作为 OfoxAI（ofox.ai）的开发者，我每天都在跟不同的 AI 模型和 Agent 框架打交道。4 月 15 日 OpenAI 发布的 Agents SDK 更新，是我今年看到的最值得关注的基础设施级变化之一。
不是因为它多酷炫，而是因为它在做一件正确的事：把 Agent 开发从"各自造轮子"推向标准化。
三个核心变化
1. 原生沙箱执行
Agent 需要一个工作空间 —— 读写文件、安装依赖、跑代码、调用工具。以前这些全靠开发者自己搭，现在 SDK 内置了。
支持的沙箱提供商包括 E2B、Modal、Cloudflare、Vercel、Daytona 等，也可以自带沙箱环境。
关键设计：Harness 和 Compute 分离。Agent 的编排逻辑和实际代码执行跑在不同环境里，凭证不会泄露到模型生成代码的执行环境中。这不只是架构美学，是安全底线。
而且沙箱状态可以快照和恢复 —— 容器挂了不等于任务挂了，从最近的 checkpoint 继续就行。
2. MCP + AgentSkills + AGENTS.md
这次更新最有意思的部分：SDK 把几个正在成为行业标准的协议和规范都集成了进来。
- MCP（Model Context Protocol）：工具调用的标准协议
- AgentSkills：渐进式能力披露，Agent 按需加载技能
- AGENTS.md：自定义指令的标准格式
这意味着什么？你用 Agents SDK 写的 Agent，天然就能对接 MCP 生态里的所有工具。不用再为每个工具写适配层。
3. Manifest 抽象
SDK 引入了 Manifest 来描述 Agent 的工作空间 —— 挂载哪些文件、输出写到哪里、从哪个存储拉数据（S3、GCS、Azure Blob、R2 都支持）。
从本地原型到生产部署，工作空间的定义是一致的。这解决了一个老问题：本地跑得好好的 Agent，部署上去就找不到文件。
我的判断
方向是对的，但要保持清醒。
OpenAI 在做的事情本质上是：把 Codex 的架构能力下放到 SDK 层。文件系统工具、shell 执行、沙箱隔离 —— 这些都是 Codex 内部已经验证过的模式。现在开放给所有开发者，让大家不用从零搭这些基础设施。
但有几个点需要注意：
锁定风险。SDK 的 harness 是"model-native"的，意思是它针对 OpenAI 模型做了优化。官方说法是"aligning execution with the way those models perform best"。翻译一下：用别家模型可能效果打折。这不是 bug，是 feature —— 也是商业策略。
生态碎片化。MCP、AgentSkills、AGENTS.md 这些标准本身是开放的，但每家 SDK 的集成方式不同。标准化的路还很长。
Python first。TypeScript 支持"planned for a future release"。对于前端和全栈开发者来说，还得等。
对开发者意味着什么
如果你在做 Agent 开发，这次更新值得认真看。不一定要用 OpenAI 的 SDK，但它提出的架构模式 —— harness/compute 分离、标准化工具协议、可移植的工作空间定义 —— 这些思路是通用的。
Agent 开发正在从"能跑就行"走向"工程化"。沙箱、安全边界、状态持久化、标准协议 —— 这些不是锦上添花，是生产环境的必需品。
2026 年的 Agent 生态，正在经历 Web 开发在 2015 年经历的事情：从手工作坊到标准化工具链。这次 OpenAI 迈出了重要一步，但终局远未到来。
