安全执行AI生成代码Observal沙箱机制完整指南Docker、WASM、Firecracker运行时【免费下载链接】ObservalObserval is self-hosted registry for your coding agent extensions with a built in insight engine. Setup Observal, define the scope and share your Skills, MCPs and Agents with your peers.项目地址: https://gitcode.com/gh_mirrors/ob/Observal当 AI Agent 开始自动生成并运行代码一个核心问题摆在所有开发者面前AI 生成的代码该放在哪里执行才安全Observal 沙箱Sandbox正是为此而生的答案——它是注册在 Observal 注册中心中的版本化隔离执行环境让 AI Agent 可以把任意生成的代码丢进 Docker 容器、WASM 模块或 Firecracker 微型虚拟机中运行而不会污染你的开发机。本文带你从原理到实战完整看懂这套机制。为什么 AI 生成代码必须隔离执行让 AI 直接在你的终端里跑代码风险显而易见️恶意或失控代码一个写错的curl | sh可能拉回任意脚本资源失控死循环、内存炸弹可能拖垮整机数据外泄代码可能悄悄把密钥上传到外部Observal 的思路很清晰沙箱即组件Sandbox as a Component。沙箱和 Skills、MCP、Prompts 一样是可以在团队内共享、可审核、可锁定版本的一等公民组件。Agent 需要执行代码时调用的是注册表里预审核过的沙箱而不是自由发挥。四大沙箱运行时隔离强度各取所需Observal 内置四种运行时runtime覆盖从轻量到重度的全部隔离需求运行时产物字段本地要求适用场景dockerimageDocker daemon Python Docker SDK最常用路径任何 OCI 镜像如python:3.12-slimlxcimage本地lxc/LXD CLI系统级容器隔离firecrackerruntime_config本地firecracker二进制微型虚拟机接近硬件级隔离wasmimage或runtime_config.module本地wasmtime或 WASI 运行时执行 WASI 模块启动最快、面最小设计哲学Docker 是通用默认路径其余运行时是本地分发器——Observal 负责存储和分发沙箱的元数据但你的开发机上必须已装好对应运行时和产物。四道安全防线从默认零网络到资源限额沙箱版本在数据库里存储了一组完整的安全字段见 models/sandbox.py执行时层层生效1️⃣ 网络策略network_policy—— 默认none取值none/host/bridge/restricted。Docker 下none直接映射到 Docker 的无网络模式restricted在策略画像落地前同样按无网络处理默认就是最严格的。2️⃣ 资源限额resource_limitsJSON 对象如{timeout: 60, memory_mb: 512, cpu_count: 1}。Docker 执行器会把memory_mb转为mem_limit、cpu_count换算为nano_cpus传给 Docker daemon超时则强制终止详见 sandbox_runner.py 中的 Docker 执行逻辑。3️⃣ 输出与生命周期管控日志统一截断在64KB防止输出洪水容器执行完立即删除一次性 ephemeral 模式自动检测并上报OOMKilled状态4️⃣ 最小文件系统暴露WASM 场景WASM 运行时通过preopen_dirs显式声明可访问目录默认仅当前目录其余文件系统对模块不可见见 sandbox_runner.py。⚠️ 诚实的安全边界非 Docker 隔离的强度只和你本地运行时配置一样强。生产环境建议优先 Docker 或 Firecracker。Agent 如何调用沙箱MCP 工具自动注入这是 Observal 最巧妙的部分——沙箱就是 MCP 服务器Sandbox is just an MCP server。完整调用链路如下observal agent pull my-agent --harness claude-code │ ├── 自动注册 observal-sandbox MCP 服务器 │ └── 为每个沙箱暴露 run_sandbox_名称 可调用工具 │ └── Agent 调用 run_sandbox_python_pytest(commandpytest tests/) └── MCP 服务器 → observal-sandbox-run → 本地运行时 → 输出无需任何提示词工程只要你的 Agent 绑定了沙箱组件CLI 就会自动把observal-sandboxMCP 服务器写进 Agent 的 MCP 配置Agent 天然获得一个run_sandbox_*工具。工具描述中甚至包含镜像、超时、网络策略等元信息方便模型做出正确决策实现见 sandbox_mcp.py。在 Agent Builder 中沙箱与 MCP、Skills、Hooks、Prompts 平级通过Components 区域的 Sandboxes 标签页一键绑定到 Agent 上——这也是沙箱即组件设计最直观的体现。沙箱版本管理与人审机制团队共享的安全前提沙箱版本支持完整的版本生命周期提交即待审新沙箱版本提交后进入pending状态与 Skills、MCP 走同一套人工审核队列审批后才生效审批通过后 listing 的latest_version_id才指向新版本版本可锁定旧版本持续可用已固定pin旧版本的 Agent 不受影响这意味着团队里任何人拉取的沙箱都是经过审查、版本确定、行为可预期的执行环境——AI 生成代码 人工审核沙箱构成了双重安全闭环。三步快速上手提交你的第一个沙箱第 1 步准备构建好的镜像Observal 暂不提供注册中心侧的构建服务请发布构建好的镜像observal registry sandbox submit \ --name python-pytest \ --version 1.0.0 \ --description Run Python tests \ --runtime-type docker \ --image python:3.12-slim \ --resource-limits {timeout:60,memory_mb:512} \ --entrypoint pytest \ --output json第 2 步把沙箱挂到 Agent 上observal agent add sandbox sandbox-uuid第 3 步拉取 Agent沙箱工具自动就位observal agent pull my-agent --harness claude-code之后 Agent 就能直接调用run_sandbox_python_pytest在隔离环境中执行命令了。想手动验证直接跑observal-sandbox-run即可两个入口在 pyproject.toml 中定义observal-sandbox-run \ --sandbox-id s-123 \ --runtime-type docker \ --image python:3.12-slim \ --timeout 60 \ --network-policy none \ --command python -c print(42)安全最佳实践清单 ✅保持默认network_policy: none确有网络需求再显式放宽限额必配timeoutmemory_mb双保险防死循环与内存炸弹️镜像版本固定python:3.12-slim优于latest行为可复现高敏感场景选 Firecracker需要 microVM 级隔离时启用runtime_config指定 kernel 与 rootfs审核不走过场重点检查entrypoint默认命令和resource_limits延伸阅读资料路径沙箱官方文档运行时对照表、提交示例docs/sandboxes.md本地沙箱执行器Docker/WASM/Firecracker/LXC 分发observal_cli/sandbox_runner.py沙箱 MCP 服务器实现observal_cli/sandbox_mcp.py沙箱数据模型版本、审核状态、安全字段observal-server/models/sandbox.py沙箱 CLI 命令observal_cli/cmd_sandbox.pyCLI 组件总览observal_cli/README.md总结Observal 沙箱机制把AI 代码在哪跑这个模糊问题变成了可注册、可审核、可版本化、可限额的确定性工程问题。Docker 打底、Firecracker 兜底、WASM 提速配合默认零网络和人工审核为 AI Agent 时代的安全执行提供了完整答案。【免费下载链接】ObservalObserval is self-hosted registry for your coding agent extensions with a built in insight engine. Setup Observal, define the scope and share your Skills, MCPs and Agents with your peers.项目地址: https://gitcode.com/gh_mirrors/ob/Observal创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
安全执行AI生成代码Observal沙箱机制完整指南Docker、WASM、Firecracker运行时【免费下载链接】ObservalObserval is self-hosted registry for your coding agent extensions with a built in insight engine. Setup Observal, define the scope and share your Skills, MCPs and Agents with your peers.项目地址: https://gitcode.com/gh_mirrors/ob/Observal当 AI Agent 开始自动生成并运行代码一个核心问题摆在所有开发者面前AI 生成的代码该放在哪里执行才安全Observal 沙箱Sandbox正是为此而生的答案——它是注册在 Observal 注册中心中的版本化隔离执行环境让 AI Agent 可以把任意生成的代码丢进 Docker 容器、WASM 模块或 Firecracker 微型虚拟机中运行而不会污染你的开发机。本文带你从原理到实战完整看懂这套机制。为什么 AI 生成代码必须隔离执行让 AI 直接在你的终端里跑代码风险显而易见️恶意或失控代码一个写错的curl | sh可能拉回任意脚本资源失控死循环、内存炸弹可能拖垮整机数据外泄代码可能悄悄把密钥上传到外部Observal 的思路很清晰沙箱即组件Sandbox as a Component。沙箱和 Skills、MCP、Prompts 一样是可以在团队内共享、可审核、可锁定版本的一等公民组件。Agent 需要执行代码时调用的是注册表里预审核过的沙箱而不是自由发挥。四大沙箱运行时隔离强度各取所需Observal 内置四种运行时runtime覆盖从轻量到重度的全部隔离需求运行时产物字段本地要求适用场景dockerimageDocker daemon Python Docker SDK最常用路径任何 OCI 镜像如python:3.12-slimlxcimage本地lxc/LXD CLI系统级容器隔离firecrackerruntime_config本地firecracker二进制微型虚拟机接近硬件级隔离wasmimage或runtime_config.module本地wasmtime或 WASI 运行时执行 WASI 模块启动最快、面最小设计哲学Docker 是通用默认路径其余运行时是本地分发器——Observal 负责存储和分发沙箱的元数据但你的开发机上必须已装好对应运行时和产物。四道安全防线从默认零网络到资源限额沙箱版本在数据库里存储了一组完整的安全字段见 models/sandbox.py执行时层层生效1️⃣ 网络策略network_policy—— 默认none取值none/host/bridge/restricted。Docker 下none直接映射到 Docker 的无网络模式restricted在策略画像落地前同样按无网络处理默认就是最严格的。2️⃣ 资源限额resource_limitsJSON 对象如{timeout: 60, memory_mb: 512, cpu_count: 1}。Docker 执行器会把memory_mb转为mem_limit、cpu_count换算为nano_cpus传给 Docker daemon超时则强制终止详见 sandbox_runner.py 中的 Docker 执行逻辑。3️⃣ 输出与生命周期管控日志统一截断在64KB防止输出洪水容器执行完立即删除一次性 ephemeral 模式自动检测并上报OOMKilled状态4️⃣ 最小文件系统暴露WASM 场景WASM 运行时通过preopen_dirs显式声明可访问目录默认仅当前目录其余文件系统对模块不可见见 sandbox_runner.py。⚠️ 诚实的安全边界非 Docker 隔离的强度只和你本地运行时配置一样强。生产环境建议优先 Docker 或 Firecracker。Agent 如何调用沙箱MCP 工具自动注入这是 Observal 最巧妙的部分——沙箱就是 MCP 服务器Sandbox is just an MCP server。完整调用链路如下observal agent pull my-agent --harness claude-code │ ├── 自动注册 observal-sandbox MCP 服务器 │ └── 为每个沙箱暴露 run_sandbox_名称 可调用工具 │ └── Agent 调用 run_sandbox_python_pytest(commandpytest tests/) └── MCP 服务器 → observal-sandbox-run → 本地运行时 → 输出无需任何提示词工程只要你的 Agent 绑定了沙箱组件CLI 就会自动把observal-sandboxMCP 服务器写进 Agent 的 MCP 配置Agent 天然获得一个run_sandbox_*工具。工具描述中甚至包含镜像、超时、网络策略等元信息方便模型做出正确决策实现见 sandbox_mcp.py。在 Agent Builder 中沙箱与 MCP、Skills、Hooks、Prompts 平级通过Components 区域的 Sandboxes 标签页一键绑定到 Agent 上——这也是沙箱即组件设计最直观的体现。沙箱版本管理与人审机制团队共享的安全前提沙箱版本支持完整的版本生命周期提交即待审新沙箱版本提交后进入pending状态与 Skills、MCP 走同一套人工审核队列审批后才生效审批通过后 listing 的latest_version_id才指向新版本版本可锁定旧版本持续可用已固定pin旧版本的 Agent 不受影响这意味着团队里任何人拉取的沙箱都是经过审查、版本确定、行为可预期的执行环境——AI 生成代码 人工审核沙箱构成了双重安全闭环。三步快速上手提交你的第一个沙箱第 1 步准备构建好的镜像Observal 暂不提供注册中心侧的构建服务请发布构建好的镜像observal registry sandbox submit \ --name python-pytest \ --version 1.0.0 \ --description Run Python tests \ --runtime-type docker \ --image python:3.12-slim \ --resource-limits {timeout:60,memory_mb:512} \ --entrypoint pytest \ --output json第 2 步把沙箱挂到 Agent 上observal agent add sandbox sandbox-uuid第 3 步拉取 Agent沙箱工具自动就位observal agent pull my-agent --harness claude-code之后 Agent 就能直接调用run_sandbox_python_pytest在隔离环境中执行命令了。想手动验证直接跑observal-sandbox-run即可两个入口在 pyproject.toml 中定义observal-sandbox-run \ --sandbox-id s-123 \ --runtime-type docker \ --image python:3.12-slim \ --timeout 60 \ --network-policy none \ --command python -c print(42)安全最佳实践清单 ✅保持默认network_policy: none确有网络需求再显式放宽限额必配timeoutmemory_mb双保险防死循环与内存炸弹️镜像版本固定python:3.12-slim优于latest行为可复现高敏感场景选 Firecracker需要 microVM 级隔离时启用runtime_config指定 kernel 与 rootfs审核不走过场重点检查entrypoint默认命令和resource_limits延伸阅读资料路径沙箱官方文档运行时对照表、提交示例docs/sandboxes.md本地沙箱执行器Docker/WASM/Firecracker/LXC 分发observal_cli/sandbox_runner.py沙箱 MCP 服务器实现observal_cli/sandbox_mcp.py沙箱数据模型版本、审核状态、安全字段observal-server/models/sandbox.py沙箱 CLI 命令observal_cli/cmd_sandbox.pyCLI 组件总览observal_cli/README.md总结Observal 沙箱机制把AI 代码在哪跑这个模糊问题变成了可注册、可审核、可版本化、可限额的确定性工程问题。Docker 打底、Firecracker 兜底、WASM 提速配合默认零网络和人工审核为 AI Agent 时代的安全执行提供了完整答案。【免费下载链接】ObservalObserval is self-hosted registry for your coding agent extensions with a built in insight engine. Setup Observal, define the scope and share your Skills, MCPs and Agents with your peers.项目地址: https://gitcode.com/gh_mirrors/ob/Observal创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
