开源社区支持OpenEnv用于Agentic RL
The Open Source Community is backing OpenEnv for Agentic RL
Hugging Face 宣布 OpenEnv 项目转为由 Meta-PyTorch、Unsloth、Nvidia 等组成的委员会治理，代码迁移至 huggingface/OpenEnv。OpenEnv 定位为 RL 环境的互操作层，标准化 agent 执行环境的发布与部署，支持 HTTP、WebSocket 及 MCP 协议，并提供 Gymnasium 风格 API。后续计划包括通过 datasets 集成任务集、外部奖励定义、持续集成框架及自动验证。PyTorch Foundation、vLLM、Lightning AI 等机构已表示支持。
](https://huggingface.co/burtenshaw)
OpenEnv 是一个用于创建 agent 执行环境的工具，例如终端、浏览器，或任何 agent 可以与之交互的环境。今天，我们很高兴地宣布 OpenEnv 将变得更加开放，以推动训练 agent 的未来走向开源。
从今天起，OpenEnv 将由一个委员会协调，该委员会目前包括 Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI 和 Hugging Face。OpenEnv 现在位于 huggingface/OpenEnv。
OpenEnv 项目已获得 AI 生态系统中一些领先组织的支持和采用，包括 PyTorch Foundation、vLLM、SkyRL (UCB)、Lightning AI、Axolotl AI、Stanford Scaling Intelligence Lab、Mithril、OpenMined、Scaler AI Labs、Scale AI、Patronus AI、Surge AI、Halluminate、Turing、Scorecard 和 Snorkel AI。
为什么我们需要 OpenEnv 来训练开源 agent
像 Claude Code、Codex、OpenClaw 和 Hermes 这样的 agent 框架（harness）在不断进步。它们进步的一个原因是，像 GPT-5.5 和 Opus 4.8 这样的模型经过了训练，能够使用各自的框架。
我们也希望开源模型能获得同样的提升：训练本地模型以有效使用这些框架，并通过为特定任务定制模型来节省计算资源。
为什么我们需要（更加）开放
前沿实验室训练的模型和框架，在很大程度上是紧密配合的。模型经过训练以使用该框架，并针对其特性进行了优化。模型可以在一定程度上泛化到这些框架之外，但没有什么能比得上训练带来的效率。
在开源领域，情况并非如此。开发者可以根据自己看重的用例，使用任何框架、任何模型、任何推理引擎。这对社区来说是根本性的，但也是一个需要基础设施和工具来应对的挑战。
这就是 OpenEnv 发挥作用的地方。它是一个在框架、环境和训练器之间建立接口的库，适用于任何模型。为了使其持久发展，它需要由所有主要利益相关方共同拥有。
一个协议层，而非奖励框架
伴随着治理结构的变更，我们也在明确 OpenEnv 的定位。
在最近的版本中，OpenEnv 已成为一个 RL 环境的互操作层。它的工作是标准化环境的发布、部署以及被 agent 使用的方式。它不会规定奖励如何定义或训练循环如何工作。奖励定义、评分标准以及训练器特定的逻辑，应归属于专门处理这些的库。OpenEnv 是它们都可以插入的通用接口。
在实践中，这意味着：
一个接口，多种环境，所有这些环境都暴露了熟悉的 Gymnasium 风格 API（reset()、step()、state()），运行在客户端/服务器架构上。一个使用 OpenEnv 的训练器可以驱动任何兼容的环境，而无需定制代码。
熟悉的协议和规范的打包方式。环境通过 HTTP 和 WebSocket 等标准协议提供服务，并使用 Docker 打包。MCP 是一等公民，因此 OpenEnv 环境可以立即与 MCP 服务器兼容，并且同一环境在模拟（训练/评估）和生产模式下行为一致。
跨环境库的互操作性。你可以在不同的生态系统（verifiers、harbor 等）中定义和使用环境，并选择你偏好的基础设施和 hub。OpenEnv 是它们底层的部署和接口层，而不是它们的竞争对手。
下一步计划
在接下来的几个月里，我们将专注于将 OpenEnv 从一个快速发展的项目转变为一个可靠的标准：
- 通过 datasets 实现任务集：将环境任务与 Hugging Face datasets 连接起来，使环境和 benchmark 能够干净地组合（RFC 006）。
- 外部奖励：允许在你已使用的任何库中定义奖励，而 OpenEnv 作为部署层（RFC 007）。
- 持续集成框架：对 agent 框架提供一等支持。
- 端到端示例：在 TRL、Unsloth 等工具中提供完整的训练和评估教程。
- 自动验证：衡量环境质量及其对模型学习的贡献。这将为社区提供一种可扩展的方式来评估其环境并提升质量（想想黑客马拉松！）。RFC 008。
参与进来
OpenEnv 在设计上以社区为中心，而且现在还处于早期阶段——预计会有一些粗糙的地方，请帮助我们打磨它。查看代码和 RFC：github.com/huggingface/OpenEnv
感谢所有帮助实现这一转变的人。让我们一起为开源 agentic RL 构建共同的基石。