北京
LangBot v4.10.0 是该项目迄今最大的一次智能体更新。它带来两项指向同一方向的能力，让内置智能体可以像真正的开发者一样工作：沙盒环境与按需技能加载。两项能力均由社区贡献者 @huanghuoguoguo 主导完成。
沙盒：给智能体一个真实工作区
此前，LangBot 的内置智能体只能调用预定义工具，无法打开终端运行命令，也不能把中间结果写入文件再读回分析。v4.10.0 引入新的 Box Runtime，为智能体提供一个隔离沙盒环境，并内置六种原生工具。
借助这套工具，智能体可以运行脚本、把输出保存到文件、读回内容进行分析，再对结果做后处理。整个过程都在隔离环境中完成，不会触碰宿主机。
可插拔执行后端
沙盒的执行后端采用可插拔设计，LangBot 会根据部署方式自动选择：
- Docker：启动专用 langbot_box 容器，通过 WebSocket 与主进程通信，适合容器化部署。
- nsjail：基于 Linux 命名空间的轻量隔离，无需额外容器，适合裸机或单容器环境。
- E2B：云端沙盒，在远程隔离环境中执行。
用户无需手动选择，box.enabled 是总开关。开启后，LangBot 会探测最合适的后端，探测失败时自动降级。
同时承载 MCP 服务器
除原生工具外，Box Runtime 还承担另一项任务：托管 stdio 模式的 MCP 服务器。此前，stdio 模式 MCP 服务器必须作为子进程直接运行在主进程内，既不安全也不易管理。现在它们全部在沙盒内运行，与智能体执行环境共享同一隔离边界。http/sse 模式 MCP 不受影响，仍按原有方式工作。
技能：按需加载专门知识
第二项大更新是 Skills。随着智能体能力增长，一个老问题浮现：上下文窗口有限。如果把所有指令、流程和参考文档都塞进系统提示，上下文会迅速被占满，而且其中大部分内容在单次任务中并不需要。
Skills 让智能体可以按需加载专门知识，而不是把所有内容都塞进上下文。这样既节省上下文空间，又让智能体在需要时获得更精准的操作指引。
LangBot 平台背景
LangBot 是一个开源大模型机器人平台，GitHub 星标超过 15000。它支持从单个实例部署到 Discord、Telegram、微信（个人微信/企业微信）、Slack、飞书、钉钉、QQ 等多个消息平台，并接入 20 多种大语言模型，包括 OpenAI GPT、Anthropic Claude、Google Gemini、DeepSeek 等。平台内置智能体、RAG 知识库、MCP 支持和插件生态，可通过一条 Docker 命令自托管，也可在 LangBot Cloud 上托管运行。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
