在沙箱中跑 1000 个 Agent 任务：LLM 执行代码时什么会崩——AWS 的 Kevin Orellana

AWS Bedrock AgentCore 工程师 Kevin Orellana 把 AgentCore 的代码沙箱和云浏览器封装成 MCP server，让编码 agent 在 10 个领域自动编写并运行 1000 个测试，结果记录到 SQLite。他梳理了发现的失败案例，包括图像编码 bug、null 字节、文件不可读和浏览器内存耗尽，并把接口层缺陷与沙箱层限制（内存、文件权限、seccomp、eBPF）区分开来，讨论沙箱限制如何决定 agent 能否完成任务。

AI推荐理由 AWS Bedrock AgentCore 工程师 Kevin Orellana 的实践分享：将 AgentCore 代码沙箱与云浏览器封装为 MCP server，让编码 agent 在 10 个领域自动编写并运行 1000 个测试、结果写入 SQLite，并区分接口层缺陷（图像编码、null 字节、不可读文件）与沙箱层限制（内存、文件权限、seccomp、eBPF）。对做 agent 沙箱与代码执行基础设施的开发者有直接参考价值；局限是内容为会议演讲摘要，具体失败清单与复现细节需看视频，且未提供独立验证。