openai agent builder shut down：迁到 Agents SDK 接社媒数据

OpenAI 定在 2026 年 11 月 30 日停掉 Agent Builder，工作流的代码导出只能在停服前做（OpenAI 弃用页）。我们把一个调社媒数据的 agent 迁到 Agents SDK 0.24.0 实跑了一遍，最容易错的两处都不在迁移文档里：审批函数读的工具注解字段名跟着 MCP Python SDK 大版本变，写错时 12 个工具全被拦下审批；客户端默认 5 秒超时，会把一次服务端已完成、已扣费的调用显示成失败。按 11 月 8 日的公开价，每天 100 个问题一个月 $11.78 起（gpt-6-luna），最贵一档 gpt-6-astra 是 $682.28。

这篇要回答的问题是：你在 Agent Builder 里搭了一个回答「大家最近怎么评价某个产品」的 agent，它通过 MCP 节点去拉 Reddit 和 YouTube 的帖子、评论，11 月 30 日之后怎么继续跑。OpenAI 给的两条正路是 Agents SDK 和 ChatGPT Workspace Agents（迁移指南），本文主要写前一条，也写直接用 Responses API 的写法。OpenAI 一侧的字段名和默认值都来自 developers.openai.com 和 Agents SDK 文档原文，我们 11 月 8 日逐条打开核对过；因为没有调用 OpenAI 的模型，凡是需要 OpenAI 服务端参与的部分（HostedMCPTool、Responses API 的审批往返）一律写成「配置示例」。本机测试在 11 月 8 日 00:16–00:30（新加坡时间）完成：审批、拒绝、流式、异步都是真实运行，只有「模型说什么」用 SDK 自带的脚本模型写死。EveryInfra 一侧的每个数字都来自实际调用的原始返回；整场测试共有 15 次扣费的数据调用，每次 $0.000556，合计约 $0.0083；另有 2 次被限速的请求没有扣费，列工具、读注解、查请求记录这些调用都不收费。

openai agent builder shut down：OpenAI 原文写了什么

先把日期和范围钉死，后面的工作量都按它排。OpenAI 弃用页「2026-06-03: Agent Builder」一节原文是：6 月 3 日通知使用 Agent Builder 的开发者该产品正在弃用，ChatKit 继续提供；表格里只有两行，6 月 3 日宣布弃用，11 月 30 日计划停服，并指向迁移指南，说可以继续用 Agents SDK 或 ChatGPT Workspace Agents（OpenAI 弃用页）。同一页还有两条同一天公布、同一天停的：可复用 prompt 对象和 v1/prompts 接口 11 月 30 日停（弃用页：Reusable prompts），Evals 平台已有的评测 10 月 31 日起只读、11 月 30 日停（弃用页：Evals platform）。Agent Builder 的说明页和节点参考页顶部现在都挂着同一段话：现有用户在过渡期内还能继续用，产品计划 11 月 30 日停服，ChatKit 保留（Agent Builder 指南；节点参考）。

这三条要一起看，原因很具体：一个在 Agent Builder 里搭出来的工作流，指令常常存在 prompt 对象里，回归测试常常放在 Evals 里，三样东西 11 月 30 日一起没了。OpenAI 对 prompt 对象的迁移建议是把提示词内容搬进应用代码，用 git 提交和代码评审来管版本，并且把静态内容放前面、动态内容放后面，以保住提示词缓存的命中（Migrate from prompt objects）；对 Evals 给的是一份迁到 Promptfoo 的 cookbook（Moving from OpenAI Evals to Promptfoo）。社区里有人 10 月 30 日把这几个日期整理成了一张清单，并提醒 ChatKit 保留不等于背后的 Agent Builder 工作流还能用（OpenAI 社区：Nov 30 shutdown checklist）；弃用公告帖里另有人提醒了一个更具体的坑：别把工作流提示词搬进 prompt 对象，那也是 11 月 30 日停，否则要搬两次（OpenAI 社区：Deprecation notice: Agent Builder）。

最后一行容易被忽略。Agent Builder 导出的代码里，模型名是你当初在画布上选的那一个；弃用页 6 月 11 日那一节写明，gpt-5、gpt-5-mini、o3 等快照 12 月 11 日下线，推荐换成 gpt-5.6-sol、gpt-5.6-terra 等（弃用页：GPT-5 and o3）。也就是说，11 月 30 日把代码搬出来之后，12 月 11 日还可能再坏一次。弃用页同时给了一个能用程序盯住这件事的办法：GET /v1/models 返回的模型对象里有可选的 shutdown_date 字段，有日期就说明已经排了下线（弃用页开头）。迁移时顺手把这个检查做成定时任务，比每个月去翻一次公告可靠。

受影响的到底是什么：画布、托管工作流和 ChatKit 的那条「推荐接法」

「ChatKit 保留」这句话很容易被读成「我前端用的 ChatKit 不受影响」。ChatKit 文档现在写的是两条路：一条是在自己的服务器上跑 ChatKit，连任何代理服务，包括用 Agents SDK 写的；另一条是「已有的 Agent Builder 托管接法」，原文是如果你已经在用 Agent Builder 工作流驱动 ChatKit，可以在过渡期内继续用这个托管工作流（ChatKit 文档）。第二条的前提是 Agent Builder 还在。ChatKit 的高级接法文档也写了，新的 ChatKit 应用应该基于你自己的服务端代理实现来搭，用 ChatKit SDK 加 Agents SDK（Advanced integrations with ChatKit）。

OpenAI 社区的弃用公告帖里，一位给多个客户做 ChatKit 的开发者 6 月 4 日贴出了旧文档的「推荐接法」截图，问这是否意味着 ChatKit 推荐接法也不能用了；回帖里有人的说法是：ChatKit 本身留着，但依赖 Agent Builder 托管后端的那条推荐接法实际上没有了，剩下的是 ChatKit 前端加你自己的后端（OpenAI 社区：Deprecation notice: Agent Builder）。这是社区成员的理解，不是 OpenAI 的表态；Forkast 在 11 月初的分析里也指出，官方文档没有说清已发布的工作流 ID 在 11 月 30 日之后还能不能通过 ChatKit 执行（Forkast）。在没有新的官方说法之前，稳妥的做法是按「工作流 ID 会失效」来排期。

还有一件事只能在停服前做：导出。迁移指南的步骤是在 Agent Builder 里打开工作流，点顶部的 Code，在弹窗里选 Agents SDK，再选 TypeScript 或 Python，复制完整导出（迁移指南）。同一页写得很直接：这个过程不会转换你的工作流图，也不保证每个行为原样迁移；Workspace Agents 那条路需要 ChatGPT Business、Enterprise 或 Edu 工作区，而且「核心是强确定性逻辑的工作流」可能无法忠实地迁到 Workspace Agent（迁移指南）。一个按固定顺序调三次数据接口、再按规则拼答案的社媒 agent，正好属于强确定性那一类，所以本文选 Agents SDK。

三条去路怎么选：Agents SDK、直接调 Responses API、Workspace Agents

三条路的差别不在「能不能调 MCP」，三条都能；差别在代理循环跑在谁那里、审批交给谁、Key 放在哪。下表按官方文档原文整理，最后一列是对一个每天要回答上百个社媒问题的 agent 的判断。

走 Agents SDK 这条路，版本要钉在 PyPI 上的 openai-agents==0.24.0（上传于 2026 年 10 月 15 日，PyPI：openai-agents），别装 GitHub 上同名的 0.24.0-alpha.6。原因是那个预览版只通过 GitHub Releases 分发，发布说明里写了公开接口的改动，例如一次性调用改用 Agent.run()、去掉了多余的 Runner 别名（openai-agents-python Releases），而 Agent Builder 导出的代码用的正是 Runner.run；装错版本，导出代码第一次运行就可能报错，你还会误以为是导出本身有问题。Python 和 Node.js 的版本要求放在文末「上手步骤」第 2 步。

OpenAI 另有一个托管的 Agents API，代理循环跑在 OpenAI 那边（Agents API 概览），但迁移指南没有把它列为 Agent Builder 的去处，本文也不走这条路；它连 MCP 的配置见站内的 openai agents api 口碑巡检。

节点对照：Agent Builder 的每个节点在 Agents SDK 里是什么

迁移指南说导出不转换工作流图，那图里的每个节点就要在代码里有个落点。下表左列是节点参考页列出的全部节点（节点参考），右列是 Agents SDK 里对应的写法，来自 SDK 文档；中间一列写社媒数据 agent 最常用到的那一种情况。

这张表里最值得花时间的是两行。MCP 节点在画布上只是「选一个服务器、填一下授权」，到了代码里要决定由谁去连、带哪个头、只开哪几个工具、超时多长，见「远程 MCP 两种接法」和「默认 5 秒超时」两节。Human approval 节点在画布上是一个独立的框，到了 SDK 里分散在三处：工具配置里的审批规则、运行结果里的 interruptions、以及能序列化保存的 RunState（SDK 人工审批文档），见「工具审批」和「拒绝一次调用之后」两节。其余节点照表替换即可，If/else 在画布上要写的 CEL 表达式（节点参考）到代码里一个 if 就够。

Agent 节点的指令怎么改写：把画布上的隐含规则写成文字

画布上有很多规则是靠「连线」表达的：结果为空就走 If/else 的另一支，审批没过就回到上一个 Agent 节点。搬进代码后，循环和判断可以写成 Python，但模型那一侧要知道的规则必须写进 instructions。迁移指南建议在 Workspace Agent 那条路上逐项检查控制流、触发条件、工具和权限（迁移指南）；走 SDK 这条路同样要做，只是检查的对象变成了你自己写的指令。下面这段是我们按本次实际调用的结果写的指令示例，每一条都对应一个实测里碰到的情况：

You answer questions about what people say online, using EveryInfra tools only.
1. Call everyinfra_call_api with platform "reddit", action "search", limit 10,
   and platform "youtube", action "search", limit 5, in the same turn.
2. "Agent Builder" is also a Microsoft Copilot product. Drop results that do not
   mention OpenAI before you count anything.
3. Call youtube/comments (limit 20, sort "newest") only for the first relevant video.
4. YouTube comment posted_at can be relative ("2 weeks ago"). Do not convert it
   into an exact date. Say "about 2 weeks ago".
5. If a tool returns 0 rows, say "no matching posts in the last month". Do not say
   "nobody talks about it".
6. If an error has retryable true, wait retry_after seconds once. Never call the
   same arguments twice after a timeout; use mode "async" for limit > 50.
7. Quote the post or video URL for every claim.

第 2 条来自 reddit/search 和 youtube/search 的实测：两个关键词都搜出了微软 Copilot 的同名功能。第 4 条来自 youtube/comments 的 posted_at 是相对时间。第 5 条来自 reddit/search 的目录说明：它只搜最近一个月、只返回对得上关键词的帖子，一条都没有时按空结果退款（目录：reddit）。第 6 条来自后文的超时实测：超时之后照原参数再调一次，会再扣一次费。这些规则写在画布上时分散在连线和节点设置里，迁移时最容易丢；写成编号的文字后，也方便你用同一组真实问题做回归测试，取代 11 月 30 日一起停掉的 Evals。OpenAI 的 Agent Builder 安全指南提醒过，代理工作流有提示注入和数据泄露的风险（Safety in building agents）；社媒帖子和评论正是不可信的外部文本，所以第 7 条要求每个结论都引用原链接，方便人工复核，而不是让模型把评论里的话当成指令。

远程 MCP 两种接法：HostedMCPTool 和 MCPServerStreamableHttp

Agents SDK 的 MCP 文档开头有一张选择表：要让 OpenAI 的 Responses API 替模型去调一个公网可达的 MCP 服务器，用 HostedMCPTool；要自己管网络连接、连本地或远程的 Streamable HTTP 服务器，用 MCPServerStreamableHttp（SDK MCP 文档）。EveryInfra 的 MCP 地址 https://api.everyinfra.com/mcp 是公网的，两种都能用，区别在于请求从哪里发出、Key 经过谁、出错时你能看到什么。

先看我们本机实跑通过的这种：MCPServerStreamableHttp。下面是 2026 年 11 月 8 日 00:18（新加坡时间）跑审批测试时用的配置，只把 Key 换成了环境变量名。headers 里放 Authorization: Bearer，这是 SDK 文档推荐的放法，两种 MCP Python SDK 大版本都能用（SDK MCP 文档）；tool_filter 只放两个工具；client_session_timeout_seconds 我们调到 120 秒，原因在后面「默认 5 秒超时」一节。

import os
from agents import Agent, Runner
from agents.mcp import MCPServerStreamableHttp, create_static_tool_filter

def read_only_hint(tool):
    ann = getattr(tool, "annotations", None)
    if ann is None:
        return None
    for name in ("read_only_hint", "readOnlyHint"):  # MCP Python SDK v2 / v1
        if hasattr(ann, name):
            return getattr(ann, name)
    return None

def needs_approval(run_context, agent, tool):
    return read_only_hint(tool) is not True  # 只读工具放行，其余都要审批

everyinfra = MCPServerStreamableHttp(
    name="everyinfra",
    params={
        "url": "https://api.everyinfra.com/mcp",
        "headers": {"Authorization": f"Bearer {os.environ['EVERYINFRA_API_KEY']}"},
        "timeout": 30,
        "sse_read_timeout": 120,
    },
    tool_filter=create_static_tool_filter(
        allowed_tool_names=["everyinfra_call_api", "everyinfra_get_job"]),
    require_approval=needs_approval,
    cache_tools_list=True,
    client_session_timeout_seconds=120,
)

为什么只开两个工具？00:18（新加坡时间）我们用这个客户端列了一次工具：EveryInfra MCP 一共 12 个工具，工具定义压成 JSON 是 16,275 字节；只留 everyinfra_call_api 和 everyinfra_get_job 是 2,449 字节。按 OpenAI 帮助中心「英文约 4 个字符合 1 个 token」的换算，约 4,069 和 612 token（OpenAI 帮助中心：token）。工具定义每一轮都要进上下文，一个问题按三轮算，差的就是每题约 1.04 万 token。另外 12 个工具里还有对话、验证码、工单、充值链接这类和社媒问答无关的工具，不开就不会被模型误调。SDK 文档对 cache_tools_list 的说明是每次运行都会对每个 MCP 服务器调一次 list_tools()，远程服务器会带来明显延迟，打开缓存可以省掉（SDK MCP 文档：Caching）。

再看 HostedMCPTool。它把整个工具往返交给 OpenAI：SDK 只把服务器标签和配置转给 Responses API，模型列工具、调工具都不再回调你的 Python 进程；tool_config 和你发给 REST 接口的 JSON 一样（SDK MCP 文档：Hosted MCP server tools）。下面是配置示例，我们没有用 OpenAI 账号跑过。Responses API 参考里 mcp 工具的 headers 是「发给 MCP 服务器的可选 HTTP 头」，authorization 是「可用于远程 MCP 服务器的 OAuth 访问令牌」，allowed_tools 可以是工具名数组，也可以是带 read_only 和 tool_names 的过滤对象（Responses API 参考：create）。EveryInfra 的 Key 是 Bearer 形式的 API Key，不是 OAuth 令牌，所以示例放在 headers 里。SDK 仓库的 examples/hosted_mcp 目录有流式、审批和连接器三种完整样例，可以对照着改（openai-agents-python 示例）；如果你的 MCP 服务器在内网、不想暴露到公网，OpenAI 给的办法是 Secure MCP Tunnel，用 tunnel_id 代替 server_url（Secure MCP Tunnel）。

from agents import Agent, HostedMCPTool, MCPToolApprovalRequest

def approve(request: MCPToolApprovalRequest):
    args = request.data.arguments or "{}"
    if '"limit":100' in args.replace(" ", ""):
        return {"approve": False, "reason": "Use limit 20 for a single question."}
    return {"approve": True}

agent = Agent(
    name="Social listening agent",
    model="gpt-6-luna",
    instructions="Answer with data from EveryInfra tools. Quote post URLs.",
    tools=[HostedMCPTool(
        tool_config={
            "type": "mcp",
            "server_label": "everyinfra",
            "server_url": "https://api.everyinfra.com/mcp",
            "headers": {"Authorization": "Bearer <EVERYINFRA_API_KEY>"},
            "allowed_tools": ["everyinfra_call_api", "everyinfra_get_job"],
            "require_approval": {
                "always": {"tool_names": ["everyinfra_call_api"]},
                "never": {"tool_names": ["everyinfra_get_job"]},
            },
        },
        on_approval_request=approve,
    )],
)

两种接法在三件事上不一样。第一，Key 经过谁：Hosted 方式下 Key 跟着每次请求发给 OpenAI，再由 OpenAI 转给 MCP 服务器；Responses MCP 指南写明 authorization 字段的值不会被存储，也不会出现在返回的 Response 对象里，所以每次请求都要重新带上（Responses MCP 指南）；headers 是否同样处理，文档没有写，我们也没有核到。第二，护栏：SDK 文档写明，挂在本地 MCP 服务器对象上的工具输入、输出护栏不会作用到 HostedMCPTool，因为后者由 Responses API 作为托管工具执行（SDK MCP 文档）。第三，数据驻留：OpenAI 说 MCP 工具兼容零数据保留和数据驻留，但发到 MCP 服务器的数据受该服务器自己的保留和驻留政策约束（Responses MCP 指南）。对社媒公开数据来说，第三条影响不大；对要在发给数据接口之前先做脱敏、记日志的团队，第一、二条决定了只能用本地接法。

一次完整往返：模型发出什么，EveryInfra 回了什么

本机没有调用 OpenAI 的模型。Agents SDK 0.24.0 自带一个 agents.testing.ScriptedModel，源码说明写的是「用于测试代理工作流的确定性、与模型提供方无关的模型」，每一步返回你预先写好的输出（openai-agents-python 源码：testing/model.py）。我们让它在第一轮发出两个并行的工具调用，第二轮写一句答案；除了「模型说什么」是写死的，其余全部是 SDK 的真实代码在跑：工具清单、审批中断、RunState 序列化、恢复、流式事件、MCP 调用和返回。

模型第一轮发出的两个调用，就是 everyinfra_call_api 的入参：

[{"name":"everyinfra_call_api","arguments":{"platform":"reddit","action":"search","params":{"keyword":"Agents SDK","sort":"newest","limit":10}}},
 {"name":"everyinfra_call_api","arguments":{"platform":"youtube","action":"comments","params":{"url":"https://www.youtube.com/watch?v=ug0UziXU3-Q","sort":"newest","limit":50}}}]

2026 年 11 月 8 日 00:18:48（新加坡时间），运行在第 0.097 秒暂停，result.interruptions 里是这两个调用，tool_name 都是 everyinfra_call_api，参数和上面一字不差。这时还没有任何请求发到 EveryInfra。我们把暂停时的状态用 state.to_string() 存下来，一共 25,739 字节，这就是你可以写进数据库、等人在后台点「批准」之后再取出来恢复的那一份。批准两个调用、用 Runner.run_streamed(agent, state) 恢复后，第 15.07 秒两个工具结果同时回来：reddit/search 回了 5 条帖子，MCP 返回的文本 13,835 个字符；youtube/comments 回了 1 条评论，1,689 个字符；两次的 billing.charged_usd 都是 0.000556，和目录里这两项的 price_usd 一致（目录：reddit；目录：youtube）。

那条唯一的评论来自 YouTube 上一个 11 月 2 日发布的停服提醒视频，原文开头是「Step two is the one I'd do today even before choosing where to migrate: click Code, copy it」，意思是先别急着选去哪，今天就点 Code 把导出复制下来，再把提示词、工具、护栏和条件用纯文字写下来（YouTube 视频）。后半句正好是下文「把画布上的隐含规则写成文字」要做的事。这条评论的字段是 id、text、author_name、like_count、reply_count、posted_at、is_reply、platform 8 个；它是顶层评论，所以没有 reply_to_id，回复类评论才另带这个字段（00:17 拉的 100 条里有 2 条回复带了它）。合起来和目录 youtube/comments 的 response_fields 9 个字段对得上；评论人名字我们在正文和截图里都隐去了。

reddit/search 就不是这样。这次 5 条帖子、以及 00:16 另外两次搜索的 19 条帖子，都只返回 10 个字段：id、url、title、text、author_username、community、like_count、comment_count、posted_at、platform。目录给这项能力列了 15 个字段，flair、domain、external_link、thumbnail_url、image_urls 这 5 个三次都没返回。目录的 field_note 写明，其他来源不可用时由末位来源返回结果，它不带 flair、thumbnail_url 和 image_urls（目录：reddit）；domain 和 external_link 不在这句说明里，是我们这次实测另外看到缺的。对 agent 的影响很直接：如果你的指令让模型按 flair 区分「求助帖」和「讨论帖」，在这种情况下它拿到的是空字段，要在指令里写明字段缺失时怎么处理，而不是让模型猜。

返回里有两样东西是模型用不上、却会照样进上下文的：billing 和 quota。每次调用的返回都带着这次扣了多少、账户还剩多少，五六百字节。对单个问题无所谓，但在每天几百次的循环里，它们会被模型一遍遍重读。Agents SDK 的 MCP 服务器类有一个 custom_data_extractor 参数，可以把工具输出里的数据另存给你的程序（SDK MCP 文档）；更直接的做法是用工具输出护栏在交给模型前删掉这两个字段，同时把扣费写进你自己的账本。后一种写法我们没有在本机跑过，这里只作建议。

工具审批：三种写法和一个字段名的坑

Agent Builder 里的 Human approval 是一个节点，画上去就生效。搬到代码里，审批的默认值在三个地方不一样，这是迁移时第一个要对齐的地方。Responses API 参考里 require_approval 的默认值是 always（Responses API 参考：create），MCP 指南也说默认会在把任何数据发给远程 MCP 服务器之前请求你批准（Responses MCP 指南）；JavaScript 版 Agents SDK 的 hostedMcpTool 选项表里，requireApproval 写的是默认 'never'（Agents SDK JS：MCP）；Python 版的 HostedMCPTool 则是把 tool_config 原样转给 REST 接口，不写就按 Responses API 的默认走（SDK MCP 文档）。同一个导出工作流，TypeScript 版不写审批就不审批，Python 版不写审批就每次都审批，跑起来的行为相反。

本地 MCP 服务器的 require_approval 支持五种写法："always" 或 "never"、True 或 False、按工具名的映射、{"always": {"tool_names": [...]}} 这种分组对象，以及一个签名为 (run_context, agent, tool) 的函数；函数能拿到原始的 MCP Tool 对象，包括 tool.annotations，但拿不到这一次调用的参数和调用编号（SDK MCP 文档：Approval policies）。文档同时提醒，服务器给的注解只是建议，只有在你信任服务器的分类时才用它来跳过审批。按注解写审批很自然：MCP 规范把 annotations 定义为描述工具行为的可选属性（MCP 规范：Tools），EveryInfra 给 everyinfra_call_api 标的是 readOnlyHint: false、destructiveHint: true，因为它会花钱；给 everyinfra_get_job 标的是 readOnlyHint: true，因为读异步结果不收费。00:24（新加坡时间）我们直接请求 tools/list 看了原始 JSON，12 个工具里 7 个是 readOnlyHint: true，逐个列在下表。

这张表也说明了前面为什么用 tool_filter 只开两个：要审批的 5 个里，有 4 个和社媒问答无关，开着它们只会让审批队列里多出模型误调的请求。everyinfra_create_ticket 是个特例，它不只读、但也不标「破坏性」，按「不是只读就审批」的写法它会被拦下，这正是我们想要的，因为开工单会通知到人。

坑就在这里。原始 JSON 里字段名是规范写的驼峰 readOnlyHint，但 Agents SDK 0.24.0 在今天默认装上的是 MCP Python SDK 2.3.0，它把这个字段暴露成 read_only_hint。我们第一次写审批函数时照规范名写 tool.annotations.readOnlyHint，用 getattr 取不到就当「不是只读」，结果 12 个工具全部判成要审批，连免费的 everyinfra_get_job 也要人点一下。为了确认不是我们写错，我们另建一个环境装 openai-agents==0.24.0 加 mcp<2，装上的是 1.30.0，在这个版本里字段名又是 readOnlyHint，read_only_hint 取不到。SDK 文档写明它同时支持 mcp>=1.19.0,<3 两个大版本，并会自动适配连接方式（SDK MCP 文档：MCP Python SDK v1 and v2），但注解对象的属性名跟着装上的 MCP 包走，这一点文档没有提。

这个坑往哪边错，取决于你的默认值怎么写。我们的写法是取不到就要审批，错在保守一侧：多弹几次审批，无人值守的定时任务会卡住，但不会多花钱。反过来，如果默认值写成「取不到就当只读」，在另一个大版本下就会让所有会花钱的调用都免审批。按 Responses API 或 HostedMCPTool 那条路走就没有这个问题，因为过滤是 OpenAI 服务端按 JSON 字段做的，JavaScript 版文档也写了 requireApproval 的对象形式可以按只读注解选工具（Agents SDK JS：MCP）。修法也简单：像上面配置里那样两个名字都读，再在部署前跑一次 list_tools()，断言要审批的工具数等于你期望的数。我们的期望值是 5，来自服务器原始 JSON 里 readOnlyHint 不为 true 的工具个数，不是来自审批函数自己。

拒绝一次调用之后发生了什么

批准之外，还要确认拒绝真的拦住了。00:19（新加坡时间）我们让脚本模型请求从 OpenAI 官方的 Agent Builder 介绍视频拉 100 条热门评论，运行同样在审批处暂停；这次我们调用 state.reject(item, rejection_message="Reviewer rejected: 100 comments is more than this question needs.")，再恢复运行。模型第二轮收到的输入里，这个调用对应的 function_call_output 正是那句拒绝说明，没有 EveryInfra 的请求编号，也没有扣费记录。SDK 文档对拒绝的说法是：被拒绝的工具调用默认把 SDK 的标准拒绝文字交回运行，可以用 RunConfig.tool_error_formatter 改全局文字，也可以在 state.reject() 里用 rejection_message 单独改一次（SDK 人工审批文档：Custom rejection messages）。

拒绝说明要写成模型能照着改的话。只写「被拒绝了」，模型多半会原样再试一次；写清「100 条超出这个问题的需要」，模型下一轮就有理由把 limit 改小。这和 EveryInfra 自己的错误返回是同一个思路：参数写错时接口回 422，带支持的参数、允许值和建议的改法，并写明没有扣费，让客户的 AI 能自己改正。审批还有一个容易误用的开关：state.approve(item, always_approve=True) 会让同一个工具之后的调用都自动通过，而且这个决定会跟着 RunState 一起被序列化保存（SDK 人工审批文档）。对会花钱的数据调用，我们建议只做逐次批准，或者干脆用函数按参数判断，比如 limit 超过 20 就拦下。

流式：暂停时流里有什么，恢复后 15 秒才有结果

Agent Builder 的预览窗口会一格一格点亮正在执行的节点，用户看得到进度。搬到 SDK 之后，进度要你自己从流式事件里拼出来。SDK 的流式文档把事件分成两层：raw_response_event 是模型原始的 Responses API 事件，run_item_stream_event 是更高层的「某一项生成完了」，名字是固定的一组，其中和 MCP 有关的是 tool_called、tool_output、mcp_approval_requested、mcp_approval_response、mcp_list_tools（SDK 流式文档）。文档还写了：如果有工具需要审批，stream_events() 会结束，待审批的项出现在 interruptions 里，要转成 RunState、批准后再用 Runner.run_streamed() 接着流（SDK 流式文档：Streaming and approvals）。

我们把 00:18 那次运行的每个事件都记了下来。暂停前一共 14 个事件，全部挤在头 0.095 秒里：1 个 agent_updated_stream_event，11 个原始事件（response.created、两组 response.output_item.added 和 response.function_call_arguments.done 等），最后是 2 个 tool_called。恢复后 13 个事件，头一个在第 0.024 秒，然后整整 15 秒什么都没有，第 15.07 秒两个 tool_output 一起到，再跟着模型写答案的 9 个原始事件和 1 个 message_output_created。也就是说，用户点了「批准」之后，有 15 秒流里是空的。两个工具并行执行，结果是一起交回的，先完成的那个也要等慢的那个。

这 15 秒怎么填，取决于你走哪条路。走本地 MCP 时，SDK 的 tool_called 事件在暂停前就发出了，你可以在 tool_called 到 tool_output 之间自己显示「正在拉 Reddit 和 YouTube 的数据」。走 Responses API 托管 MCP 时，OpenAI 的流式事件参考里专门有 8 个 MCP 事件：response.mcp_list_tools.in_progress、.completed、.failed，response.mcp_call_arguments.delta、.done，以及 response.mcp_call.in_progress、.completed、.failed（Responses 流式事件参考），前端可以直接按 mcp_call.in_progress 显示进度。如果前端仍用 ChatKit，它的服务端有 ProgressUpdateEvent，长时间运行的工具可以往界面推进度（Advanced integrations with ChatKit）。还有一条容易漏：SDK 文档提醒，事件消费者中途退出时，后台运行可能还在继续调模型和工具；要中途停下，得显式调用 result.cancel()（SDK 流式文档）。对每次调用都扣费的数据工具，这一条直接关系到账单。

默认 5 秒超时：客户端说失败，服务端已经扣费

这是本次测试里最贵的一个发现，虽然只花了 $0.000556。SDK 文档写明，MCPServerStdio、MCPServerSse、MCPServerStreamableHttp 的 client_session_timeout_seconds 默认是 5 秒（SDK MCP 文档）。而社媒数据的同步调用经常超过 5 秒。00:19–00:21（新加坡时间）按「算账」一节的固定配方跑的两个问题，6 次调用里有 4 次超过 5 秒：

这 6 次跑的时候客户端的等待时间长于 5 秒，所以都拿到了结果；换成默认值，每个问题只有 Reddit 搜索那一步能回来，YouTube 的两步都会在你这边报错、在服务端照样扣费。两次 reddit/search 都卡在 4.7–4.9 秒，离 5 秒只差几百毫秒，网络稍慢一点也会掉进去。00:29:20（新加坡时间），我们用默认超时的客户端调了一次 youtube/comments，对象是一个 2025 年 10 月的 Agent Builder 课程视频，limit 100。客户端在 5.0 秒抛出 MCPError: Request 'tools/call' timed out。

45 秒后（00:30:05）我们用 everyinfra_list_requests（只读、不收费）查这把 Key 的请求记录，看到一条 youtube.comments，状态 200，latency_ms 28,442，items 100，charged 为 true，扣了 $0.000556，完成时间是 UTC 16:29:48，也就是新加坡时间 00:29:48，正好是发出时间加 28.4 秒。请求列表不返回参数，所以我们是按发出时间和耗时对上的，同一把测试 Key 那几分钟也有别的任务在用。结论很明确：客户端放弃等待，不等于服务端取消；数据已经拿到、钱已经扣了，你这边却只看到一个超时错误。如果你还按 SDK 文档给连接加了 max_retry_attempts（它会自动重试 call_tool()），模型或 SDK 再试一次就会再扣一次。

修法有两种，可以一起用。一是把 client_session_timeout_seconds 调到比最慢的能力更长，我们用的是 120 秒；EveryInfra 同步调用自己的等待上限是 85 秒，目录的 async_mode 说明里写着，慢任务或大 limit 用异步模式，而不是等同步的 85 秒（目录）。二是对已知的慢能力直接走 mode: "async"。00:25（新加坡时间）我们经 MCP 发了一次异步的 youtube/comments：2.53 秒拿到 status: running 和 job_id，之后每 3 秒用 everyinfra_get_job 查一次，6 次 running、4 次 finalizing，第 11 次 succeeded，从提交到拿到结果 38.58 秒。everyinfra_get_job 的工具说明写明它免费、不占每分钟的次数，所以轮询不加钱；扣费只在提交那一次，$0.000556。对 agent 来说，异步模式把「一次长等待」变成了「几次短调用」，每次都远低于 5 秒，也更容易在界面上显示进度。

实测：「开发者怎么看 Agent Builder 停服」这个问题能拿到什么

迁移完了，这个 agent 要回答真实的问题。我们拿它最该会答的一个问题试：开发者怎么看 Agent Builder 停服？00:16（新加坡时间）先用 reddit/search 搜「agent builder」，按最新排序，回了 10 条，全部是搜索前 7 个多小时内发的帖子（新加坡时间 11 月 7 日 17:01 到 11 月 8 日 00:14），没有一条和 OpenAI 有关，有一条是在比较微软 Copilot Studio 里的同名功能。换成「OpenAI Agent Builder」按相关性排序，回了 9 条，时间从 2026 年 10 月 20 日到 2026 年 11 月 7 日；其中只有 2 条和 OpenAI 有关（一条问 Agents API，一条讲 OpenAI 托管代理的 Kubernetes operator），2 条又是微软 Copilot 的「agent builder」，没有一条提到停服。reddit/search 的目录说明写明，搜索范围固定为最近一个月，只返回对得上关键词的帖子，条数可能少于 limit（目录：reddit）。

「Agent Builder」这个名字本身就有歧义，微软也有一个，所以 agent 的指令里要写清楚：搜到的结果先按是否提到 OpenAI 过滤，再统计。同一个问题去 YouTube 搜，信号就清楚多了。00:16:36（新加坡时间）用 youtube/search 搜「openai agent builder shut down」，20 条结果里 8 条是专门讲停服的视频，发布时间从 9 月 3 日到 11 月 2 日，播放量合计 472 次；另有 6 条是 2025 年 10 月到 12 月的 Agent Builder 教程，包括 OpenAI 自己的介绍视频，播放量合计 2,118,658 次，是停服视频的约 4,489 倍；剩下 6 条和题目无关，其中又有一条是微软 Copilot 的 Agent Builder 教程。

这个差距说明一件事：大量照着教程搭过 Agent Builder 工作流的人，很可能还没看到停服的消息。OpenAI 介绍视频下面的评论也印证了这一点。00:17（新加坡时间）用 youtube/comments 按最新排序拉了 100 条，只有 2 条提到弃用：一条大约 3 个月前写「Now is deprecated!」，一条大约 2 周前问「Is this still a thing?」。100 条里有 19 条是和别的评论一字不差的重复，像是刷出来的；最新的 100 条一直往回排到「10 months ago」，有 55 条落在那个时间段。还要注意 posted_at 在这里是「2 weeks ago」这样的相对时间，不是日期，agent 要按日期筛选就得自己换算，而且只能精确到它给的粒度。对一个要统计「最近一个月」的 agent，这一条必须写进指令。

这类观察是数据接口在迁移场景里真正的用处：不是替代 Agent Builder，而是帮你判断「我的用户里有多少人还不知道要搬」。如果你维护的是一个基于 Agent Builder 的模板、课程或插件，可以照这个配方每周跑一次，看停服相关视频和评论的增长，用来决定要不要给老用户再发一次提醒。站内的 YouTube 评论接口说明 和 Reddit 搜索接口说明 列了全部参数；同样的做法也能换到 YouTube 搜索 和 Reddit 评论。

算账：每天 100 个问题，一个月多少钱

成本分两块：数据接口费和模型费。数据接口费最好算。每个问题按固定配方调 3 次：reddit/search 取 10 条、youtube/search 取 5 条、对搜索到的第一个视频调 youtube/comments 取 20 条，目录里三项的 price_usd 都是 0.000556，按次计费、和返回条数无关（目录）。每题 $0.001668，每天 100 题、一个月 30 天共 3,000 题，接口费 $5.004。失败和空结果按目录说明退款，所以这是上限。

模型费要从真实返回的大小算。00:19–00:21（新加坡时间）我们用这个配方跑了两个问题。「Notion AI」：reddit/search 回 7 条、11,318 字节，youtube/search 回 5 条、16,689 字节，youtube/comments 回 20 条、6,525 字节，合计 34,532 字节。「Cursor pricing」：reddit/search 只回 1 条、1,372 字节（关键词匹配很严），youtube/search 8,411 字节，youtube/comments 7,652 字节，合计 17,435 字节。两题平均每题 25,984 字节，按 4 字节约 1 个 token 算约 6,496 token。

关键在于代理循环会重读。第一轮模型只读指令、工具定义和问题，约 1,052 token（指令按 400 token、问题按 40 token 假设，工具定义 612 token 是实测）；它发出两个搜索调用。第二轮要把两个搜索结果一起读进来，约 5,896 token；它再发出评论调用。第三轮要把前面所有内容加上评论结果再读一遍，约 7,728 token，然后写答案。三轮输入合计 14,676 token，是「只读一遍工具返回」的 2 倍左右。输出按每个调用参数 60 token、答案 500 token、每轮推理 300 token 假设，合计 1,580 token。一个月 3,000 题，输入约 4,403 万 token，输出约 474 万 token。

再乘上 OpenAI 定价页 11 月 8 日的标准价（每百万 token，输入 / 输出）：gpt-6-luna $0.10 / $0.50，gpt-6.1-terra $1.00 / $5.00，gpt-6.1-sol $2.00 / $10.00，gpt-6-astra $10.00 / $50.00（OpenAI 定价页）。Responses MCP 指南写明用 MCP 工具只按导入工具定义和调用工具用掉的 token 计费，每次工具调用不另收费（Responses MCP 指南）；Agents SDK 本身是开源库，不收费。下表没有算提示词缓存，也没有算你自己托管 SDK 进程的服务器费；定价页另写了数据驻留端点对 2026 年 3 月 5 日及之后发布的模型加收 10%（OpenAI 定价页）。

这张表有两个读法。第一，选模型对账单的影响比选数据源大得多：最便宜和最贵两档模型的单价正好差 100 倍，月成本从 $11.78 到 $682.28。第二，用最便宜的 gpt-6-luna 时，数据接口费占到 42.5%，这时候省钱要从调用次数下手：比如先用 youtube/search 的结果判断够不够，不够再调评论，或者把 limit 从 20 降到 10。我们也算了两种敏感性：如果你的问题平均返回大一倍（工具输出 ×2），四档月成本变成 $15.14、$106.39、$207.78、$1,018.88；如果推理 token 从每轮 300 涨到 1,000，变成 $14.93、$104.23、$203.46、$997.28。推理 token 我们没有实测，是假设里最不确定的一项；上线前用你自己的真实问题跑一周、看账单，是唯一可靠的办法。

拿官方接口做同样的事，难点不在钱。YouTube Data API 的配额说明写明，默认每个项目每天 100 次 search.list，单独计配额，其余接口合计每天 10,000 单位（YouTube Data API 配额计算器），页面最后更新于 2026 年 11 月 3 日；commentThreads.list 每次 1 单位（commentThreads: list）。也就是说，每天 100 个问题、每题一次 YouTube 搜索，正好用完默认的搜索配额，第 101 次或任何一次重试都会失败。Reddit 的免费 Data API 限制是每个 OAuth 客户端每分钟 100 次（按 10 分钟平均），并要求删除已在 Reddit 上删除的内容，建议 48 小时内清理存储的用户数据（Reddit Data API Wiki；Reddit Data API Terms）。这些规则对 agent 同样适用：如果你把拉回来的帖子存进向量库长期复用，删除义务也跟着过来。

最后一行的限速是本次实测里遇到的：00:16:55（新加坡时间）我们同时发了两个评论请求，都回了 429，retry_after 5 秒，next_steps 写着没有扣费；隔 16 秒和 39 秒重发都成功。这把测试 Key 被单独限到每分钟 10 次，那几分钟另有几个任务也在用。每天 100 题平均每分钟 0.2 题，限速只在集中提问时才会碰到；碰到时按 retry_after 等就行。

做不了或要注意的地方

导出不是迁移。迁移指南说得很清楚，导出不转换工作流图，也不保证行为不变（迁移指南）。我们没有拿到一个真实的 Agent Builder 导出文件来逐行对照，本文的节点对照表来自节点参考页和 SDK 文档；你拿到自己的导出后，要用原工作流的典型输入逐个对比输出，至少覆盖「结果为空」「被限速」「审批被拒」三种情况。导出代码默认会尝试把追踪数据发给 OpenAI，我们本机运行时没有设 OPENAI_API_KEY，SDK 打出「skipping trace export」并跳过；SDK 的追踪文档写了怎么关闭或换成你自己的追踪处理器（SDK 追踪文档）。

OpenAI 一侧我们没有跑。HostedMCPTool 和 Responses API 的 mcp_approval_request / mcp_approval_response 往返都需要真实的 OpenAI 账号和模型，本文里这两段都是配置示例；Responses API 的审批是每次调用一个请求，回复时要用 previous_response_id 把新请求和产生审批请求的那次连起来（Responses MCP 指南）。另外，connector_id 方式对 9 月 1 日之后发布的模型已经弃用，要用 server_url 或 tunnel_id（Responses MCP 指南）；如果你在 Agent Builder 的 MCP 节点里用的是 OpenAI 内置的连接器，迁移时换新模型就要换接法。

托管成本要自己算。Agent Builder 和 ChatKit 托管工作流时，你不用管服务器；搬到 SDK 后，进程、存储、冷启动都归你。社区帖里有开发者贴出的实测是：用 AWS Lambda 容器加 Lambda Web Adapter 跑 ChatKit 后端，20 次并发健康检查的冷启动初始化 2.5–3.4 秒；另一位说常驻虚拟机一个月要 15–30 美元（OpenAI 社区：Deprecation notice: Agent Builder）。这些是个人报告，不是我们的实测，只说明这笔钱和数据接口费、模型费是同一个量级，算总账时别漏。

数据一侧的边界：reddit/search 只搜最近一个月的帖子标题和正文，不搜评论全文；youtube/comments 的 posted_at 可能是相对时间；主来源不可用时，部分字段会是空的，例如 youtube/comments 可能缺 like_count 和 reply_count，reddit/search 本次就没返回 flair 和缩略图，目录 field_note 写明了每项能力会缺哪些字段（目录）。agent 的指令里要写明这几条，避免模型把「没有返回」说成「没有人讨论」。

最近的变化

• 2026-10-14：OpenAI 通知 GPT-4o、GPT-4.1 系列 2027 年 1 月 14 日下线，推荐换 gpt-6-luna（弃用页）。对读者意味着：老工作流里常见的 gpt-4.1-mini 也要换，DevPro Journal 引 The New Stack 指出这次只给了三个月（DevPro Journal）。
• 2026 年 10 月：Agents API 加了自动审批（review: "auto_review"），由模型按对话意图和风险批准或拒绝工具请求，另计 token（OpenAI 更新日志）。对读者意味着：托管那条路的审批可以交给模型，自己跑 SDK 的这条路要自己写。

常见问题

openai agent builder shut down automatically 是什么意思，到期会自动停吗？

会。弃用页写的是 11 月 30 日「计划停服」，停服后产品不再可用（OpenAI 弃用页）；弃用页对术语的说明是，停服（shut down）指不再可以访问。你不需要做任何操作它也会停，所以要在这之前导出代码。

chatkit after agent builder not working：Agent Builder 停服后 ChatKit 还能用吗？

ChatKit 保留，但由 Agent Builder 托管的工作流只在过渡期内可用（ChatKit 文档）；新应用和迁移要走 ChatKit 的高级接法，后端换成你自己的 Agents SDK 服务（Advanced integrations with ChatKit）。已发布的工作流 ID 停服后是否还能执行，官方没有写明，社区和 Forkast 都把它当作未决问题（Forkast）。

openai agent builder replacement：官方推荐的替代是什么？

迁移指南只列了两条：Agents SDK（用代码搭）和 ChatGPT Workspace Agents（用自然语言搭、和团队共享，需要 Business、Enterprise 或 Edu 工作区）（迁移指南）。社区回帖里也有人建议直接在 Responses API 上写一层自己的薄封装（OpenAI 社区清单帖）。

openai hosted mcp tool approvals：托管 MCP 的审批怎么关、怎么只关一部分？

在 require_approval 里写 "never" 关掉全部，或写 {"never": {"tool_names": [...]}} 只对列出的工具免审批（Responses MCP 指南）；Python SDK 里还可以用 on_approval_request 回调在代码里自动判断（SDK MCP 文档）。对会扣费的数据工具，建议只对免费的只读工具免审批。

上手步骤

1. 在 11 月 30 日之前打开每个工作流，点 Code → Agents SDK → Python 或 TypeScript，把导出存进代码仓库；同时导出 prompt 对象里的提示词和 Evals 里的测试集。
2. 装 PyPI 上的 openai-agents==0.24.0（Python 3.10 以上，见 PyPI；导出的是 TypeScript 就装 @openai/agents，要求 Node.js 22 以上，见 npm），照 Agents SDK quickstart 跑通第一次运行，再把模型名换成弃用页推荐的新模型。
3. 在 EveryInfra 控制台 拿一把 Key，放进环境变量 EVERYINFRA_API_KEY；远程 MCP 接入说明 和 MCP 服务页 有各客户端的配置。
4. 把 MCP 节点换成上文的 MCPServerStreamableHttp 配置：只开两个工具、超时 120 秒、审批函数两个字段名都读。
5. 跑一次 list_tools()，断言要审批的工具数是 5；再用三个真实问题对比原工作流的输出。
6. 查一下 Reddit 数据接口 和 YouTube 数据接口 的能力页，按你的问题挑能力和 limit；价格见 定价页，也可以在 市场 里直接试调。

参考资料

1. Deprecations，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/deprecations>
2. Migrate from Agent Builder，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/agent-builder/migrate-from-agent-builder>
3. Agent Builder，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/agent-builder>
4. Node reference，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/node-reference>
5. Migrate from prompt objects，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/prompting/migrate-from-prompt-object>
6. Moving from OpenAI Evals to Promptfoo，OpenAI Cookbook，2026-11-08 读取，<https://developers.openai.com/cookbook/examples/evaluation/moving-from-openai-evals-to-promptfoo>
7. Nov 30 shutdown checklist: Agent Builder, Evals, prompt objects，OpenAI 开发者社区，2026-10-30，<https://community.openai.com/t/nov-30-shutdown-checklist-agent-builder-evals-prompt-objects-evals-go-read-only-oct-31/1411075>
8. ChatKit，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/chatkit>
9. Advanced integrations with ChatKit，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/custom-chatkit>
10. Deprecation notice: Agent Builder，OpenAI 开发者社区，2026-06 起，<https://community.openai.com/t/deprecation-notice-agent-builder/1382650>
11. OpenAI Agent Builder's Nov. 30 shutdown puts migration on a code-and-validation path，Forkast，2026-11，<https://forkast.news/openai-agent-builders-nov-30-shutdown-puts-migration-on-a-code-and-validation-path/>
12. Model context protocol (MCP)，OpenAI Agents SDK（Python）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-python/mcp/>
13. MCP servers（Responses API），OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/tools-connectors-mcp>
14. openai-agents 0.24.0，PyPI，2026-10-15，<https://pypi.org/project/openai-agents/>
15. @openai/agents，npm，2026-11-08 读取，<https://www.npmjs.com/package/@openai/agents>
16. Releases · openai/openai-agents-python，GitHub，2026-10-15 起，<https://github.com/openai/openai-agents-python/releases>
17. Agents API overview，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/agents-api/overview>
18. Human-in-the-loop，OpenAI Agents SDK（Python）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-python/human_in_the_loop/>
19. What are tokens and how to count them，OpenAI 帮助中心，2026-11-08 读取，<https://help.openai.com/en/articles/4936856-what-are-tokens-and-how-to-count-them>
20. Responses API reference: Create a model response，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/reference/resources/responses/methods/create>
21. src/agents/testing/model.py，openai/openai-agents-python，GitHub，2026-11-08 读取，<https://github.com/openai/openai-agents-python/blob/main/src/agents/testing/model.py>
22. EveryInfra 数据目录：reddit，EveryInfra，2026-11-08 00:15 读取，<https://api.everyinfra.com/api/v1/social/catalog?platform=reddit>
23. EveryInfra 数据目录：youtube，EveryInfra，2026-11-08 00:15 读取，<https://api.everyinfra.com/api/v1/social/catalog?platform=youtube>
24. OpenAI Agent Builder Is Shutting Down Do This Before November 30，YouTube，2026-11-02，<https://www.youtube.com/watch?v=ug0UziXU3-Q>
25. Model Context Protocol (MCP)，OpenAI Agents SDK（JavaScript）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-js/guides/mcp/>
26. Tools，Model Context Protocol 规范 2025-11-25，2026-11-08 读取，<https://modelcontextprotocol.io/specification/2025-11-25/server/tools>
27. Streaming，OpenAI Agents SDK（Python）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-python/streaming/>
28. Responses streaming events，OpenAI API 参考，2026-11-08 读取，<https://developers.openai.com/api/reference/resources/responses/streaming-events>
29. EveryInfra 数据目录（全部能力，含 async_mode 说明），EveryInfra，2026-11-08 00:15 读取，<https://api.everyinfra.com/api/v1/social/catalog>
30. Pricing，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/pricing>
31. Quota Calculator，YouTube Data API，Google for Developers，页面更新于 2026-11-03，<https://developers.google.com/youtube/v3/determine_quota_cost>
32. CommentThreads: list，YouTube Data API，Google for Developers，2026-11-08 读取，<https://developers.google.com/youtube/v3/docs/commentThreads/list>
33. Reddit Data API Wiki，Reddit Help，2026-11-08 读取，<https://support.reddithelp.com/hc/en-us/articles/16160319875092-Reddit-Data-API-Wiki>
34. Data API Terms，Reddit，2026-11-08 读取，<https://www.redditinc.com/policies/data-api-terms>
35. Tracing，OpenAI Agents SDK（Python）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-python/tracing/>
36. AI model deprecation is coming. Is your product ready?，DevPro Journal，2026-11，<https://www.devprojournal.com/technology-trends/ai/ai-model-deprecation-is-coming-is-your-product-ready/>
37. Changelog，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/changelog>
38. Safety in building agents，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/agent-builder-safety>
39. Secure MCP Tunnel，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/secure-mcp-tunnels>
40. Agents SDK quickstart，OpenAI，2026-11-08 读取，<https://developers.openai.com/api/docs/guides/agents/quickstart>
41. Guardrails，OpenAI Agents SDK（Python）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-python/guardrails/>
42. Sessions，OpenAI Agents SDK（Python）文档，2026-11-08 读取，<https://openai.github.io/openai-agents-python/sessions/>
43. examples/hosted_mcp，openai/openai-agents-python，GitHub，2026-11-08 读取，<https://github.com/openai/openai-agents-python/tree/main/examples/hosted_mcp>