Zeroboot Python SDK实战教程3行代码搭建零依赖的代码执行沙箱【免费下载链接】zerobootSub-millisecond VM sandboxes for AI agents via copy-on-write forking项目地址: https://gitcode.com/gh_mirrors/ze/zerobootZeroboot 是一个基于写时复制copy-on-write虚拟机分叉技术的亚毫秒级代码沙箱系统其 Python SDK 仅用 3 行代码即可搭建零依赖的代码执行沙箱真实 KVM 虚拟机隔离、单次 fork 仅需约 0.8 毫秒、每个沙箱内存占用约 265KB专为 AI Agent 安全执行代码而生。为什么需要 Zeroboot 代码执行沙箱让 AI Agent 执行代码时最让人头疼的问题有两个隔离不牢Docker 容器属于内核级共享一个rm -rf或内核漏洞就可能逃逸启动太慢传统沙箱E2B 约 150ms、Daytona 约 27ms冷启动需要百毫秒级而 Agent 每轮对话可能调用多次延迟会被成倍放大。Zeroboot 的思路完全不同——每个沙箱都是一台真实的 KVM 虚拟机隔离由硬件强制Intel VT-x / AMD-V不是容器或 namespace指标ZerobootE2BDaytonaFork 延迟 p500.79ms~150ms~27msFork 延迟 p991.74ms~300ms~90ms每沙箱内存~265KB~128MB~50MBFork 执行 Python~8ms--1000 并发 fork815ms-- 0.8ms 的 fork 延迟意味着一次对话里让 Agent 跑 10 段代码沙箱开销不到 1 毫秒快到你几乎感觉不到沙箱的存在。零依赖 Python SDK为什么值得注意打开 sdk/python/ 你会发现整个 SDK 只有两个文件client.py ——Sandbox与Result的全部实现init.py —— 导出入口关键点它只使用 Python 标准库urllib不需要requests、httpx或任何第三方包。也就是说# 克隆仓库 git clone https://gitcode.com/gh_mirrors/ze/zeroboot # SDK 直接可用无需 pip install 任何依赖这对生产环境极其友好——没有依赖冲突、没有版本地狱甚至可以直接拷贝client.py单个文件进项目。3行代码运行你的第一段沙箱代码from zeroboot import Sandbox sb Sandbox(zb_live_your_api_key) result sb.run(print(1 1)) print(result.stdout) # 2就这么简单。Sandbox构造时只需传入 API Key代码会在一个全新 fork 出的 KVM 虚拟机中执行默认超时 30 秒。沙箱模板已预装 Python numpy pandas也可以切换语言执行sb.run(console.log(1 1), languagenode) # 执行 Node.js读懂执行结果Result 返回字段每次执行返回一个 Result 对象字段设计非常实用字段含义stdout/stderr捕获的标准输出 / 错误输出exit_code退出码0 表示成功fork_time_ms虚拟机 fork 耗时通常 1msexec_time_ms代码执行耗时total_time_ms端到端总耗时把fork_time_ms单独暴露出来正是 Zeroboot 的招牌指标——你可以亲眼看到每次执行前那 0.7ms 级的虚拟机分叉。批量并行执行多路方案对比的利器Agent 场景中经常需要同一问题、多种解法并行验证。Zeroboot 提供了run_batch多条代码在互相隔离的并行沙箱中同时执行results sb.run_batch([ print(1 1), print(2 * 3), import math; print(math.pi), ]) for r in results: print(r.stdout)官方基准显示1000 个并发 fork 仅需 815ms且每个 fork 都拥有独立的内存页——fork 之间完全看不到彼此的数据。AI Agent 实战对话式代码执行仓库提供了一个完整示例 demo/agent.py一个基于 Claude tool_use 的对话式 Agent它拥有run_python单次执行和run_parallel5 路并行方案对比两个工具。用户提一个问题Agent 自动生成多种解法代码并行丢进沙箱执行再用终端表格展示每个方案的 fork/exec 耗时——整个演示细节见 demo/README.md。这正是亚毫秒 fork价值的最佳注脚Agent 一轮回答里跑 5 个方案沙箱开销仍可忽略不计。自建部署KVM 服务器上一键托管不想用托管 APIZeroboot 是开源的可在任何带 KVM 的 Linux 机器上自托管Apache-2.0 协议。部署只需三步构建cargo build --release创建模板Firecracker 启动虚拟机预载运行时并快照一次性约 15 秒启动服务zeroboot serve workdir-python 8080完整的 部署指南 还包含了 systemd 服务安装deploy/zeroboot.service和多机集群部署脚本 deploy/deploy.sh。API 细节/v1/exec、/v1/exec/batch、鉴权、限流参考 API 文档。已知局限与适用场景坦诚地看当前版本的限制来自 架构文档❗ 每个 fork 单 vCPU暂不支持多核❗ fork 内无网络沙箱仅通过串口 I/O 通信❗ 用户态 PRNGnumpy、OpenSSL需要每个 fork 显式重新播种随机数。适合的场景AI Agent 代码执行、批量数据分析任务、不可信代码的安全隔离评测。不适合需要网络访问或长时间有状态会话的负载。总结特性说明隔离强度真实 KVM 虚拟机硬件强制隔离Fork 延迟p50 约 0.79ms比传统沙箱快 2~3 个数量级SDK 依赖零第三方依赖纯标准库实现上手成本3 行 Python 代码如果你正在为 AI Agent 寻找安全又快的代码执行方案Zeroboot 的写时复制 fork 亚毫秒启动组合目前是该赛道里最值得关注的开源选择。【免费下载链接】zerobootSub-millisecond VM sandboxes for AI agents via copy-on-write forking项目地址: https://gitcode.com/gh_mirrors/ze/zeroboot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Zeroboot Python SDK实战教程3行代码搭建零依赖的代码执行沙箱【免费下载链接】zerobootSub-millisecond VM sandboxes for AI agents via copy-on-write forking项目地址: https://gitcode.com/gh_mirrors/ze/zerobootZeroboot 是一个基于写时复制copy-on-write虚拟机分叉技术的亚毫秒级代码沙箱系统其 Python SDK 仅用 3 行代码即可搭建零依赖的代码执行沙箱真实 KVM 虚拟机隔离、单次 fork 仅需约 0.8 毫秒、每个沙箱内存占用约 265KB专为 AI Agent 安全执行代码而生。为什么需要 Zeroboot 代码执行沙箱让 AI Agent 执行代码时最让人头疼的问题有两个隔离不牢Docker 容器属于内核级共享一个rm -rf或内核漏洞就可能逃逸启动太慢传统沙箱E2B 约 150ms、Daytona 约 27ms冷启动需要百毫秒级而 Agent 每轮对话可能调用多次延迟会被成倍放大。Zeroboot 的思路完全不同——每个沙箱都是一台真实的 KVM 虚拟机隔离由硬件强制Intel VT-x / AMD-V不是容器或 namespace指标ZerobootE2BDaytonaFork 延迟 p500.79ms~150ms~27msFork 延迟 p991.74ms~300ms~90ms每沙箱内存~265KB~128MB~50MBFork 执行 Python~8ms--1000 并发 fork815ms-- 0.8ms 的 fork 延迟意味着一次对话里让 Agent 跑 10 段代码沙箱开销不到 1 毫秒快到你几乎感觉不到沙箱的存在。零依赖 Python SDK为什么值得注意打开 sdk/python/ 你会发现整个 SDK 只有两个文件client.py ——Sandbox与Result的全部实现init.py —— 导出入口关键点它只使用 Python 标准库urllib不需要requests、httpx或任何第三方包。也就是说# 克隆仓库 git clone https://gitcode.com/gh_mirrors/ze/zeroboot # SDK 直接可用无需 pip install 任何依赖这对生产环境极其友好——没有依赖冲突、没有版本地狱甚至可以直接拷贝client.py单个文件进项目。3行代码运行你的第一段沙箱代码from zeroboot import Sandbox sb Sandbox(zb_live_your_api_key) result sb.run(print(1 1)) print(result.stdout) # 2就这么简单。Sandbox构造时只需传入 API Key代码会在一个全新 fork 出的 KVM 虚拟机中执行默认超时 30 秒。沙箱模板已预装 Python numpy pandas也可以切换语言执行sb.run(console.log(1 1), languagenode) # 执行 Node.js读懂执行结果Result 返回字段每次执行返回一个 Result 对象字段设计非常实用字段含义stdout/stderr捕获的标准输出 / 错误输出exit_code退出码0 表示成功fork_time_ms虚拟机 fork 耗时通常 1msexec_time_ms代码执行耗时total_time_ms端到端总耗时把fork_time_ms单独暴露出来正是 Zeroboot 的招牌指标——你可以亲眼看到每次执行前那 0.7ms 级的虚拟机分叉。批量并行执行多路方案对比的利器Agent 场景中经常需要同一问题、多种解法并行验证。Zeroboot 提供了run_batch多条代码在互相隔离的并行沙箱中同时执行results sb.run_batch([ print(1 1), print(2 * 3), import math; print(math.pi), ]) for r in results: print(r.stdout)官方基准显示1000 个并发 fork 仅需 815ms且每个 fork 都拥有独立的内存页——fork 之间完全看不到彼此的数据。AI Agent 实战对话式代码执行仓库提供了一个完整示例 demo/agent.py一个基于 Claude tool_use 的对话式 Agent它拥有run_python单次执行和run_parallel5 路并行方案对比两个工具。用户提一个问题Agent 自动生成多种解法代码并行丢进沙箱执行再用终端表格展示每个方案的 fork/exec 耗时——整个演示细节见 demo/README.md。这正是亚毫秒 fork价值的最佳注脚Agent 一轮回答里跑 5 个方案沙箱开销仍可忽略不计。自建部署KVM 服务器上一键托管不想用托管 APIZeroboot 是开源的可在任何带 KVM 的 Linux 机器上自托管Apache-2.0 协议。部署只需三步构建cargo build --release创建模板Firecracker 启动虚拟机预载运行时并快照一次性约 15 秒启动服务zeroboot serve workdir-python 8080完整的 部署指南 还包含了 systemd 服务安装deploy/zeroboot.service和多机集群部署脚本 deploy/deploy.sh。API 细节/v1/exec、/v1/exec/batch、鉴权、限流参考 API 文档。已知局限与适用场景坦诚地看当前版本的限制来自 架构文档❗ 每个 fork 单 vCPU暂不支持多核❗ fork 内无网络沙箱仅通过串口 I/O 通信❗ 用户态 PRNGnumpy、OpenSSL需要每个 fork 显式重新播种随机数。适合的场景AI Agent 代码执行、批量数据分析任务、不可信代码的安全隔离评测。不适合需要网络访问或长时间有状态会话的负载。总结特性说明隔离强度真实 KVM 虚拟机硬件强制隔离Fork 延迟p50 约 0.79ms比传统沙箱快 2~3 个数量级SDK 依赖零第三方依赖纯标准库实现上手成本3 行 Python 代码如果你正在为 AI Agent 寻找安全又快的代码执行方案Zeroboot 的写时复制 fork 亚毫秒启动组合目前是该赛道里最值得关注的开源选择。【免费下载链接】zerobootSub-millisecond VM sandboxes for AI agents via copy-on-write forking项目地址: https://gitcode.com/gh_mirrors/ze/zeroboot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
