Markdown 版本

AI-translated from English; not yet reviewed by a fluent editor.

# 使用 OpenAI 电脑操作功能设置 Agents API 浏览器任务

> 本指南依据文档介绍如何创建 OpenAI Agents API 浏览器会话、处理网站来源请求、检查结果并删除会话。

By BIG CHANGE Editorial

Published: 2026-09-30T01:36:49.389Z
Updated: 2026-09-30T01:36:49.389Z
Canonical: https://bigchange.ai/blog/openai-agents-api-computer-use-browser-guide

![Conceptual illustration of a developer viewing a generic public webpage on one desktop display and three browser activity images on another.](https://bigchange.ai/api/media/file/agents-computer-use-browser-review-hero-v1.png)
AI-generated by OpenAI; BIG CHANGE conceptual editorial illustration.

OpenAI 在 9 月 29 日的[DevDay 回顾](https://openai.com/index/devday-2026-recap/)中宣布 Agents API 支持电脑操作。我们的[DevDay 发布指南](https://bigchange.ai/blog/openai-devday-2026-launches-availability-guide)介绍了更全面的发布内容。对于开发者，眼前的任务比通用浏览器代理更简单：打开一个公开页面，获取特定答案，并记录浏览器访问过什么。OpenAI 的 [电脑操作指南](https://developers.openai.com/api/docs/guides/agents-api/tools/computer-use) 于 9 月 30 日查阅，介绍了通过托管浏览器会话完成这一流程。BIG CHANGE 审阅了文档，但没有运行 API。

应用程序创建会话、发送输入、跟踪事件、向用户展示网站来源请求、检查答案并进行清理。代理可以在托管环境中操作浏览器。一个轮次完成，并不能证明所需信息准确。

## 重大变化

OpenAI 新推出的 Agents API 电脑操作路径，为开发者提供带有事件流的托管浏览器会话、由用户决定是否访问网站来源、浏览器活动记录，以及通过 API 清理环境的能力。对于范围明确的公开页面任务，实用的集成方式是明确处理这些阶段，并核对返回的标题和 URL。能否访问某个来源、一个轮次是否完成、答案是否正确，是三个不同的观察结果。

## 从 API 密钥和浏览器会话开始

OpenAI 的 [Agents API 快速入门](https://developers.openai.com/api/docs/guides/agents-api/quickstart#prerequisites) 要求在 OpenAI Platform 项目中使用应用程序 API 密钥。文档指定 `api.agents.read` 和 `api.agents.write` 用于会话操作，并使用 `api.responses.write` 进行模型推理。请在应用程序环境中将密钥导出为 `OPENAI_API_KEY`，并将其保存在代理沙箱之外。请使用支持 Agents API 测试版的当前 OpenAI SDK；电脑操作指南中的 JavaScript 示例使用 `openai` 和 `prompt-sync`。其 cURL 替代方法需要 Bash、`jq`，以及明确的 `OpenAI-Beta: agents=v1` 请求头。

文档中的会话配置将 `{ "type": "computer_use" }` 放在 `agent.tools` 中，把 `environment.type` 设置为 `openai_hosted`，并启用 `environment.desktop.enabled`。公开页面示例还会启用网络访问，并在工具上设置 `include_screenshots: true`。创建会话会返回 ID，供之后请求事件和条目时使用；这并不会启动浏览器任务。继续之前先保存该 ID。指南示例要求代理找到 Agents API 快速入门页面，并返回页面标题和 URL，不登录网站，也不更改网站数据。

## 跟踪任务，并决定它可以访问哪些网站

发送任务输入之前，先打开会话事件流，以便应用程序接收早期事件。文档中的输入是 `agent.session.input.message`。当事件流报告 `agent.session.requires_action` 时，获取会话当前的 `required_actions`，并找出待处理的 `computer_use_approval_request` 记录。对于 `browser_origin_access` 请求，向用户显示所请求的来源及说明的理由。将用户的 `approve`、`deny` 或 `cancel` 决定作为 `agent.session.input.computer_use_approval_request_result` 发送，并附上对应的 `request_id`。

这一决定涉及是否访问某个网站来源，即使该网站是公开的也是如此。将 `network.access` 设置为 `enabled` 并不等于获得了审批。来源审批也不能确认之后的每项浏览器操作。OpenAI 表示，如果应用程序要求在购买或破坏性更改之前得到确切确认，就应把托管浏览器限制在无法执行这些操作的资源上，或者使用由应用程序控制的浏览器运行时。网站文本是不可信输入，不能授权访问，也不能覆盖用户的指示。

公开页面示例会取消一个单独的 `browser_authentication` 请求。需要账户的任务有自己的 [登录流程](https://developers.openai.com/api/docs/guides/agents-api/tools/computer-use#handle-sign-in)；这个只读设置不涵盖该流程。OpenAI 还指出，取消审批请求并不会取消任务。审批响应被接受，表示已收到决定，并不表示导航已经完成。

## 检查结果、查看活动，然后删除会话

事件流可以在 `agent.session.turn.output_text.done` 中提供答案文本。主要轮次应等待 `agent.session.turn.completed`，并分别处理失败和取消事件。对于文档中的任务，要检查答案是否确实包含快速入门页面的标题和 URL。仅仅关闭事件流并不能证明轮次已经结束；如果连接中断或结果不确定，OpenAI 建议开发者恢复同一个会话。

会话条目从另一个角度展示浏览器工作。`computer_use_call` 条目包含活动标题、轮次 ID 和状态。启用屏幕截图后，条目可能带有 `computer_screenshot` 图片 URL；有些操作仍不会返回图片。这些条目展示的是浏览器操作，并不是对任务的最终判断。删除会话以请求清理环境之前，请检查已保存的条目以及应用程序需要的任何结果或屏幕截图。屏幕截图可能包含敏感页面或账户信息，因此文档建议仅向获授权者开放，并避免写入应用程序日志。

## 访问权限和费用是两个不同的问题

OpenAI 在其 [DevDay 回顾](https://openai.com/index/devday-2026-recap/) 中表示，电脑操作可通过 API 使用，也可在 Pro 500 和 Enterprise 方案的 Codex 与 ChatGPT Work 中使用。本指南介绍的是 API 路径，需要 Platform 凭据和权限。产品方案的说明不会授予 API 访问权限，也不包含 API 使用费用。

根据 [Agents API 概览](https://developers.openai.com/api/docs/guides/agents-api/overview)，模型使用量按所选模型的 [API 费率](https://developers.openai.com/api/docs/pricing)计费，而 OpenAI 托管沙箱采用标准 [容器费率](https://developers.openai.com/api/docs/pricing#built-in-tools)。已查阅的页面没有列出单独的电脑操作工具费用；但这不表示托管浏览器会话免费。规划运行预算前，请查看当前的模型和容器价格。示例使用的测试版 API 方法可能会变化。本文没有创建 API 会话、执行浏览器任务或运行 SDK。

## 来源与延伸阅读

- [OpenAI，《Computer use》](https://developers.openai.com/api/docs/guides/agents-api/tools/computer-use)，查阅于 2026 年 9 月 30 日。关于浏览器配置、事件名称、来源和身份验证请求、结果检查、活动及删除的主要参考资料。页面未显示发布日期。
- [OpenAI，《Agents API quickstart》](https://developers.openai.com/api/docs/guides/agents-api/quickstart)，查阅于 2026 年 9 月 30 日。说明 Platform 密钥权限、测试版请求头和 SDK 前置条件；其中的一般编程示例不同于电脑操作教程。
- [OpenAI，《Agents API》](https://developers.openai.com/api/docs/guides/agents-api/overview) 和 [《OpenAI-hosted sandboxes》](https://developers.openai.com/api/docs/guides/agents-api/environments/openai-hosted)，查阅于 2026 年 9 月 30 日。介绍会话模型以及模型与托管容器费用的分别计费。这两个页面都没有提供发布日期。
- [OpenAI API 定价](https://developers.openai.com/api/docs/pricing)，查阅于 2026 年 9 月 30 日。应核对所选模型和托管容器的当前费率；本文未估算单次运行的具体费用。
- [OpenAI，《DevDay 2026 Recap》](https://openai.com/index/devday-2026-recap/)，发布于 2026 年 9 月 29 日。关于功能发布，以及 OpenAI 分别说明 API 可用性和 Codex/ChatGPT Work Pro 500 与 Enterprise 方案可用性的来源。

## Sources

- [Computer use | OpenAI API](https://developers.openai.com/api/docs/guides/agents-api/tools/computer-use) — 浏览器任务的主要参考资料，涵盖托管环境、事件和审批名称、结果验证、活动、屏幕截图及删除。这是文档，不是 BIG CHANGE 的测试。
- [Agents API quickstart | OpenAI API](https://developers.openai.com/api/docs/guides/agents-api/quickstart) — Platform 应用程序密钥权限、SDK 设置、测试版请求头和会话生命周期。一般编程示例不同于电脑操作教程。
- [Agents API | OpenAI API](https://developers.openai.com/api/docs/guides/agents-api/overview) — 介绍托管会话模型，以及模型使用、OpenAI 工具和托管沙箱的分别收费。
- [OpenAI-hosted sandboxes | OpenAI API](https://developers.openai.com/api/docs/guides/agents-api/environments/openai-hosted) — 确认 OpenAI 托管沙箱采用标准容器费率、模型单独计费，并可通过删除请求清理环境。
- [Pricing | OpenAI API](https://developers.openai.com/api/docs/pricing) — 当前模型和容器费率。已查阅的页面没有说明单独的电脑操作工具费用；本文没有估算每次运行的成本。
- [DevDay 2026 Recap | OpenAI](https://openai.com/index/devday-2026-recap/) — 供应商关于 Agents API 电脑操作功能，以及 API 与 Codex/ChatGPT Work Pro 500 和 Enterprise 方案分别可用的公告。