框架

OpenAI 親自下場做 Agent 框架,LangChain 的好日子到頭了?

OpenAI 推出官方 Agents API,表面是多一個選項,實際上是對 LangChain、AutoGen 等開源框架的直接施壓。這場發布背後,藏著 Agent 生態走向分水嶺的訊號。

字級

昨天滑 Hacker News,首頁第一條就是 OpenAI 官方釋出的 Agents API 文件。29 個積分、24 則留言——不算爆紅,但對一個純開發者導向的 API 發布來說,這個熱度代表大家都在關注。

Agents API 到底是什麼

先講清楚這次到底端出了什麼。文件位址在 OpenAI 開發者站點——看清楚是 developers 網域。這不是 ChatGPT 的產品功能,而是 OpenAI 給開發者的一套 SDK 加託管基礎設施。

定位非常明確:讓開發者建構、部署和管理 AI Agent。整套東西包含:

  • Agent SDK:Python 套件,本地撰寫 Agent,定義工具呼叫、狀態流轉
  • 託管執行環境:Agent 跑在 OpenAI 自己的基礎設施上,不用自己開服務
  • 內建工具鏈:網頁搜尋、檔案檢索、code interpreter 這些,不用自己串接
  • 可觀測性:呼叫紀錄、token 消耗、失敗重試,後台都看得到

換句話說,OpenAI 把 Agent 當成一級公民產品來做——和 Chat Completions、Assistants、Realtime API 並列。

文件結構也透露了優先順序。首頁直接給 quickstart 和核心概念,沒有行銷頁、沒有「為什麼需要 Agent」的雞湯,一進來就是程式碼:

from openai import OpenAI
client = OpenAI()

agent = client.agents.create(
    name="research-bot",
    model="gpt-4o",
    instructions="Search the web and summarize findings.",
    tools=[{"type": "web_search"}],
)

run = client.agents.runs.create(
    agent_id=agent.id,
    input="What's the latest on AI agent frameworks?",
)

風格非常 OpenAI——抽象層很厚,開發者不用管 prompt 怎麼組合、tool 怎麼解析、context 怎麼壓縮,呼叫一次 SDK 就搞定。

和 LangChain、AutoGen 的根本差異

這是最值得深究的地方。

LangChain、AutoGen、CrewAI 這類開源框架,本質是給你一堆樂高積木——Chain、AgentExecutor、Tool、Retriever,你得自己組裝,自己決定狀態怎麼存、memory 怎麼管、錯誤怎麼處理。好處是靈活,壞處是專案複雜度一上來,光 prompt template 就能寫幾百行,還得煩惱版本相容性。

OpenAI Agents API 走的是相反的路:給你一套精裝修的樣品屋。工具呼叫是原生的、狀態管理是託管的、可觀測性是開箱即用的。你只管寫商業邏輯,基礎設施不用碰。

這個差異意味著什麼?幾個判斷:

第一,目標使用者不一樣。LangChain 適合做 PoC、做研究、做需要高度客製的複雜管線;Agents API 適合做生產環境的中小型 Agent——例如客服、文件問答、內部工具自動化。

第二,鎖定效應不在同一個量級。用 LangChain,模型可以隨時換(從 OpenAI 切到 Anthropic、Cohere、本地模型),只要改幾行設定。用 Agents API,你連執行環境都架在 OpenAI 上,遷移成本以幾何級數上升。

第三,商業邏輯不一樣。LangChain 是公司(LangChain Inc.),但產品形態是開源函式庫,商業模式靠 LangSmith、LangGraph Cloud 這些周邊服務。OpenAI Agents API 是直接賣 runtime——按呼叫次數、按 token 收費,順帶把模型 API 也鎖死。

所以這次不是「OpenAI 也做了一個 LangChain」。這是兩種截然不同的產品形態:一個是函式庫,一個是平台。

HN 留言裡開發者真正在擔心的事

HN 上 24 則留言,高讚的幾條幾乎都在聊同一個話題:vendor lock-in。

原帖置頂留言直接問:「如果我所有 agent 邏輯都跑在 OpenAI 上,以後想切到 Claude 或開源模型,遷移成本有多高?」按讚 40+。

另一條高讚留言說:「這是 OpenAI 第一次官方下場做 agent 抽象層。以前大家都用 LangChain,某種程度上它是中間層——可以屏蔽各家 API 的差異。現在 OpenAI 自己做這一層,而且做得更深入……」後面的潛台詞大家心照不宣。

還有人吐槽定價模型不透明:「runtime 是託管的,我怎麼知道某次呼叫實際花了多少?帳單能不能像 AWS 那樣細到每次 invocation?」這條留言下面有開發者回覆說已經問過 OpenAI,目前只能看到聚合資料。

整理一下社群情緒:

  • 興奮派(少數):終於不用自己拼樂高了
  • 謹慎派(主流):先用著,但核心商業邏輯絕不寫死在 SDK 上
  • 悲觀派:OpenAI 又來收割了,這次的鐮刀比 Assistants API 還鋒利

技術圈對 OpenAI 的複雜情緒,在這 24 則留言裡展露無遺。

生產級 Agent 的新選項,還是新一輪套牢

站在開發者立場,這筆帳怎麼算?

該用的情境:

  • 中小規模 Agent 應用,不需要極致客製
  • 團隊小,沒有人專門維護 Agent 基礎設施
  • 商業邏輯用自然語言就能描述清楚,不需要複雜的狀態機
  • 已經在 OpenAI 生態裡(用 GPT-4o、用 Assistants),遷移成本低

該等的情境:

  • 多模型策略(同時用 GPT、Claude、Gemini)
  • 複雜業務流(分支條件、迴圈、人工審批節點多)
  • 合規要求嚴格(資料不能離開本地、必須自架)
  • 已經有 LangGraph/AutoGen 跑生產環境,遷移成本不划算

我的判斷:先用 PoC 驗證,不要直接上生產。文件裡沒寫的細節太多——併發上限、SLA、跨 region 部署、資料保留策略,這些都要等第一個吃螃蟹的人踩完坑才知道。

另外一點:LangChain 不會死。開源框架的靈活性在複雜場景下無可取代,而且 LangGraph(狀態圖)、LangSmith(可觀測性)這些周邊產品已經形成生態。OpenAI Agents API 搶的是中低階市場,LangChain 守住的是複雜 Agent 的高地。

編輯思考

這次發布真正的訊號不在 SDK 本身,而在於 OpenAI 把 Agent 提升到一級公民產品的位置——和 Chat Completions、Realtime API 平級。這代表 Agent 不是某個實驗性功能,而是 OpenAI 未來 12-18 個月的核心商業化方向。

幾個反共識的判斷:

第一,LangChain 短期不會受衝擊,長期會被擠壓。LangChain 已經長成一個生態——LangGraph 做複雜狀態、LangSmith 做可觀測性、LangServe 做部署。OpenAI Agents API 現階段只能切走最簡單的 80% 場景,剩下的 20% 高複雜度應用,LangChain 仍是首選。但 80% 場景已經夠大,LangChain 的開源社群活躍度可能會開始下滑。

第二,真正危險的不是 LangChain,是 AutoGen 和 CrewAI。這兩個專案的核心賣點就是「快速搭建 Agent」,而這正是 OpenAI Agents API 的正面戰場。AutoGen 背靠微軟,CrewAI 融資順利,但面對 OpenAI 官方出品加託管 runtime,護城河幾乎為零。預測一年內這兩個專案的 star 成長會明顯放緩。

第三,Anthropic、Google 一定會跟進。OpenAI 開了這個口子,Anthropic 不出 Claude Agents SDK 才奇怪——據我所知 Anthropic 內部已經在做類似的東西(基於 MCP 協定),只是還沒正式發布。這是整個 Agent 框架賽道的轉折點:從「開源百花齊放」變成「模型廠商各自圈地」。

不確定的地方:OpenAI Agents API 的實際生產穩定性還需要觀察。託管 runtime 的併發能力、錯誤恢復、跨 region 延遲,這些在文件裡都沒提。如果未來三個月內有大型客戶公開踩坑案例,會影響社群的信任度。

但有一點是確定的——Agent 開發的玩法變了。以前是「我用什麼框架」,以後是「我綁定哪家模型廠商」。這個轉變,才是這次發布最值得關注的訊號。


參考資料:

來源: https://developers.openai.com/api/docs/guides/agents-api/overview