紧跟DeepSeek，OpenAI全面开源Codex Harness！

8月20日凌晨，OpenAI联合创始人Greg Brockman在X上发了一条推文，浏览量很快破了18万。

他没有聊新模型，没有聊GPT-6，没有聊任何一个跑分数字。他说的是一件事，把Codex背后的发动机开源了。

被引用的那条公告，来自OpenAI官方开发者账号，发布时间比他早一个小时。

公告链接指向OpenAI官方开发者博客当天发布的一篇文章，标题叫《Codex as a platform: build on the open agent harness》，作者是Nicolas Bonamy和Derrick Choi。

文章用的封面图，是一张写着Codex as a platform的示意图。

推文列出三个开源组件，Codex CLI、Codex SDK和Codex app-server，并提到Relay这个演示应用

他们在开篇指出，大多数人通过App、CLI或IDE插件认识Codex，但这些只是同一套底层系统的不同入口。

真正的可复用部分是agent loop，理解任务、维持上下文、调用工具、处理失败、请求人类确认并返回结果。

围绕这个循环的执行系统，就是harness。

博客里的Figure 1把边界画得很清楚。你的应用拥有产品上下文、业务规则和工具，Codex app-server提供agent loop和沙箱执行。

OpenAI不打算让所有工作都塞进一个通用聊天窗口，它想让agent进入为具体工作设计的软件里，比如工程工作流、运营看板、安全调查或客户支持控制台。

开源Codex harness的论据，一部分来自OpenAI在ARC-AGI-3上的实验。

同一个GPT-5.6 Sol模型，在官方harness上得分13.3%。把reasoning保留并启用context compaction后，分数跳到38.3%，输出token还减少了六倍

模型没变，只是执行层设置变了，结果差距接近三倍

这个例子被OpenAI用来证明，benchmark测的不只是模型，还包括API设置harness设计和prompting。

在ARC博客同时引用了沃顿商学院教授 Ethan Mollick推文，正是因为它在真实任务里验证了同一个设置。

Mollick把GPT-5.6 Sol交给Codex，让它控制电脑玩《Slay the Spire 2》每日挑战。

每日挑战每次随机生成，没法靠背诵训练数据解决。Agent连续工作了五个多小时，做复杂游戏决策，最终通关。

截图里的 "Context automatically compacted" 说明，context compaction 支撑了这个长流程。它让agent在5小时里没有被上下文膨胀拖垮。

回到这次开源的内容。

GitHub仓库openai/codex的README把CLI描述为在终端本地运行的轻量级coding agent。

CLI之外，SDK提供直接编程接口，app-server负责持久会话、流式事件和审批处理。

三者覆盖了从一次性脚本、CI任务到完整产品内嵌agent的三种集成深度。

Relay是官方博客给出的示例，一个货运运营看板，旁边有一个由Codex app-server 驱动的agent。

harness负责agent loop、对话状态和工具调用，产品本身仍然拥有自己的看板、记录和控件。

用户选择一个货件并点击Compare recovery，应用把上下文交给agent。

agent 调用应用自有的 MCP 工具获取最新数据，解释可选方案，任何会改写数据的写操作都必须经过人工批准。

官方博客用了一个独立章节，叫What developers are building，讲已经在发生的公开实现。

博客发布后的第二天，OpenAI Developers在X上把其中的案例浓缩成了一条推文。推文点名了两家客户，Cisco和Thrive Holdings

案例一：自然语言进入网络控制台

离OpenAI最近的用法是IDE。GitHub和JetBrains把Codex接进了现有的IDE工作流，延续Codex一直做的事。

Cisco的用法更靠近产品内嵌，它在Cisco Cloud Control的App Builder里使用了Codex SDK。

案例二：7,000 份报税表背后的Agent

过去六个月，OpenAI的前线工程师和研究人员，与Thrive Holdings的工程师合作，给 Crete 打造了一个叫Tax AI的系统。

试点季里，它处理了7,000 份申报，准备时间缩短约三分之一。起草的申报准确率最高到97%，业务吞吐提升约50%。

案例三：在开发者工作台里安家的Agent

GitHub和JetBrains把Codex接进IDE工作流。

在JetBrains的AI chat里，用户可以直接调用Codex agent完成编码任务。用户可以调整权限，从简单问答到允许访问网络和自动运行命令。

回头看Greg Brockman那条推文。他说的是you can build your own products on our codex open-source harness，你可以基于我们的开源Harness构建自己的产品。

这句话的重心不在open-source，在your own products。OpenAI不再只是提供一个聊天框，它把Agent的执行层交出来，让开发者把它装进自己的产品里。

作为交换，开发者获得了一个现成的、经过生产验证的Agent运行时，不需要自己造轮子，也不用把业务流程塞进聊天框。

至于这条路走不走得通，要看接下来12个月，有多少企业内部系统，把agent loop跑在Codex app-server上。