P.S. 推荐一个大神的教程给想要了解或者学习人工智能知识的读者，这个教程里内容讲解通俗易懂且风趣幽默，对我帮助很大。我想与大家分享这个宝藏教程，请点击下方链接查看， 传送门https://blog.csdn.net/qq_74013365

1 先说个痛：给 Agent 搭环境的每一天

给 AI Agent 搭执行环境，听起来很高级，做起来就是个纯体力活。

你要浏览器自动化？好，起一个容器。你要跑代码？行，再起一个容器。你要存文件？没问题，第三个服务安排上。

三个服务，各过各的，谁也不搭理谁。浏览器刚下载好的文件，Shell 那边压根不知道这东西存在。像极了合租室友：冰箱里我的酸奶你永远别碰，碰了就是一场世界大战。

于是你每天的工作就变成了写胶水代码，把文件从 A 搬到 B，再从 B 搬到 C。搬着搬着我开始怀疑人生：我到底是程序员，还是码头搬运工？还是那种连叉车都没有的搬运工？

直到我看见了今天的主角——AIO Sandbox。

2 AIO Sandbox 到底是个啥

2.1 一句话说人话

把浏览器、Shell、文件操作、MCP 服务、VSCode Server 全部塞进同一个 Docker 容器，大家共用一套文件系统。

通俗点说，就是让所有工具搬进同一套房，共用同一个冰箱。你下载的文件，我 Shell 直接就能拿，不用再隔着门缝递纸条。

2.2 硬数据先摆一摆

• GitHub Stars：6000+
• Forks：534
• Watchers：32
• 提交次数：130（主分支）
• 协议：Apache-2.0
• 所属组织：agent-infra

6000 多颗星，这可不是我朋友圈集赞集出来的。

2.3 官方定位

官方说法叫"统一了浏览器、Shell、文件、MCP 操作与 VSCode Server 的一体化 Agent 沙箱环境"。

翻译成人话就是：Agent 干活需要的家伙事儿，这里全给你备齐了，还给你收拾进了同一个屋。

3 没有它之前的日子

先看看传统方案长什么样：

没有 AIO Sandbox 的 Agent 环境搭建：
浏览器自动化 → 用 Playwright/Puppeteer 容器 A
代码执行     → 用 Jupyter/Sandbox Fusion 容器 B
文件存储     → 用独立的文件服务 C
↑ 三者互不相通，浏览器下载的文件要手动搬运才能给容器 B 用
↑ 每接入一个新工具，都要重新写一遍跨容器数据传递逻辑

每接入一个新工具就要重写一遍数据传递逻辑。这玩意儿写多了，你会产生一种幻觉：我不是在开发 Agent，我是在给三个互不信任的国家当中间人，还是那种两头不讨好的。

AIO Sandbox 的做法是：

AIO Sandbox 的做法：
浏览器 + Shell + 文件 + MCP + VSCode 全部塞进同一个容器
↓ 统一文件系统作为底层共享层
浏览器下载文件 → Shell 命令直接读 → Jupyter 直接处理 → 文件 API 直接写回
所有工具看见的是同一份文件系统，无需搬运

3.1 官方示例工作流

官方给了一个典型例子，你可以感受一下：

1. 用 Playwright 通过 CDP 连接沙箱的浏览器，抓取一个网页
2. 网页内容 → 直接写入沙箱文件系统
3. 调用 Jupyter 里的 markdownify，把 HTML 转换成 Markdown
4. 转换结果 → 通过文件 API 直接读回

传统方案里，第 2 步到第 3 步之间，文件要经历一场跨国旅行：volume mount、对象存储中转、或者把文件内容塞进 API payload 当人质。

在 AIO Sandbox 里？就是同一张饭桌上递个碗的事。没有传输层，也就没有额外的失败点——少一个环节，就少一个让你深夜改 bug 的理由。

3.2 同容器 vs 跨容器

这个设计的关键在于：它不是把多个独立服务用网络接口拼起来，而是让它们在同一进程环境和文件系统命名空间内运行。

省掉了跨容器通信的序列化开销，也省掉了一致性问题。"浏览器容器写的文件，Shell 容器到底啥时候能读到？"这种分布式系统的经典送命题，在这里根本不存在——因为压根就没有第二个容器。

4 架构：四层楼，一个户口本

浏览器 + VNC 层（可视化）
        ↓
VSCode Server + Shell 终端 + 文件操作 层（开发层）
        ↓
MCP Hub + Sandbox Fusion 层（集成层）
        ↓
Preview Proxy + 服务监控 层（基础设施层）

所有层共享同一个容器和同一套文件系统。

这设计有意思的地方在于：它不是四栋楼之间拉网线搞互联互通，而是四个人住一个户口本，共享一个厨房。谁做了饭，全屋飘香，谁都能吃一口。

5 内置四组 MCP Server

沙箱里内置了四组开箱即用的 MCP Server：

MCP Server	核心能力
browser	navigate、screenshot、click、type、scroll
file	read、write、list、search、replace
shell	exec、create_session、kill
markitdown	convert、extract_text、extract_images

为什么用 MCP 而不是自己定义一套私有 API？

因为任何已经支持 MCP 的 Agent 框架（比如 Claude Code），都能零配置接入沙箱的全部能力，不用为它专门写一层适配代码。

传统模式是什么？每个沙箱一套私有 API，接一个新工具写一次适配层。写到后面你会发现，你适配的不是工具，是寂寞。

6 快速开始

6.1 Docker 一键启动

docker run --security-opt seccomp=unconfined --rm -it \
  -e SANDBOX_API_KEY=your-secret-key \
  -p 127.0.0.1:8080:8080 ghcr.io/agent-infra/sandbox:latest

启动后可以访问：

• /v1/docs —— API 文档
• /vnc/index.html —— VNC 远程桌面
• /code-server/ —— VSCode Server
• /mcp —— MCP 服务入口

国内用户可以用镜像仓库地址替代 ghcr.io。

生产环境建议用固定版本号（比如 1.11.0），别用 latest。为什么？latest 这玩意儿，就像前女友的心情，你永远不知道明天会变成什么样。

6.2 装 SDK

# Python
pip install agent-sandbox
# TypeScript / JavaScript
npm install @agent-infra/sandbox
# Go
go get github.com/agent-infra/sandbox-sdk-go

Python、TypeScript、Go 全都有。你用什么语言它都接得住，像极了那种"你吃什么我都行"的饭搭子，安全感拉满。

7 部署三件套

部署方式	适用场景
Docker（单命令）	本地开发、快速试用
Docker Compose	数据卷持久化（带 shm_size: "2gb" 等配置）
Kubernetes	生产集群（带资源限制，如 memory: "2Gi"、cpu: "1000m"）

从本地玩票到生产集群，路径是完整的。你缺的从来不是选项，是那个敢点"部署"按钮的胆子。

8 和主流框架的相处之道

框架	集成方式
browser-use	把 BrowserSession 连到沙箱的 CDP 端点，复用沙箱里的浏览器
LangChain	把 shell.exec_command 包装成自定义 BaseTool 接入工具链
OpenAI Assistants	暴露 run_code 工具，路由到沙箱内的 Jupyter 或 Node.js 执行
MiniMax	通过 OpenAI 兼容 API（base_url="https://api.minimax.io/v1"）调用，注意要求 temperature > 0

这定位很有意思：甘当执行后端，不抢框架的位置。人家不跟你争 C 位，人家是那个默默给你递话筒的人。

顺便说一句，MiniMax 要求 temperature > 0——也就是说 temperature = 0 它不接？

这大概就是 AI 界的"不喝奶茶，我们没法做朋友"。

9 认证：记得锁门

通过 SANDBOX_API_KEY 环境变量启用鉴权，支持 Header、Bearer Token、Query 参数三种方式，统一覆盖 API、JupyterLab 和 VNC 访问。

不设置该变量就保持开放状态，向后兼容。

翻译一下：你不锁门，人家就当你欢迎参观。自己家里还是记得锁门——尤其是养了 Agent 这种好奇心旺盛、看到什么文件都想翻一翻的宠物。

10 这玩意儿适合谁

• AI Agent 开发者：不想为浏览器自动化、代码执行、文件存储分别搭一套基建。
• 多框架并用的团队：已经在用 LangChain、Browser Use，想要一个通用执行后端，而不是重新造轮子。
• 需要可视化调试的场景：通过 VNC / VSCode Server 直接看 Agent 干活，而不是只能蹲在日志前面猜它干了啥。
• MCP 生态使用者：想要一套开箱即用、覆盖浏览器 / 文件 / Shell 的 MCP Server，不想自己维护。

11 最后说两句

AIO Sandbox 没有试图做一个更聪明的 Agent 框架，它解决的是一个更基础的问题——让 Agent 用到的工具们，至少能看见同一份文件系统。

这让我想到，很多家庭矛盾的根源，不是谁不爱谁，而是冰箱里的东西不共享。

工具孤岛这个问题解决好了，Agent 开发能少掉一大半的头发。反正我是准备把它请进我的工具箱了——毕竟，让 Agent 少搬一次砖，就是让我自己少掉一根头发。

P.S. 推荐一个大神的教程给想要了解或者学习人工智能知识的读者，这个教程里内容讲解通俗易懂且风趣幽默，对我帮助很大。我想与大家分享这个宝藏教程，请点击下方链接查看，传送门https://blog.csdn.net/qq_74013365