沙箱有哪些、谁开发的、如何让 Agent 在沙箱中运行，以及配置参数详解
一、LangChain Deep Agents 支持的主要沙箱 & 开发者
| 沙箱名称 | 开发者 / 公司 | 简介 | 隔离技术 | 主要特点 |
|---|---|---|---|---|
| LangSmith Sandbox | LangChain（官方） | 第一方托管沙箱，无需第三方账号 | 官方管理 | 与 LangSmith 深度集成、支持快照、Auth Proxy、Service URL |
| E2B | E2B（捷克创始人 Vasek Mlejnsky & Tomas Valenta，2023 年成立） | 目前最流行的 AI Agent 沙箱之一 | Firecracker microVM | 启动极快（~150ms）、开源、高安全隔离、Fortune 100 广泛使用 |
| Daytona | Daytona（克罗地亚，Ivan Burazin 等，2023 年成立，后转向 Agent 基础设施） | 可编程、可组合的计算环境 | 容器 / Kata / gVisor 等 | 冷启动极快（~90ms）、支持 GPU、持久化、开源友好 |
| Modal | Modal Labs | 无服务器 AI 计算平台，沙箱是其能力之一 | gVisor | 原生 GPU 支持强、适合机器学习工作负载 |
| Runloop | Runloop AI（旧金山，约 2024–2025 年） | 专为 AI Coding Agent 设计的 Devbox | microVM + 容器 | 企业级、快照/蓝图、高性能 |
| Vercel Sandbox | Vercel | Vercel 平台原生沙箱 | Firecracker microVM | 与 Vercel 生态深度集成、按活跃 CPU 计费 |
| AgentCore | AWS（Bedrock AgentCore Code Interpreter） | AWS 官方代码解释器沙箱 | AWS 基础设施 | 适合已在 AWS 生态的用户 |
此外还可通过自定义方式接入其他提供商（如 NVIDIA OpenShell 等）。
二、让 Agent 在沙箱中运行的具体方式（两种模式）
LangChain 推荐的是Sandbox as Tool模式（Agent 跑在你这边，沙箱只负责执行）：
1. Python 代码方式（最常用）
以几个主流提供商为例：
LangSmith（官方推荐入门）
fromdeepagentsimportcreate_deep_agentfromdeepagents.backendsimportLangSmithSandboxfromlangsmith.sandboximportSandboxClientfromlangchain_anthropicimportChatAnthropic client=SandboxClient()ls_sandbox=client.create_sandbox()# 可加 name、idle_ttl_seconds 等参数backend=LangSmithSandbox(sandbox=ls_sandbox)agent=create_deep_agent(model=ChatAnthropic(model="claude-sonnet-4-6"),system_prompt="You are a Python coding assistant with sandbox access.",backend=backend,# 关键：把沙箱后端传进去)try:result=agent.invoke({"messages":[{"role":"user","content":"写一个小包并跑 pytest"}]})finally:client.delete_sandbox(ls_sandbox.name)# 务必清理E2B
frome2bimportSandboxfromlangchain_e2bimportE2BSandbox e2b_sandbox=Sandbox.create()backend=E2BSandbox(sandbox=e2b_sandbox)agent=create_deep_agent(...,backend=backend)# 用完后e2b_sandbox.kill()Daytona
fromdaytonaimportDaytonafromlangchain_daytonaimportDaytonaSandbox sandbox=Daytona().create()backend=DaytonaSandbox(sandbox=sandbox)agent=create_deep_agent(...,backend=backend)# 用完后sandbox.stop()Modal / Runloop / Vercel写法类似，只是创建沙箱的 SDK 不同。
2. Deep Agents Code CLI 方式（命令行快速启动）
# 安装对应依赖后dcode--sandboxlangsmith dcode--sandboxe2b dcode--sandboxdaytona dcode--sandboxmodal dcode--sandboxrunloop dcode--sandboxvercel# 常用附加参数dcode--sandboxdaytona --sandbox-setup ./setup.sh# 创建后先跑初始化脚本dcode--sandboxrunloop --sandbox-id dbx_abc123# 复用已有沙箱dcode--sandboxlangsmith --sandbox-snapshot-name my-snap# 使用/创建快照三、配置参数有哪些、怎么配置、字段含义
配置分两层：
A. 创建沙箱时的参数（各提供商略有差异）
LangSmith 常见参数
name：沙箱名称（方便后续查找/复用）idle_ttl_seconds：空闲多少秒后自动清理（强烈建议设置）ttl_seconds：总生命周期template_name/snapshot_id：从模板或快照启动vcpus/mem_bytes/fs_capacity_bytes：CPU、内存、磁盘配额env_vars：注入环境变量（不建议放敏感密钥）
Daytona 常见参数
language："python"/"typescript"/"javascript"timeout：命令默认超时（秒）target：区域（us/eu）image：自定义 Docker 镜像snapshot：从快照创建resources：{cpu, memory, disk}（需配合 image）autoStopInterval：空闲自动停止分钟数（0 = 永不自动停）envVars、initialFiles、labels
Modal 常见参数
app/appNameimage/imageNamecpu、memory（MiB）gputimeout/idleTimeoutMsblockNetwork：是否阻断网络（安全相关）env、secrets、volumes
E2B
- 主要通过
Sandbox.create()的 template、timeout、metadata 等 - 支持自定义环境变量、文件预置
B. Deep Agents / CLI 层面的配置
CLI Flags
| 参数 | 含义 |
|---|---|
--sandbox TYPE | 指定提供商（langsmith / e2b / daytona 等） |
--sandbox-id ID | 复用已有沙箱（跳过创建和清理） |
--sandbox-setup PATH | 创建后执行的初始化脚本路径 |
--sandbox-snapshot-name NAME | 使用或创建快照 |
配置文件方式（~/.deepagents/config.toml）
[sandboxes] default = "daytona" [sandboxes.providers.myprovider] class_path = "mypackage.provider:MyProvider" working_dir = "/workspace" supports_sandbox_id = true supports_snapshot_name = false [sandboxes.providers.myprovider.params] region = "us-east-1" # 其他传给 get_or_create 的参数C. 作用域配置（Lifecycle）
- Thread-scoped（默认）：每个对话线程独立沙箱
- Assistant-scoped：同一 Assistant 的所有线程共享一个沙箱（状态会累积，需注意清理）
四、关键安全提醒（配置时务必注意）
- 永远不要把真实 API Key、数据库密码等密钥直接注入沙箱（环境变量、文件、secrets 都不安全）。
- 优先使用「宿主机侧工具 + 网络代理注入凭证」的方式。
- 能关网络就关（
blockNetwork等参数）。 - 用完一定要
delete/kill/stop/terminate，并设置合理的 TTL。 - 对 Agent 的工具调用开启 Human-in-the-loop 审批更安全。