過：AI 代理幫我開的背景程序做完事沒收，我一次清掉 126 個殘留行程（那次怎麼抓出來、怎麼設成自動清理，我寫在這篇）。本機沒關好，卡的是記憶體；搬到雲端，卡的就是帳單。
下一步可以做的事：寫一個固定的收尾函式，順序是「下載 outputs 成品 → 刪除 session →（自架的話）確認運算資源真的停了」，每個任務結束都呼叫它，不要靠人記。
公司資料能丟進 OpenAI Agents API 嗎？現階段不支援 ZDR，資料只落地美國
敏感資料現階段要謹慎：官方文件寫明 OpenAI Agents API 現階段只支援美國的資料落地，也不支援零資料保留（Zero Data Retention，簡稱 ZDR）；而且改用自架沙箱，並不會讓 Agents API 變成符合 ZDR。
零資料保留指的是服務商不保存你送進去的內容。有些金融、醫療或處理大量個資的專案，公司政策會要求這一條；遇到這種案子，這一點就是直接的否決條件。
另一個要知道的事實是：Agents API 會保留 session 狀態，你才能跨好幾輪接著做，不用每次重建上下文。不需要時，session 和已發布的成品都可以自己刪除。
資安面還有三件事，是我在帶團隊導入新工具時第一輪就會問的：
- 官方直接寫明，代理產生的程式碼可以存取它所在環境裡的檔案、憑證和網路。沙箱裡放什麼，就等於代理拿得到什麼。
- API 金鑰要放在沙箱外面，
OPENAI_API_KEY這類保留名稱本來就不能設成沙箱的環境變數。 - 把長期憑證直接注入環境，一樣會暴露給代理產生的程式碼。由 OpenAI 那端去連的 MCP 服務，憑證可以放進 vault，代理能用工具、但拿不到密鑰本身。
這三件事裡，最常被跳過的是憑證怎麼保管。官方建議把長期憑證放在密鑰管理工具裡並定期輪換；第三方憑證盡量留在環境外，透過憑證代理（credential broker）帶進對外請求，不要直接塞進代理的環境。
團隊如果還在用群組訊息或共享文件傳 API 金鑰，我會先補這一步。例如 1Password Developer 的服務帳戶和 SDK，可以讓程式在執行時取用存放的密鑰，不用把金鑰寫死在程式或設定檔裡。
想先試的話，可以到 1Password 官網看團隊方案，拿測試專案跑一輪再決定。
OWASP 整理的 LLM 應用十大風險，也把 Excessive Agency 列為其中一項，指的是代理被給了過多的功能、權限或自主性。所以金鑰權限我寧可先收緊，不夠再開。
如果你的公司還沒有 AI 工具的使用規範，我整理過一份四層授權表範本，先把「哪些資料可以送進哪個工具」講清楚，再來談要不要把代理接進產品。代理在環境裡亂動檔案的風險，我也整理過五道防線，原則是一樣的。
下一步可以做的事：先問你們的法務或資安窗口兩個問題：「這個專案需不需要 ZDR？資料能不能落地美國？」只要有一題答案是否定的，現在就先別上 Agents API。
我已經在用 Codex 訂閱，需要改用 OpenAI Agents API 嗎？
大多數人不需要。Codex 訂閱是給你自己寫程式用的，和 ChatGPT Work 共用同一份額度；OpenAI Agents API 是給「要把代理做進自己產品裡」的開發者，模型用量照 API 價計費，走的是 OpenAI API 帳戶，不是你的 ChatGPT 訂閱額度。
我自己是 ChatGPT Pro 訂戶，Codex 幾乎天天開著。所以看到 Agents API 上線，我第一件確認的事就是：它跟我每個月付的訂閱是不是同一件事？答案是不是，這兩條線在官方文件裡分得很清楚。
我會用「你要拿代理做什麼」來分：
❶ 自己寫程式、改 bug、做專案：繼續用 Codex 訂閱就好，網頁版、CLI 和 IDE 擴充都能用。額度用完怎麼辦，Codex 額度重置的四個管道我整理過；硬碟、安全、限流這些日常坑，Codex 和 Claude Code 最常見的 5 大坑我也一篇整理完。
❷ 在 CI 或腳本裡跑一次性的代理任務：官方把 codex exec 列為這類任務的選項。改用 API 金鑰登入 Codex 的話，官方定價頁寫明是照 API 價計費，而且沒有 GitHub 程式碼審查、Slack 這類雲端功能。
❸ 把代理做成自己產品的功能，讓使用者觸發、需要長時間跑：這才是 Agents API 的主場。
如果你已經決定要自己做代理，官方給了 3 個層級，差別在「代理跑在誰那裡」：
- Agents API：OpenAI 代管 Codex harness，整合工作量最低，session 設定與進度由 OpenAI 保存，適合長時間任務。
- Agents SDK：SDK 跑在你自己的應用程式裡，由你掌控整個代理迴圈，整合工作量中等。
- Responses API：直接呼叫模型、從零做起，彈性最大，但對話狀態要自己串接、執行環境也要自己準備，整合工作量最高。
訂閱和 API 到底哪個划算，我之前算 AI agent 帳單時拆過訂閱 vs API 的選法；ChatGPT Work 為什麼會跟 Codex 吃同一份額度，ChatGPT Work 那篇也寫過。
下一步可以做的事：打開你的 OpenAI 帳號，分清楚「ChatGPT 訂閱」和「API 平台」是兩個不同的帳單頁。之後要試 Agents API，看的是後者。
OpenAI Agents API 適合誰、不適合誰？我會先看這三件事
OpenAI Agents API 最適合已經在做產品、想加上「長時間自動做事」的功能，卻不想自己維護代理骨架的團隊；不適合需要零資料保留、只是自己寫程式，或是預算完全不能浮動的人。
官方公告引用了幾家早期客戶的說法，可以當作「它擅長解決什麼」的參考。要注意這些都是客戶自述，不是第三方評測：
- SafetyKit 把案件審查流程搬到 Agents API 後，每件案件的成本降了 60%，延遲也變低
- Hypha 提到金融服務最看重客戶信任，他們把 harness 和沙箱分開之後，代理回應失敗率降了 86%
- Ciridae 的評測分數從 0.71 升到 0.85，延遲降為原本的四分之一
- Dwelly 提到能一次把工作分給數百個代理非同步處理，高峰之間不用讓基礎設施閒著
✅ 適合現在試：你們已經有產品，想加一個會自己查資料、跑流程、交出成品的代理功能；或是正在自己維護一套代理框架，每次模型改版都得重調一輪；或是工作量忽高忽低，需要一次展開大量代理。
❌ 建議先等等：專案需要 ZDR 或資料不能落地美國；你只是想讓 AI 幫自己寫程式（Codex 訂閱就夠了）；公司還沒有任何 API 用量監控與支出上限；或是正式上線的產品不能接受公測期間的介面變動。
公測這件事值得多說一句。官方寫明公測期間會根據回饋快速調整、再朝正式版推進；SDK 現階段放在 beta 命名空間底下，直接打 API 也要帶 OpenAI-Beta: agents=v1 標頭。拿來做內部工具或新功能實驗我覺得很適合；直接扛營收的核心流程，我會等正式版。
如果你想比較其他自架代理的方案，Hermes Agent 的隱藏成本我也算過；還不太確定 AI Agent 能幫你做什麼的話，可以先看我用過三款之後的入門避雷整理。
下一步可以做的事：把「適合」和「先等等」兩組各念一遍。只要「先等等」有任何一條中了，就先把這篇收藏起來，等正式版再回來。
第一次試 OpenAI Agents API，我會照這 5 步走
❶ 先在 OpenAI 平台設好支出提醒和硬性上限。官方的支出上限文件寫明，組織和個別專案都能設每月上限；開啟硬性上限後，達標時請求會直接回 429 錯誤，而且攔截不是即時的，實際花費可能略超過設定值。我會替測試用的專案單獨設一個小額上限，順便開一把只給必要權限的 API 金鑰，要開哪些權限見下方 FAQ。
如果代理功能是開放給使用者觸發的，只設公司帳上的總上限還不夠。OWASP 把「無上限的資源消耗」（Unbounded Consumption）列進 LLM 應用十大風險，裡面提到的 Denial of Wallet，就是有人刻意觸發大量操作，拖垮按量計費的帳單。
OWASP 列出的防範做法就包括速率限制和每位使用者的用量配額。我會在自己的產品裡先把這兩個設好，再把代理功能開放出去。
❷ 挑一個 10 分鐘內會結束的小任務先跑一次。官方範例用的是 gpt-6-astra；想換便宜模型的話，就在這一步順便確認你的帳號能不能選。目的不是看它多聰明，是把整條流程和帳單的長相跑一次。
❸ 建立 session 時把 max_concurrent_subagents 設成 2，網路改成只允許清單內主機。兩個預設值都先收緊。
❹ 任務一結束就跑收尾：下載 /workspace/outputs 的成品、刪除 session，自架的話再確認機器停了。
❺ 看完第一張帳單，再決定要不要換更強的模型、開更多子代理，或改用合作夥伴沙箱。先有數字，再談放大。
這個順序的邏輯是先把「會失控的地方」都釘住，再慢慢放寬。代理最迷人的地方是它會自己一直做下去，最危險的地方也是這個。
FAQ 常見問題
Agents API、Agents SDK、Responses API 該選哪一個？
看你想自己掌控多少。想讓 OpenAI 代管代理和保存進度，選 Agents API；想把代理迴圈放在自己的程式裡，選 Agents SDK；想直接呼叫模型從零做起，選 Responses API。官方把整合工作量分別標為低、中、高。
我訂了 ChatGPT Plus 或 Pro，Agents API 的費用會從訂閱額度扣嗎？
不會從訂閱額度扣。Agents API 的模型用量照 API 價計費，走 OpenAI API 帳戶；Codex 的訂閱額度是和 ChatGPT Work 共用的另一套。自己寫程式繼續用訂閱，要把代理做進產品才需要 API 帳戶。
OpenAI Agents API 可以選比較便宜的模型嗎？
官方文件沒有列出支援模型清單，範例只用 gpt-6-astra。如果帳號能選 GPT-5.6 系列，依官方價目表，gpt-5.6-luna 的輸入單價只有 Astra 的 1/50，我試算的 2 小時任務合計差約 10 倍。先用小任務確認能不能選。
OpenAI Agents API 的 API 金鑰要開哪些權限？
官方安全文件寫明：操作 session 要 api.agents.read 和 api.agents.write，推論要 api.responses.write；要管理 vault 再加 api.vaults.read、api.vaults.write。金鑰一律放在沙箱外。
任務做完不刪 session，會一直被扣錢嗎？
官方沒寫閒置期間怎麼計費，最保險的做法是一定要刪。託管沙箱要在活動和 keep-alive 都停止滿 1 小時後才可能被刪，這個時間不能改；自架或合作夥伴的沙箱，刪 session 也不會停掉運算資源，停機要靠你自己的程式。
所以，OpenAI Agents API 值得現在就用嗎？
我的結論是：它把最難寫的代理骨架包掉了，但沒有把帳單包掉。
「不另收費」這四個字是真的，只是真正決定花多少錢的，一直都是你選哪個模型、讓代理讀多少東西、開幾個子代理，以及任務做完有沒有記得關。用貴模型的時候，沙箱反而是三筆帳裡最小的那一筆。
如果你正在做產品，而且過去一直在自己維護代理框架，我會建議你現在就挑一個小功能試一次；如果你只是想讓 AI 幫你寫程式，那就繼續用 Codex，不必為了這個新 API 分心。
代理要接外部工具的話，MCP 怎麼接、哪些 server 值得裝，我按情境分過工；同一天 OpenAI 還把 GPT-Live-1 開進 API，ChatGPT 語音那邊的額度和免費版差異我另外整理了。
參考資料
- OpenAI：Introducing the Agents API（2026-09-10）
- OpenAI API 文件：Agents API 概覽（計價、資料落地與 ZDR）
- OpenAI API 定價頁：模型價格、內建工具與容器費率
- OpenAI API 文件：OpenAI 託管沙箱（設定、網路存取、檔案與過期規則）
- OpenAI API 文件：自架沙箱與合作夥伴設定
- OpenAI API 文件：沙箱生命週期（停機與清理）
- OpenAI API 文件：Multi-agent（子代理並行上限）
- OpenAI API 文件：Observability and usage（用量紀錄與成本組成）
- OpenAI API 文件：Agents API、Agents SDK、Responses API 比較
- OpenAI API 文件：Spend limits（支出提醒與硬性上限）
- Codex 定價：訂閱方案與 API 金鑰計費
- OpenAI Developers：Codex as a platform
- OpenAI Developer Community：Agents API 與託管沙箱公告串
- 鉅亨網：OpenAI 開放 Agents API，Codex 代理框架全面向開發者開放
- OWASP Gen AI Security Project：LLM10:2025 Unbounded Consumption
- OWASP Gen AI Security Project：LLM06:2025 Excessive Agency
