一个能干活儿的AI代理,迟早会想跑代码。它可能是个写pandas脚本做数据分析的代理,可能是个跑测试的编码代理,也可能是个启动无头浏览器的研究代理。代码由模型生成,从架构角度看,这段代码就是不可信输入。

打开网易新闻 查看精彩图片

常规做法都不太舒服:

  • 让代码跑在代理自己的容器里,生成的代码就能读到你的环境变量、调用元数据服务器,并以你的服务账号身份行事。
  • 每个任务新起一个Cloud Run作业或虚拟机,每次工具调用都要付出延迟、接线和成本。
  • 单独跑一个沙箱服务,你就又多了一份基础设施,还要管两者之间的网络和认证。

Cloud Run沙箱(目前处于预览阶段)瞄准的正是这个缺口。2026年11月16日,谷歌加入沙箱模板,允许把沙箱作为独立容器启动,使用各自的镜像,并向其中动态挂载内存卷。

沙箱怎么跑起来

按文档说明,沙箱运行在与主容器同一个Cloud Run实例内(第二代执行环境),共享其CPU和内存。通过sandboxLauncher标志按容器启用,代码随后调用位于/usr/local/gcp/bin/sandbox的命令行工具。

默认配置是安全视角下最有意思的部分。默认情况下,一个沙箱:

  • 没有出站网络访问(需用--allow-egress主动开启)
  • 不继承父容器的环境变量、密钥,也无法访问谷歌云元数据服务器
  • 与其他所有沙箱隔离
  • 以非root用户运行进程,但保留sudo,因此仍可在自己的临时文件系统里执行pip install或apt install

沙箱有两种模式。本地沙箱以宿主容器的根文件系统为基底,只读挂载,简单,但主镜像必须包含沙箱需要的所有工具,且沙箱能读到宿主磁盘上的内容。模板化沙箱(新增)则从你声明的独立镜像启动,比如python:3.12-slim或自定义工具链镜像,最多可声明10个模板。它们仍共享宿主实例的CPU和内存,文档指出启动时不会新建虚拟机,也不按新实例计费。

模板可以挂载与主容器共享的内存卷,配合带$(VARIABLE)占位符的subPath,每个沙箱只能看到自己的子目录。代理容器保留身份、密钥和网络访问权,沙箱只拿到一个临时目录,除非你额外授权。

接进代理的几步

先启用沙箱启动器。在已有服务上快速起步,文档用的是beta版gcloud命令:gcloud beta run services update my-agent --sandbox-launcher。Terraform的google_cloud_run_v2_service资源用sandbox_launcher = true暴露同一设置。由于沙箱共享容器资源,CPU和内存要按应用加上预期同时运行的沙箱来规划。

再声明模板和共享内存卷。模板通过服务YAML(或Admin API)配置:导出当前配置、编辑、替换。有两个容易漏掉的细节:模板变量名只能包含ASCII字母和下划线,所以SANDBOX_DIR可以,SANDBOX_DIR_2或sandbox-dir不行;subPath不会替你创建目录,主容器必须先mkdir -p出子目录,再启动沙箱。

然后把它包成代理工具。一个示意性的Python函数可以注册进ADK这类代理框架:每次调用分配独立目录和沙箱名,在python模板里运行生成的代码,不开放出站,并强制超时。命令里没有--allow-egress,没有带凭据的--env,也没有绑定挂载宿主目录。注意解释器要用绝对路径,官方镜像把Python放在/usr/local/bin,文档建议用绝对路径或通过--env设置PATH。

多步代理常需要工作区在工具调用之间存活。命令行支持把沙箱的可写覆盖层导出为tar文件,下次调用时再导入。沙箱内/tmp下的文件不会进入归档,所以要持久化到/workspace之类的其他路径。长会话还可以先sandbox run NAME --detach一次,之后反复sandbox exec NAME -- ...,文档推荐这种做法用于快速重复命令。

代价与边界

安全上,默认值是好的,风险在于赶工期时把它们放松。文档说得很明确:运行不可信代码时,不要为了绕开权限或网络报错而放松隔离标志。--allow-egress会暴露Cloud Run实例能触达的一切,包括内部VPC端点;代理确实需要联网时,考虑收窄的出站路径,而不是全局打开。永远不要通过--env传API密钥或令牌,对外暴露的挂载要加上append,readonly。不要在宿主容器里对沙箱归档执行tar -xf,归档可能含恶意符号链接,用tar -tf检查或重新导入另一个沙箱。不要跨用户或租户共享可写归档,多租户代理要按租户区分目录、沙箱名和归档。沙箱生命周期事件会进入Cloud Logging,想把输出也留在容器流里,就把沙箱的stdout和stderr接过去。

成本与容量上,沙箱不产生新的计费实例,但消耗宿主实例的CPU和内存,内存卷也计入内存。一批重负载沙箱任务可能把代理本身饿死,所以要在代理内部限制并发,服务的请求并发也保持保守。无法为单个模板设置CPU或内存上限,一个失控脚本会影响同实例上的邻居,超时和输出截断因此很重要。

什么时候该换别的方案:沙箱是预览功能,用于关键负载前先掂量支持预期;重负载、长时间或GPU任务,专用的Cloud Run作业仍是更干净的隔离与计费单元;谷歌还发布了面向代理的硬件隔离微虚拟机运行时Agent Compute Engine,目标也是预览,看起来瞄准大规模、高周转的代理集群,而Cloud Run沙箱适合更常见的情形——跑在Cloud Run上的代理今天就需要一个安全的代码解释器。

Cloud Run沙箱把“让代理跑代码”从一项基础设施工程,变成一次配置变更加一次命令行调用。沙箱模板是让它变得实用的那块拼图:代理镜像保持精简,每个工具运行时住在自己的镜像里,每次执行在共享内存卷上拿到自己的私有目录。配合默认的安全设定——无出站、不继承密钥、无元数据服务器——只要代理需要代码解释器,这就是值得采用的模式,同时盯紧资源规划,绝不为了消掉一个报错而放松隔离。