智能体
x.com ·
@shao__meng
阿里 AI Native 手册学习笔记：六款开源 Agent Sandbox 横向整理
一名 X 用户在学习阿里《AI Native 研发范式实践手册》的 Agent 运行环境 Sandbox 章节后，整理了六款开源沙箱方案：腾讯云 CubeSandbox（基于 KVM MicroVM，含控制面、调度、网络与凭据策略、快照，兼容 E2B SDK）、阿里 OpenSandbox（支持 Docker/Kubernetes、多语言 SDK、MCP、浏览器与桌面环境）、字节 AIO Sandbox（Docker 形态，集成 browser、Shell、文件系统、VS Code、Jupyter 与 MCP）、字节 SandboxFusion（面向 LLM 代码执行、Online Judge 与强化学习数据集）、AWS Firecracker（MicroVM 底座，需自建上层能力）以及 Google gVisor（用户态内核 runsc，为容器工作负载提供更强隔离）。作者按国内生产自建、功能完整度、快速搭建、代码评测、高隔离多租户等场景给出选择建议，并邀请补充其他方案。
AI推荐理由 内容为对阿里《AI Native 研发范式实践手册》中 Agent 运行环境 Sandbox 章节的学习笔记，并横向整理了腾讯云 CubeSandbox、阿里 OpenSandbox、字节 AIO Sandbox 与 SandboxFusion、AWS Firecracker、Google gVisor 六个开源沙箱项目及其定位与能力差异，对需要为 Agent 选择隔离执行环境的开发者有实际参考价值。局限在于属个人整理转述，各项目能力描述未附版本、性能或安全验证数据，且部分链接在原文中显示不完整。
68
浏览 961
点赞 7
评论 6
转发 0
正文
假期第四天，继续学习阿里的「AI Native 研发范式实践手册」
今天看到「Agent 运行环境」中的 Sandbox 部分，介绍了阿里开源的 OpenSandbox，顺手搜了一下各云服务厂商开源的 Sandbox，如果你的 Agent 需要可以具体选择使用。
只搜索筛选了部分开源 Sandbox，如果大家有其他选择欢迎评论补充 🤝
1. 腾讯云 CubeSandbox [github.com/TencentCloud/C…](https://github.com/TencentCloud/CubeSandbox)z
国内生产级自建优先，基于 KVM MicroVM，具备控制面、集群调度、网络与凭据策略、快照能力，并兼容 E2B SDK
2. 阿里 OpenSandbox[github.com/opensandbox-gr…](https://github.com/opensandbox-group/OpenSandbox)5
功能覆盖面较完整，支持 Docker/Kubernetes、多语言 SDK、MCP、浏览器和桌面等 agent 执行环境能力
3. 字节跳动 AIO Sandbox [github.com/agent-infra/sa…](https://github.com/agent-infra/sandbox)J
快速搭建 browser、Shell、文件系统、VS Code、Jupyter 与 MCP 一体化 agent 工作环境，主要采用 Docker 容器形态
4. 字节跳动 SandboxFusion [github.com/bytedance/sand…](https://github.com/bytedance/sandboxfusion)J
适合 LLM 代码执行、Online Judge、代码评测和强化学习数据集运行，支持多语言及部分 GPU 运行时
5. AWS Firecracker [github.com/firecracker-mi…](https://github.com/firecracker-microvm/firecracker)D
适合自建高隔离、多租户 agent 执行平台的 MicroVM 底座，需自行建设调度、文件服务、快照管理和 agent SDK 等上层能力
6. Google gVisor[github.com/google/gvisor](https://github.com/google/gvisor)j
Google 开源的容器安全 Sandbox 运行时，通过用户态 application kernel 与 `runsc` 为 Docker/Kubernetes 工作负载提供更强隔离；适合已有容器平台、希望以较低启动和资源成本承载不可信 agent 代码的场景
meng shao@shao\_\_meng
假期第三天，继续学习阿里的「AI Native 研发范式实践手册」
今天继续看「企业级 AI 研发基础设施」中最容易被忽略、最容易自以为没问题的「企业知识库」
说起来可能会让 CEO、CIO 们不开心，你们公司的「企业知识库」真的合格吗？
虽然肯定不会是放在架子上、箱子里的一堆堆纸质文件（如果是，对不起，冒犯了 😄），基本的电子档还是有。但大部分企业，都只是把文档攒下来了，是积累？不，更像积压！
文档目录架构一团乱、每个部门都有自己的规则（或者没有规则）、关键证据缺失、关键信息都在老板脑子里、同一实时多篇文档不知道以哪个为准、很多悬而未决的 ToDo 遍布在每篇文档的最后却没跟进、不同部门有不同权限设置。。。
与其遍地找 CAIO、花大价钱请 HW 培训、找各种咨询团队搭企业 AI 架构，真的不如先把只属于你企业内部的知识库搭好。
从公司角度牵头梳理文档，做知识整理、知识加工、知识供给，再输入给 Agent 使用和反馈，闭环知识更新改进。
在此之上，做好质量、版本、权限、责任四个方面的知识治理（是持续治理，不是一次性运动！）
[ai-native.alistatic.com/app/ainativein…](https://ai-native.alistatic.com/app/ainativeinfra/ai-native-handbook-web/index)n
[🔗 View Quoted Tweet](https://x.com/shao__meng/status/2106238634563358732)