OpenAI Codex Harness 完整开源：Agent 成败的关键在运行时框架

OpenAI 这次没有发布新大模型，而是开源了一个可能改变 AI Agent 落地方式的项目 —— Codex Harness。

不少人把 Agent 简单理解为「大模型 + 精心设计的 Prompt」，这其实是最大的误区。同一个 GPT 模型，仅仅调整 Harness 框架策略，ARC-AGI-3 基准得分就从 13.3% 提升到 38.3%，输出 Token 数量减少 6 倍。模型没换，Agent 能力提升约 3 倍，同时显著降低 API 调用成本。

这套被 OpenAI 内部用于驱动 Codex 智能体的底层执行系统，如今完整对外开源。开发者不必再把业务流程硬塞进通用聊天框，可以直接把完整的 Agent 循环嵌入自有产品、运营看板、财务系统或业务仪表盘。OpenAI 总裁 Greg Brockman 表示：Codex 能驱动的远不止编程工具。

01 通用聊天框的困境

目前绝大多数 AI 落地都逃不开聊天框模式。写代码、做数据分析、处理业务工单，都要打开聊天窗口，手动粘贴背景信息、反复调整 Prompt，输出不理想就来回调试。

大量企业做 AI 应用陷入「套壳怪圈」：基于聊天框做二次封装，产品形态高度同质化，护城河很浅。

安全分析师的核心工作台是告警队列；客服人员要看账户日志；产品经理依赖需求看板。业务人员真正的上下文，藏在他们每天使用的业务界面里，而不是聊天输入框。

OpenAI 给出的方案很直接：不要让用户迁移到 AI 聊天框，而是把 Agent 搬进用户原本就在用的软件里。Codex Harness 开源，正式拉开反套壳的 Agent 落地革命。

02 Harness 到底是什么

很多开发者只关注模型能力，却忽略了 Agent 背后整套执行运行时。

大模型只负责思考，真实业务场景里还有一堆脏活累活：理解复杂任务、跨轮次长期记忆、信息检索、多工具调用、进度上报、异常崩溃处理、关键操作人工审批、结构化结果返回。

这整套完整的 Agent 执行循环系统，就是 Harness。

可以这样理解：大模型是赛车手，Harness 是背后的整套工程师团队。车手负责开车，进站、调参、遥测监控、故障处理全部交给团队完成。

OpenAI 官方实测数据：仅调整 Harness 两项策略（保留推理、上下文压缩）

• GPT-5.6 Sol，ARC-AGI-3 得分：13.3% → 38.3%
• Token 输出量直接减少 6 倍

这组数据说明：Agent 的最终效果，Harness 框架的权重丝毫不亚于模型本身。

03 三大开源组件，开箱即可集成

本次开源仓库 openai/codex 一共释放三套组件，适配不同集成深度，全部采用 Apache-2.0 许可，支持商用二次开发，核心代码由 Rust 实现，存放于 codex-rs 目录。

• codex exec｜CLI 命令行工具：适合一次性自动化任务、CI 流水线、后台脚本任务。运行边界可控的 Agent 工作流，直接返回结构化输出，无需常驻进程。适用场景：代码检查、批量脚本执行、后台离线任务。

• Codex SDK（Python / TypeScript）：面向应用开发的编程接口，可以通过代码启动、恢复、流式读取 Codex 任务，完整管控任务线程生命周期。真实案例：思科 Cisco 使用这套 SDK，在云控制平台构建 App Builder，用户用自然语言即可生成自定义业务应用。

• Codex app-server｜本次开源核心：通过 JSON-RPC 协议，业务应用连接本地 Codex 进程，把 Agent 真正变成产品内置引擎。支持能力包括：

  • 持久保存对话任务状态
  • 事件流式推送，实时查看 Agent 执行进度
  • 支持中途打断 Agent 任务
  • 暴露业务自有工具给 Agent 调用（MCP 协议）
  • Human-in-the-loop 人工审批，高危操作强制人工确认

开发者 @ClusterProtocol 评价：将前端审批 UI 与底层 Agent 执行循环彻底解耦，把智能体嵌入业务仪表盘的难度被大幅降低。

⚠️ 官方重要边界提醒：开源部分是 Harness 框架与集成层；模型访问、托管服务没有开源，需要开发者自行对接模型。

04 不止写代码：真实业务落地案例

案例 1：税务申报系统 Tax AI

合作方 Thrive Holdings + Crete，将 Harness 嵌入税务业务流程，融合税务师人工反馈。

• 试点完成 7000 份纳税申报表处理
• 税务准备耗时缩减约 1/3
• 申报最高准确率 97%
• 字段达标申报表占比：25% 提升至 86%

案例 2：思科云平台 App Builder

Cisco 云管控平台基于 Codex SDK 构建，业务人员用自然语言即可构建自定义应用，复杂逻辑全部交给 Harness 底层执行。

案例 3：官方 Demo Relay 物流调度看板

这个示例最直观展示未来 AI 产品形态：全程没有 Chat 聊天框。

• 调度员直接在物流看板选中延误货单，点击【比较恢复方案】
• 应用自动将货单、物流业务数据作为上下文传入 Agent
• Agent 调用业务自有 MCP 工具拉取实时运营数据
• Agent 输出重订舱方案，修改数据类操作强制弹出人工审批
• 业务员确认审批后执行，看板自动刷新状态

业务界面掌控 UI、业务规则、数据权限；Harness 负责 Agent 循环、记忆、工具调用、异常处理。这才是原生 AI 应用的人机协同模式。

案例 4：IDE 集成

JetBrains IDE 支持将 Codex 作为 Agent 后端，权限分级管控：问答、网络访问、命令执行权限可灵活开关。GitHub 也完成对应工作流适配。

05 三大控制权，打通企业 AI 落地最后一公里

Codex Harness 开源给到开发者三大核心控制权，彻底跳出套壳 Bot 困境。

• 界面控制权：不必强迫用户迁移到聊天框。用户继续使用原有仪表盘、编辑器、业务看板，AI 作为隐形后台助手，而不是抢占主界面。

• 上下文与工具控制权：企业内部业务系统、私有文档、内部 API，通过 MCP 直接开放给 Agent。Agent 拥有完整业务背景，不再是对业务一无所知的外部大模型。

• 安全与运营边界控制权（企业级关键）：宿主应用管控 Agent 运行环境、文件访问权限。数据库修改、对外发邮件等高危操作强制人工审批。

架构分工总结：前端业务规则、UI 界面、业务数据归你的应用；Agent 循环、工具调度、沙箱运行交给 Codex Harness。

06 Codex 能力拓展：早已不止编程

新版 Codex 能力边界持续拓宽，不只是代码修改：

• 图像生成：对接 gpt-image-1.5，截图 + 代码迭代生成产品原型 UI
• 计算机操控：视觉识别模拟点击输入，操控桌面各类软件
• 长期记忆：记忆用户偏好、历史修正，加速后续任务
• 长周期任务调度：支持跨天、跨周的长期任务，自动唤醒执行

07 总结与选型参考

核心认知

• Agent 效果 = 模型能力 + Harness 运行时能力，很多项目效果差，瓶颈不是模型，而是缺少一套成熟执行框架。
• Codex Harness 开源不等于开源模型，只是生产级 Agent 运行底座，模型需要自行接入。
• Apache-2.0 协议，可以直接二次开发商用，哪怕不完整采用 Codex，这套分层架构思路也值得参考。

选型建议

• 如果只做简单对话问答：传统聊天 Bot 依然够用。
• 如果要做业务系统内嵌 Agent、需要工具调用、人工审批、长任务管理：优先评估 Codex Harness，省去从零开发 Agent 运行时的巨大工作量。
• 想做 IDE、流水线自动化任务：优先使用 codex exec CLI 工具。
• 自有业务产品要深度嵌入 Agent：使用 app-server，对接 JSON-RPC，搭配 MCP 扩展自有工具。

聊天框不会彻底消失，但未来企业级 AI 产品的主流形态，一定是 AI 内嵌在原有业务界面中，而不是所有人围着聊天窗口复制粘贴。通用聊天框退场，原生 AI 应用时代正式到来。

项目地址：https://github.com/openai/codex