一、开源的不是模型，而是驾驭模型的缰绳
8月19日，OpenAI做出了一项比发布新模型更具战略意义的举动：将驱动Codex App、CLI和IDE插件的底层执行框架——Codex agent harness——完整开源，采用Apache-2.0协议。这次开源的主体并非模型本身，而是管理模型的那套系统。官方给出的对照实验数据极具冲击力：在ARC-AGI-3基准上，保持同一模型不变，仅对Harness进行两项调整——保留推理痕迹与上下文压缩——得分便从13.3%飙升至38.3%，Token消耗反而降低6倍。这组数据首次以量化方式证明：在Agent时代，如何管理模型与模型本身的能力同等重要。
长期以来，业界对Agent存在一种简化认知：好模型加上好Prompt就等于强Agent。真正做过生产级系统的人明白，这最多只覆盖了30%的真相。一个能在业务中稳定运行的Agent，背后需要一套处理脏活累活的执行系统：维护长对话状态、调度工具调用、隔离命令执行、流式推送进度、崩溃后恢复现场，以及在危险操作前等待人类审批。这套系统就是Harness——直译是“马具”，引申为驾驭模型的装备。官方博客说得直白：你的应用负责业务上下文、规则和工具，Codex app-server负责Agent循环。模型只是可插拔的引擎。
二、三层集成接口：从脚本到产品的完整谱系
这次开源的核心交付物，是覆盖三种接入深度的接口，分别对应“拧螺丝”“装发动机”“造整车”三个层级。第一层是codex exec，适合一次性任务与CI流水线，审批策略支持auto、suggest、manual三档，其中auto用于全自动场景，manual则强制人工介入危险操作。第二层是Codex SDK，允许开发者将Agent编排进自己的代码，支持thread/fork、thread/resume、turn/interrupt等操作，v0.149.0还新增了reasoningEffort参数，可在简单任务与复杂推理之间动态权衡成本。第三层是codex app-server，这是本次开源最重磅的部分，官方VS Code插件和桌面应用都运行在它之上，采用JSON-RPC 2.0协议，支持stdio、Unix socket和实验性的WebSocket三种传输方式。
协议层只有三个核心原语：Thread代表一次完整会话，可fork、可resume；Turn代表单轮交互，从用户输入到Agent完成工作；Item是Turn内的原子事件流，包括推理步骤、Shell命令、文件编辑、工具调用结果，全部流式推送。这样的设计让开发者无需手写类型定义，直接从服务器生成即可。值得注意的是，这套接口并非孤立存在，它们全部收敛到同一个Rust核心，意味着无论你从哪一层接入，底层引擎都与官方App完全一致。
三、Rust核心的工程智慧与生态对比
打开仓库的codex-rs目录，模块划分堪称教科书级别。几个工程细节尤其值得借鉴：状态管理集中化，所有SQLite连接创建被Clippy lint强制收口到一处，从根源上杜绝连接泄漏；Shell工具大一统，废弃了旧的shell_command，统一为exec_command和write_stdin两个工具，审批、沙箱、输出截断能力全部保留，工具数量越少，模型选错的可能性越低；MCP作为一等公民，连接状态机细分到七种状态，TUI中通过/mcp命令一目了然。
与LangGraph等编排框架相比，Codex Harness的定位截然不同：LangGraph提供图纸让你自己盖楼，Codex Harness则直接交付一台精装发动机。更有趣的是，Codex还可以作为子代理（Profile Bundle）装进DeepSeek Harness里，形成“Harness套Harness”的嵌套关系。这种开放姿态显示出OpenAI的野心：它不仅要成为模型供应商，更想成为Agent基础设施的标准制定者。从社区反馈看，截至8月21日仓库已收获107k+ Star和16k+ Fork，热度印证了这一判断。
四、上手路径与必须知道的边界
接入其他模型非常简单，model-provider抽象层允许任意OpenAI兼容端点。你可以通过环境变量设置OPENAI_BASE_URL指向DeepSeek、Kimi或GLM，也可以修改~/.codex/config.toml中的provider配置。v0.149.0还带来了一系列配套功能：codex agents仪表盘提供Agent会话的进程管理器；codex queue让你在Agent运行测试时追加新需求；TUI内支持/cd、/pwd切换工作区；codex doctor增强网络与代理自检；同时修复了resumed/forked线程静默回退审批策略的Bug，确保CI场景权限策略始终一致。
冷静审视，这次开源存在几个边界。开源的是Harness，不是模型，模型访问、账号额度和Cloud托管服务仍然独立收费；IDE插件的内部实现没有开源，开源的只是驱动它的协议和服务端；仓库明确不接受外部PR，只能提Issue，这更接近“源码可见的开放核心”模式，深度定制需要自己fork；WebSocket传输仍属实验性，生产环境建议使用stdio或Unix socket。即便如此，对于正在自研Agent的团队，codex-rs的模块划分和状态管理思路依然值得逐行研读。它本质上是ReAct循环、审批闸门、沙箱与持久化的工业化封装，是OpenAI将“怎么管好一个模型”的工业级答案公之于众。你准备直接接入产品，还是继续用LangGraph自行编排？答案或许就藏在你对生产级稳定性的真实需求里。