Agent Sandbox
Agent Sandbox是一个安全、快速且可编程的运行时环境,专为执行具有内置隔离的AI Agent代码而设计,允许通过容器化和Kubernetes集成安全地执行不受信任的LLM生成的代码。
https://agentsandbox.co/?ref=producthunt&utm_source=aipure

产品信息
更新于:2026年02月06日
什么是 Agent Sandbox
Agent Sandbox是一个企业级、云原生基础设施平台,为AI Agent提供隔离的执行环境。它构建于Kubernetes之上,通过创建具有持久存储和稳定身份的沙盒环境,使组织能够安全地运行由大型语言模型(LLM)生成的不可信代码。该平台结合了浏览器自动化、Shell访问、文件管理和代码执行等基本工具,同时在不同的Agent实例之间保持严格的安全边界。
Agent Sandbox 的主要功能
Agent Sandbox是一个云原生控制器,它为执行AI代理生成的代码提供安全、隔离的环境。它提供亚秒级沙箱启动、持久存储、多会话支持以及对浏览器自动化、shell命令和文件操作的全面API访问等功能。该平台与Kubernetes集成,并使用gVisor等技术进行隔离,使其特别适合企业级AI代理部署。
安全隔离: 使用gVisor和容器技术在应用程序和集群节点的操作系统之间创建安全屏障,防止未经授权的访问以及不同代理之间的干扰
快速启动和性能: 通过预热池实现亚秒级沙箱创建延迟,启动时间约为200毫秒,并具有快速恢复功能
全面的开发工具: 包括内置VNC浏览器、VS Code、Jupyter、文件管理器和通过API/SDK的终端访问,所有这些都在具有共享文件系统的单个Docker容器中运行
多会话和多租户支持: 支持在每个代理或每个用户的基础上进行隔离,并在多次交互和对话中保持状态持久性
Agent Sandbox 的使用场景
AI代码执行: 在隔离环境中安全地执行和测试LLM生成的代码,而不会危及生产系统
企业AI开发: 为在具有敏感数据的企业环境中开发和测试AI代理提供安全、可扩展的环境
自动化测试: 创建隔离环境,用于使用合成数据测试复杂的对话流程和AI代理行为
云原生AI部署: 在生产Kubernetes环境中部署和管理数千个沙箱化的AI代理
优点
具有多种隔离选项的企业级安全性
具有亚秒级启动时间的高性能
全面的API和SDK支持,易于集成
内置支持多种开发工具和环境
缺点
部署需要Kubernetes基础设施知识
与更简单的解决方案相比,可能具有更高的运营复杂性
基于使用量的定价对于大规模部署可能会变得昂贵
如何使用 Agent Sandbox
安装SDK: 使用pip安装Agent Sandbox Python SDK:'pip install agentsandbox-sdk'
初始化Sandbox客户端: 通过使用基本URL初始化来创建Sandbox客户端:'c = Sandbox(base_url=\"http://localhost:8080\")'
创建会话: 使用以下命令创建具有所需Agent类型(claude、codex、opencode或amp)的新沙盒会话:'client.createSession(\"my-session\", {agent: \"claude\", permissionMode: \"auto\"})'
配置环境: 在沙盒清单文件中指定任何所需的依赖项、库或系统工具,以便自动安装
上传文件: 上传Agent需要处理的任何输入文件或数据到沙盒环境
执行代码: 通过API在沙盒内安全地运行Python代码或Shell命令
流式传输事件: 通过流式传输事件来监视执行:'for event in client.streamEvents(\"my-session\"): print(event.type, event.data)'
检索输出: 下载Agent在沙盒中生成的任何输出文件、图表或结果
清理: 使用上下文管理器或显式清理调用来终止沙盒会话,以便在完成后释放资源
监控使用情况: 通过仪表板跟踪计算时间和存储使用情况,以管理成本(计算费用为每秒0.00025美元,存储费用为每MB 0.0005美元)
Agent Sandbox 常见问题
Agent Sandbox 是一个云原生控制器和安全代码执行 API,适用于 AI 代理,它提供了一个沙盒环境,用于运行 Python 和 shell 命令。它将浏览器、Shell、文件、MCP 操作和 VSCode 服务器组合在一个 Docker 容器中。











