让编程智能体执行代码,第一件要想清楚的事不是"能不能跑通",而是"跑坏了算谁的"。模型误操作、提示注入,任何一个环节出问题,生成的代码都可能直接作用在宿主机器上。尤其是在本地试模型的时候,这个风险值得先摆到台面上。
![]()
外部沙箱(external sandbox)的思路很直接:智能体待在沙箱外面,它要执行的代码待在专用沙箱里面。智能体只负责发起执行请求,隔离环境负责真正运行代码,两者不必挤在同一个运行环境里。
从 AI 工程实践的角度看,这个模式的重点不只是"代码能不能运行",还包括执行权限、网络访问和凭据使用这三条边界画在哪里。
三种实现,共用一套本地 API
围绕外部沙箱模式,与 AI 研究实验室 Prime Radiant 合作开发的项目给出了三种沙箱服务器实现。三种实现提供相同的 localhost API,通过配置,Pi、Claude Code 或 Codex 可以在需要执行代码时调用这些 API,把执行工作交给沙箱。
这套设计把智能体的接入方式和底层隔离实现拆开了。对开发者来说,好处是换沙箱方案时不用动接入层,可以挨个试。
网络和凭据,是另外两道门
代码进了沙箱,不等于网络访问也一并被管住了。这些实现还提供可选的 HTTP/HTTPS 白名单代理,用来控制沙箱内代码能连哪些主机。
配套的网络策略界面支持在沙箱运行期间重新配置代理,界面上展示三样东西:
- 允许访问的目标;
- 网络策略 JSON 编辑器;
- 近期代理活动。
也就是说,代码在哪里跑、能访问哪些网络目标,是两个可以分别控制的层面,不必捆在一起。
凭据这块,沙箱提供的是替换机制:代码可以发起需要身份认证的 API 请求,但真实密钥不必交到智能体手上。凭据使用因此成了独立的控制环节,而不是为了让请求成功,就把真实密钥直接暴露给智能体。
安全边界该怎么理解
外部沙箱不是简单"换个地方执行代码",而是把三个问题拆开处理:执行隔离,代码在专用沙箱中运行,而不是直接在智能体所在环境执行;网络控制,通过可选的白名单代理限制代码能连接的主机;凭据管理,通过凭据替换支持认证请求,避免把真实密钥交给智能体。
这种模式为探索不可信代码的安全执行提供了一条实践路径。但它建立的是更明确的权限边界,不该被理解成能彻底消除所有误操作或提示注入风险。
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.