https://vercel.com/changelog/build-with-openai-agents-api-on-vercel 解读一下

这篇公告的核心是：OpenAI 管 Agent 的运行循环和会话状态，Vercel 管应用部署，并给每个会话接一个 Sandbox，让 Agent 有地方执行代码、读写文件。 它不是单纯“在 Vercel 上调用模型”，而是把有持续工作区的 Agent 应用需要的基础设施接起来。 举个例子 用户上传一份 CSV，让 Agent 分析销售数据。Agent 在 Sandbox 里运行代码，生成清洗后的数据和图表。 用户接着说“把华东区单独画出来”，工作区里保留着之前的文件，可以在已有成果上继续处理，而不是每次从零开始。 这里有两种不同的“延续”：OpenAI 管会话状态，Vercel 这边的工作区保留文件。对话能接着聊，不等于文件还在；这次集成把两者都纳入了方案。 几个关键点怎么理解 OpenAI-managed agent loop：多步执行过程中，调用模型、使用工具、继续推进的循环由 OpenAI 管理，开发者不必把整套循环都放进自己的应用服务。 每个 session 独立 Sandbox：不同会话有隔离的代码执行和文件操作环境。它提供执行边界，但不意味着应用层权限、数据授权就不用设计了。 签名 webhook 加 Vercel Queues：通过可验证来源的事件和队列，协调 Sandbox 的创建与重新连接。公告强调的是可靠接入，并没有展开重试、事件顺序等具体实现保证。 Scale-to-zero：不必为每个 Agent 常驻一个持续运行的 worker，架构可以在空闲时缩到零。这不等于免费，也不代表执行中的计算没有费用。 和刚才 subagent / multi-session 的讨论有什么关系？ 它更偏“会话执行基础设施”，不是多 Agent 编排方案。 每个会话有自己的工作区，而且支持后续指令，这可以成为独立 worker session 的基础。但公告没有说明会话之间能互相发消息、唤醒对方，或者自动完成派活、验收、返工，所以不能仅凭这篇就说它实现了 multi-agent workflow。 另外，“持久工作区”不应理解成某个进程永远活着。文章明确承诺的是文件在后续指令间保留，没有交代内存、后台进程、保存期限等细节。 一句话：它把“能持续干活、保留文件、接着修改的 Agent”部署到 Vercel 的基础链路打通了；至于多个 Agent 怎么协作，仍是另一层问题。