sandbox(AIO Sandbox：为 AI Agent 打造的一体化、可定制的沙箱环境)_中超_体育_资讯

AI Agent 在执行复杂任务时，常需在浏览器、代码执行、文件系统之间切换。传统多沙箱方案面临环境割裂、数据搬运、鉴权复杂等问题。AIO Sandbox 通过一个 Docker 镜像整合所有能力，提供统一文件系统与鉴权，并支持镜像定制，提升了 Agent 任务执行与交付效率。

随着 LLM 的持续演进，AI 的应用形态经历了三代跃迁：

Copilot：辅助协作，提升效率
Agent 能够自主感知环境、规划步骤、调用工具，能够像人类一样操作计算机：自动浏览网页收集信息、生成并运行代码分析数据、执行系统命令管理文件，甚至通过可视化界面完成复杂的多步骤操作。这种能力使 Agent 的交付成果接近甚至超越人类专业水准。
nerror="javascript:errorimg.call(this);">
环境割裂：多个单功能沙盒（如 E2B 支持代码执行，Browserbase 支持浏览器）迫使 Agent 通过 NAS/OSS 跨沙箱传输数据，增加延迟与复杂度。如：深度研究 Agent 完成『将一篇论文 Paper 做成 PPT』需在多沙箱间交换数十个中间文件（JSON 配置、图表图片、预览截图等），增加整个 Agent 系统复杂度和开销。

定制困难：不同类型的 Agent 需要预装不同的技术栈，传统沙箱提供统一的预装环境，既无法满足所有 Agent 的个性化需求。

安全隔离难：既要让 Agent 拿到真实系统能力（网络、文件、浏览器、GPU），又要强隔离避免越权与数据外泄。

浏览器环境复杂度高：反自动化与指纹风控，CDP 不稳定性、带用户名密码的代理支持不完善、GUI 操作缺失。

介绍

官网：sandbox.agent-infra.com

API：sandbox.agent-infra.com/api
AIO（All-in-One）沙箱
开箱即用：通过 /mcp协议直连沙箱能力，同时提供 API / SDK 定制沙箱工具集。
定制化：各垂直场景的 Agent 需配套领域工具与依赖；AIO 以统一镜像基座，用约定式路由和服务配置支持按需扩展。
人工接管：提供浏览器 VNC、Code Server、Terminal，支持任务中途人工接管与调试。
安全鉴权：JWT Bearer 访问控制；对无法携带 Header 的链接提供短时票据（Short-Lived Ticket）。
nerror="javascript:errorimg.call(this);">
示例
帮我设计一个有趣的网站，为在上小学的孩子介绍侏罗纪和白垩纪时期的蜥脚类恐龙。希望网站是卡通风格的。
Replay：
使用的 AIO 功能
DOM 操作（/v1/browser/info）
视觉操作（/v1/browser/actions）

文本编辑器工具（/v1/file/str_replace_editor）

端口转发（反向代理）

搜索关于字节跳动Seed1.6模型的新闻，然后以现代风格编写一个网页并部署

Replay：

nerror="javascript:errorimg.call(this);">

根据这张 OSWorld 图片，请在互联网上查找最新信息并为其设计一个现代化的网站。

Replay：

nerror="javascript:errorimg.call(this);">

玩 Poki 2048 游戏

Replay：

nerror="javascript:errorimg.call(this);">

更多见：https://seed-tars.com/showcase/ui-tars-2

云端

https://www.volcengine.com/docs/6662/1851199

nerror="javascript:errorimg.call(this);">

本地

本地 Docker 启动

整体

沙箱定制程度依次递增：

Custom Toolset（工具 / Skills 扩展）：不改镜像，基于 SDK / API 增加或编排工具（如增加web_search 搜索）；同时扩展出 Skills 实现特定沙盒任务的自动化处理。

Sandbox 可扩展架构

AIO Sandbox 组件图

面向 Agent 的浏览器环境，核心在于提供出 CDP和 VNC，主流 Browser Use 框架都可以直接使用；

AIO Sandbox Browser 架构

CDP （Chrome Devtools Protocol）是一种用于与 Chrome 或 Chromium 浏览器通信的协议，通过 WebSocket 提供浏览器控制 API，可以执行导航与加载、DOM 操作、JS 执行/调试、网络拦截与模拟、截图与渲染、安全与权限等。

访问 http://localhost:9222/json/version，其中webSocketDebuggerUrl 就是 CDP 地址：

$ curl http://localhost:9222/json/version{   "Browser": "Chrome/141.0.7390.66",   "Protocol-Version": "1.3",   "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/141.0.0.0 Safari/537.36",   "V8-Version": "14.1.146.11",   "WebKit-Version": "537.36 (@95681a3c3d516c397b75ff45b8980c1088666775)",   "webSocketDebuggerUrl": "ws://localhost:9222/devtools/browser/a6c5f19f-5d24-4bed-ba08-9c15cf5aeedb"}

Navigate www.toutiao.com

GUI 视觉操作

不同于基于 CDP 的截图，视觉的截图 /v1/browser/screenshot 是带 Tabs（即整个浏览器窗口），操作也是面向整个浏览器窗口。

nerror="javascript:errorimg.call(this);"> AIO Sandbox：为 AI Agent 打造的一体化、可定制的沙箱环境

nerror="javascript:errorimg.call(this);">

基于 CDP 的页面截图（Page）

统一动作空间

action_type

必需参数

MOVE_TO

x, y

MOVE_REL

x_offset，y_offset

CLICK

MOUSE_DOWN

MOUSE_UP

RIGHT_CLICK

DOUBLE_CLICK

DRAG_TO

x, y

DRAG_REL

x_offset，y_offset

SCROLL

TYPING

text

PRESS

key

KEY_DOWN

key

KEY_UP

key

HOTKEY

keys (数组)

例如：["ctrl", "c"]

WAIT

等待

当 Browser Use 遇到要登录的情况，一般需要人工接管，需要提供可交互的浏览器界面，目前有两种做法：

前端通过 CDP 连接，在 Canvas 上实时重绘完整浏览器界面；我们把前端部分封装了一个组件 @agent-infra/browser-ui。如下左为实际浏览器，右为 browser-ui 投屏：

两种接管方式的差异大致如下：

VNC

技术原理

通过 CDP 控制浏览器，Canvas 渲染内容

RFB (Remote framebuffer)

传输内容

仅浏览器当前 page 内容（默认没有 Tabs，可以单独实现）

高（10-50 Mbps）

延迟

较低（10-50ms）

不易断连

CPU占用

低（仅浏览器渲染）

高（需要完整桌面环境）

控制范围

仅浏览器内部页面

基础（鼠标键盘模拟）

多窗口支持

仅单个浏览器窗口

可以操作本地文件

命令行解释器

文件操作

文件增改查：封装文件读取/写入/列目录/新建/上传/下载等基础 I/O，配合路径校验与权限控制，覆盖通用文件操作场景。

view（查看文件或目录，含行范围）

insert（按行插入，旧版支持）

代码执行

MCP Servers 聚合器

/mcp 支持 MCP Servers 过滤

代理

正向代理：Browser Use Agent 可访问私有/全球网络

正向代理

AIO Sandbox 正向代理原理

在 Chromium 官方文档（见文末参考5）写明不会使用任何嵌入在代理设置里的用户名/密码（例如 http://user:pass@host:port 这种），认证要走单独的质询弹窗，影响整个 Browser Use 使用（如下图）：

nerror="javascript:errorimg.call(this);">

反向代理

nerror="javascript:errorimg.call(this);">

提供两种访问 Sandbox 内部服务端口的方法：

subpath 子路径转发：会遇到非常多问题：对于路由敏感服务（如前端项目）会因为额外的 /proxy|absproxy/${端口} 路径造成资源匹配 404。

Agent 在沙箱里会产生用户数据，为了在不侵入、不修改任何既有业务路由配置、同时不增加未来扩展的路由配置的心智负担的前提下，实现 AIO Sandbox 全局统一鉴权，在内部 Nginx 网关层设计了“非对称加密+JWT”反向代理架构来实现鉴权：

nerror="javascript:errorimg.call(this);">

启动服务（带公钥开启鉴权），使用环境变量 JWT_PUBLIC_KEY

export JWT_PUBLIC_KEY=$(cat public_key.pem | base64)JWT_PUBLIC_KEY="${JWT_PUBLIC_KEY}"

业务服务用私钥生成一个有效期为 1 小时的 JWT，以下是简化的脚本来生成 JWT，实际中业务后端应使用成熟的 JWT 库：

# 这是一个简化的脚本来生成JWT，实际中业务后端应使用成熟的 JWT 库 base64url_encode { openssl base64 -e -A | tr '+/''-_' | tr -d '='; }header='{"alg":"RS256","typ":"JWT"}'exp_time=$(($(date +%s) + 3600))payload="{\"exp\":${exp_time}}"to_be_signed="$(echo -n "$header" | base64url_encode).$(echo -n "$payload" | base64url_encode)"signature=$(echo -n "$to_be_signed" | openssl dgst -sha256 -sign private_key.pem | base64url_encode)jwt="${to_be_signed}.${signature}"echo "JWT已生成: ${jwt}"

短时票据鉴权示例（以 VNC 页面访问为例）：直接访问无法通过加 Header 方式完成鉴权，只能通过 ?ticket=票据以 query 参数方式发起访问。

客户端构建并使用 VNC URL：现在，就可以使用获取到的 ${ticket} 变量来构建 VNC URL 并发起访问了。

# Bash脚本模拟客户端拼接URLvnc_url="http://localhost:8080/vnc/index.html?ticket=${ticket}&path=websockify%3Fticket%3D${ticket}"
echo"客户端构建的最终URL: ${vnc_url}"
# 模拟访问 (实际应在浏览器中进行)# curl -I "${vnc_url}"

定制镜像

服务进程目录：/opt/gem/supervisord/*.conf

如果在 AIO 镜像基础上定制服务和路由，可参考以下镜像代码：

FROM enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest
# ----------------------# 安装额外系统依赖（若有）# installed path: /usr/bin/*# ----------------------RUN set -eux; \    apt-get update; \    apt-get install -y --no-install-recommends \        ${your_system_dep} \        --no-install-recommends; \    # clean up    apt-get clean && \    rm -rf /var/lib/apt/lists/*;
# ----------------------# npm 安装（若有）# # ----------------------RUN npm i -g ${your_npm_package}
# ----------------------# python pip 安装（若有）# installed path: /usr/local/bin/*# ----------------------RUN pip install ${your_python_package}
# 添加自定义 Server 服务COPY ./supervisord.agent_server.conf /opt/tiger/run/supervisord/agent_server.conf# 绑定 Nginx 路由COPY ./nginx.agent_server.conf /opt/gem/nginx/nginx.agent_server.conf
# # 若不需要 AIO 里的服务，可进行删除，例如 Code Server# ## 删除 Code Server 进程和路由# RUN rm -rf /opt/gem/supervisord/supervisord.code_server.conf# ## 删除 Code Server 路由# RUN rm -rf /opt/gem/nginx/code_server.conf

借助 fern（见文末参考6）将 AIO Sandbox 里的接口文档直接转成 Python / Go / Node.js SDK，以 Python 为例，几行代码串联起 AIO Sandbox 里的核心功能：

from agent_sandbox import Sandbox
client = Sandbox(base_url="http://localhost:8080")
# Execute Shellshell_res = client.shell.exec_command(command="ls -la")print(shell_res.data.output) # /home/gem
# Browser Screenshotscreenshot = client.browser.screenshotprint(screenshot)
# Get Browser CDPbrowser_info = client.browser.get_browser_infocdp_url = browser_info.data.cdp_url # ws://
# Read Filefile_res = client.file.read_file(file="/home/gem/.bashrc")print(file_res.data.content)

browser-use

browser-use + AIO Sandbox

LangGraph-DeepAgents

nerror="javascript:errorimg.call(this);">

完整代码见：langgraph-deepagents.py

可使用 API / SDK 来组合 Agent 所需要的高阶工具集，例如 link_reader给 url 地址返回页面内容：

from openai import OpenAIfrom agent_sandbox import Sandboximport json
client = OpenAI(    api_key="your_api_key",)sandbox = Sandbox(base_url="http://localhost:8080")
tools = [{    "type": "function",    "function": {        "name": "link_reader",        "description": "渲染并读取网页，返回标题、正文与最终URL（基于CDP）。",        "parameters": { "type": "object", "properties": { "url": {"type": "string", "format": "uri"}, "timeout_ms": {"type": "integer", "default": 30000} }, "required": ["url"]        }    }}]
asyncdeflink_reader(url: str, timeout_ms: int = 30_000) -> dict:    cdp_url = sandbox.browser.get_browser_info.cdp_url    asyncwith async_playwright as p:        browser = await p.chromium.connect_over_cdp(cdp_url)        try: page = await browser.new_page await page.goto(url, wait_until="networkidle", timeout=timeout_ms) title = await page.title text = await page.evaluate("document.body.innerText || ''") return {"final_url": page.url, "title": title, "text": text[:8000]}        finally: await browser.close

目前最佳的公有云部署形态是函数计算，并基于 Sandbox 指定实例访问能力：

https://www.volcengine.com/docs/6662/1851199

nerror="javascript:errorimg.call(this);">

总结与展望

后续，我们将围绕稳定性、可观测性与生态集成持续打磨，不断完善评测体系与最佳实践，推动 AIO Sandbox 在更多大规模、高要求的 Agent 应用场景中实现稳健落地与高效运行。

名词解释

解释

在 LLM 语境下，AI Agent 是某种能自主理解意图、规划决策、执行复杂任务的智能体。Agent 并非ChatGPT 升级版，它不仅告诉你“如何做”，更会帮你去做。如果CoPilot是副驾驶，那么Agent就是主驾驶。类似人类“做事情”的过程，Agent的核心功能，可以归纳为三个步骤的循环：感知（Perception）、规划（Planning）和行动（Action）。

Copilot 是指一种基于人工智能的辅助工具，通常与特定的软件或应用程序集成，旨在帮助用户提高工作效率。Copilot 系统通过分析用户的行为、输入、数据和历史记录，提供实时建议、自动化任务或增强功能，帮助用户做出决策或简化操作。

All-In-One，指将多种能力（Browser、Code Execution、Shell、File、可视化接管、鉴权、代理等）在单一镜像/实例内集成，减少跨环境切换与数据搬运。

受控、隔离的执行环境。用于运行浏览器、代码或命令行，控制资源与权限，降低对宿主系统的影响与风险。

CDP （Chrome Devtools Protocol）是一种用于与 Chrome 或 Chromium 浏览器通信的协议。它允许开发人员通过发送命令和接收事件来与浏览器进行交互，以便进行调试、分析和自动化浏览器操作。CDP 提供了一组定义了浏览器行为和功能的 API（Application Programming Interface)。

VNC 是一套“远程桌面共享/控制”技术与工具族，基于 RFB（Remote framebuffer）协议工作。核心思想：把远程主机的屏幕帧缓冲（像素）编码后通过网络传输到客户端，同时把客户端的键盘、鼠标事件回放到远程主机，实现跨平台远程操作。

Model Context Protocol（模型上下文协议）是一个开放协议，它规范了应用程序如何为LLMs提供上下文。可以将MCP想象为AI应用的USB-C端口。就像USB-C提供了一种标准方式，让你的设备连接到各种外设和配件，MCP也提供了一种标准方式，让你的AI模型连接到不同的数据源和工具。

Agent 通过浏览器完成搜索、登录、点击、表单填写、下载等任务的总称，既可走 CDP 指令，也可走 GUI 视觉操作。

OpenHands 是一个开源的 AI 软件开发代理平台（AI Software Developer Agent Platform），用于训练、评测和运行能够在真实开发环境中“自主编程”的大语言模型（LLM）。它最初以 OpenDevin 名义发布，后更名为 OpenHands，由 All Hands AI 社区维护。

Docker：

CmdRunAction：

str_replace_editor：

Sandbox Fusion：

Chromium 官方文档：

fern：

完整代码：

UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning：

AIO Sandbox: All-in-One Sandbox for AI Agents & Developers：

Agentic AI基础设施实践经验系列（二）：专用沙盒环境的必要性与实践方案：

Writing effective tools for AI agents—using AI agents：

Unifying the Computer Use Action Space：

https://scrapybara.com/blog/unified-action-space

打赏

0 条相关评论

sandbox(AIO Sandbox：为 AI Agent 打造的一体化、可定制的沙箱环境)

猎毒人第2集

猎毒人第1集