本文内容
Alibaba OpenSandbox 评测:生产部署前要核实什么?
你希望 AI 智能体在自己的基础设施上运行代码。接入客户凭据前,先核实运行时的隔离边界,以及沙箱复用后会保留哪些状态。
OpenSandbox 是一个开源平台,用于在你掌控的基础设施上运行 AI 智能体工作负载。它通过生命周期 API 接入 Docker 或 Kubernetes 部署,也可使用微虚拟机基础设施。评估 OpenSandbox 生产部署时,应判断基础设施控制权是否值得投入持续运维和验证。
资料核查日期:2026 年 11 月 11 日。本文核对了 1.2.0 源码、官方文档及上游报告。我们没有部署 OpenSandbox、开展基准测试或复现报告中的安全问题。下文的测试是建议采用的验收条件。
Alibaba OpenSandbox 是什么,现在由谁维护?
OpenSandbox 提供沙箱生命周期管理与执行服务:创建环境、执行命令、管理文件、获取端点并终止工作负载。Alibaba 已将项目贡献给 Agentic AI Foundation,相关公告发布于 2026 年 10 月 22 日。当前代码仓库为 opensandbox-group/OpenSandbox,采用 Apache 2.0 许可证。
项目提供 Python、JavaScript/TypeScript、Kotlin/Java、Go 和 C#/.NET SDK,以及 CLI 和 MCP 接口。官方示例涵盖编码智能体、浏览器自动化和桌面操作。处理客户数据前,应测试实际采用的智能体与部署版本组合。
其架构将生命周期服务与执行、网络组件分开。应用仍需决定智能体可以尝试哪些操作、何时需要人工批准,以及如何核验结果。我们的智能体执行框架工程指南讨论了这一应用层职责。
截至 2026 年 11 月,哪些 OpenSandbox 功能已进入稳定版?
核查时,最新稳定版为 1.2.0,发布于 10 月 27 日。发布说明新增了需主动启用的 FastSandbox 自动暂停与访问唤醒、面向 FastSandbox 的 Credential Vault 集成,以及基于 OCI 的快照流程。各项功能均取决于后端及配置。
为便于复核,下文运行时细节固定引用 release-1.2.0,即提交 62a64f0。
| 对象 | 核查基线 | 部署时的要求 |
|---|---|---|
| 服务端、CLI 和已发布的 SDK 包 | 1.2.0 | 固定为同一发布版本,避免随意拼接不同版本的软件包。 |
| 平台组件镜像 | release-1.2.0 | 确认目标镜像摘要,并保存该版本的 BOM 物料清单。 |
| FastSandbox 空闲自动化 | 1.2.0 已包含,默认关闭 | 同时启用后端、基础设施控制项和单个沙箱的策略。 |
| Credential Vault Exchange | 位于预发布版 1.2.1-rc.2 | 凭据交换 API 需要比 1.2.0 更新的版本。 |
| Code Interpreter 等工作负载镜像 | 独立版本管理 | 单独固定并审查工作负载镜像。 |
11 月 11 日的候选发布版发布了镜像,SDK 和 CLI 包则等待稳定版更新。SDK 文档明确提示,其内容跟随默认分支。
下一次升级时,请在仍有沙箱运行的情况下重启 Kubernetes 控制器,并在有空闲容量时降低池容量上限。确认运行中的任务继续执行,空闲容量得到释放。测试应使用计划上线的固定版本镜像和软件包。
目前的版本策略统一了平台各组件的发布版本,工作负载模板镜像仍独立管理。支持政策围绕最新版本线展开,不提供 LTS;运维预算应包含升级投入。
Docker、Kubernetes 和 FastSandbox 怎么选?
本地集成验证可从 Docker 开始;需要 Kubernetes 的部署与租户控制能力时,再选择 Kubernetes。工作负载需要基于模板的微虚拟机或检查点流程时,可评估 FastSandbox。网络控制和状态恢复都应在实际选定的运行时上验证。
| 部署方式 | 适用起点 | 需要验证什么 |
|---|---|---|
Docker 配合普通 runc | 可信开发环境与 SDK 集成 | 宿主机暴露面、挂载、API 认证和资源清理;普通容器共享宿主机内核。 |
| Docker 或 Kubernetes 配合 gVisor | 兼容用户态内核的工作负载 | 系统调用兼容性,以及出站控制替代方案;OpenSandbox 基于 NAT 的出站 sidecar 与 gVisor 不兼容。 |
| Kubernetes 配合 Kata | 需要来宾内核隔离边界的容器工作负载 | 已安装的 RuntimeClass、容量、镜像兼容性及所选网络控制。 |
| FastSandbox 配合 Firecracker | 基于模板的微虚拟机及检查点流程 | 支持 KVM 的基础设施、模板、存储、共享平台组件,以及每台虚拟机的策略执行。 |
安全运行时指南区分了 gVisor 的用户态内核与 Kata 的虚拟机运行时。Firecracker 则通过独立的 FastSandbox 架构提供,Docker 快速入门不会自动启用它。宿主机和操作系统选型可参考我们的 AI 智能体 Linux 基础设施指南。
每个 OpenSandbox 沙箱都有网络隔离吗?
OpenSandbox 的网络控制取决于部署方式和配置。采用经典 sidecar 路径时,要确认出站组件已接入,并实际执行策略。入站端点认证是另一项独立控制;禁止访问的场景也要单独测试。
服务端配置指南要求通过 API 密钥实现单租户认证。Secure Access 通过 Kubernetes 入站网关保护沙箱端点;Docker 会拒绝 secureAccess: true。这两项设置都不能替代出站策略。
已经提供策略对象时,1.2.0 sidecar 解析器会把缺省的 defaultAction 设为 deny。但 FastSandbox 未收到 networkPolicy 时,会明确安装默认允许策略。省略整个策略与省略其中一个字段,结果并不相同;应显式配置策略。
网络隔离指南列出了以下限制:
- 平台策略:出站组件中,由运维方控制的
deny.always规则优先于用户规则。工作负载创建者提交的策略属于另一层信任边界。 - 经典预热池:
extensions.poolRef不能与请求级networkPolicy同时使用。分配前应在 Pool 的 Pod 模板中配置控制措施,或改用非池化路径。此限制属于经典 Kubernetes 服务;FastSandbox 可以同时映射请求级策略和poolRef。 - 运行时兼容性:sidecar 的 NAT 拦截与 gVisor 的网络栈不兼容,也不支持同一 Pod 网络命名空间内的透明 Istio/Envoy 拦截。
变更策略时,既要测试新连接,也要测试已有连接。上游报告 #2329称,在服务端 0.2.1 与出站组件 1.1.4 上,已建立的 TCP 会话可在策略收紧后继续使用。我们未在 1.2.0 上复现这一问题。应验证断网流程:如果更新策略后连接仍可用,事件响应仍需能够切断流量并撤销凭据。
Credential Vault 能让真实 API 密钥留在沙箱外吗?
Credential Vault 的设计目标是代理出站凭据,让工作负载使用占位符,而无需持有真实密钥。接入客户密钥前,应核实目标地址绑定行为。沙箱文件中没有密钥,并不能证明代理会把密钥发送到哪里。
对经典 sidecar 部署,Vault 指南要求启用 Credential Proxy、网络策略及 dns+nft 执行模式。文档建议使用 defaultAction="deny";默认允许策略目前仍暂时接受,但会产生警告。
凭据应仅绑定到必要的目标地址、方法和路径。范围过宽的绑定仍可能授权高成本或破坏性 API 操作。1.2.0 实现会选择唯一的最高优先级绑定,最高优先级并列时拒绝请求;不能只靠绑定排列顺序定义访问权限。
一份尚未关闭的上游报告称,凭据选择使用 HTTP Host,却未核对相应的 TLS 对端。核查时,修复提案 #1759 尚未合并。我们没有复现该报告,不同部署方式也有差异。使用客户凭据前,必须在实际部署的镜像上验证绑定行为。
OpenSandbox 的池管理是否按租户隔离?
OpenSandbox 1.2.0 的经典 Pool 管理 API 是共享的,即使租户密钥已经限定了沙箱生命周期操作的范围。多租户指南说明,/pools 在服务端配置的默认命名空间内运行。除非另建独立部署边界,否则应将这些池视为共享资源。
Docker 不支持这种基于命名空间的租户模型。Kubernetes 上的资源配额、默认限制和网络策略执行仍需配置。应使用两个租户身份分别测试列表、读取、删除和池管理路由,再测试工作负载之间能否互相访问。
沙箱暂停后,状态和费用会怎样变化?
FastSandbox 暂停会将微虚拟机状态保存为检查点,并释放执行容量;存储和共享平台仍有成本。其他后端的暂停行为可能不同。恢复路径必须实测:文件恢复了,并不代表智能体的任务状态完整,或凭据行为与暂停前一致。
FastSandbox 检查点文档涵盖文件系统、内存和虚拟机状态制品。空闲自动化设计需要主动启用,暂停期间过期计时仍继续。入站流量空闲也可能遗漏后台任务,因此有时需要应用活动探针。
客户端资源清理与远端终止是两件事。TypeScript SDK 示例通过 kill() 终止沙箱,通过 close() 释放本地资源。应确认远端已终止,并处理清理失败。
部署前能验证 1.2.0 制品的来源吗?
可以固定镜像摘要,但当前官方文档指出,已检查的 1.2.0 制品仍存在签名与构建来源验证的覆盖缺口。当前默认分支的发布验证指南区分了旧版签名工作流与统一版本发布,并指向 issue #2463。
部署清单应记录发布标签、软件包版本、平台镜像摘要、工作负载镜像摘要,以及实际验证输出。发布 BOM 中的构建提交可能与标签指向的提交不同。摘要匹配可以确认选定的是哪些字节,却不能确认由谁构建。如果构建来源验证是上线硬性条件,在目标制品满足要求前,该项就不能通过。
什么时候值得自托管 OpenSandbox?
当基础设施控制权、运行时选择或私有系统集成足以支撑专门团队的运维投入时,我们会考虑 OpenSandbox。如果团队需要外部服务商运维执行集群,就应比较托管沙箱。评估服务商的隔离与数据保留承诺,并核对可用区域和支持范围。
| 决策因素 | 将 OpenSandbox 列入候选的理由 | 比较托管服务的理由 |
|---|---|---|
| 部署控制 | 必须使用特定集群或运行时。 | 服务商的区域和运行时控制已满足工作负载要求。 |
| 运维能力 | 补丁和事件响应有明确负责人。 | 维护执行集群会挤占产品研发投入。 |
| 工作负载适配 | 依赖自定义镜像与平台集成。 | 标准执行 API 已覆盖需求。 |
| 成本 | 实测用量足以支撑共享容量与运维工时。 | 用量尚不确定,适合先测试按用量计费的服务。 |
计算、空闲容量、存储、网络、日志、升级和值班都要计入成本。使用相同任务集和质量门槛,对比两种方案的每次合格智能体操作成本。不要拿供应商的热启动基准与自己的冷启动部署直接比较。
30 天试点应为 OpenSandbox 生产部署提供哪些证据?
有效的 OpenSandbox 试点应产出针对具体部署的验收记录和运维成本对比。以下是建议日程,不是交付保证。从合成测试密钥开始,选择可回滚的工作负载,测试前明确通过条件,并同时保留成功与失败记录。
| 时间 | 验证目标 | 所需证据 |
|---|---|---|
| 第 1 至 5 天 | 固定一个版本与运行时方案 | 软件包与镜像清单、工作负载定义、负责人,以及明确的构建来源验证状态。 |
| 第 6 至 10 天 | 端点与租户访问 | 未授权调用和跨租户请求均按预期被拒绝,包括 Pool 路由。 |
| 第 11 至 15 天 | 出站访问与凭据绑定 | 允许及拒绝请求、独立的 TLS 对端与 Host 核验、已有连接行为,以及经过测试的断网流程。 |
| 第 16 至 20 天 | 暂停、恢复与终止 | 恢复后的任务状态、正确的密钥生命周期、过期行为,以及已确认的远端清理结果。 |
| 第 21 至 25 天 | 升级与恢复 | 回滚演练,以及能够串联身份、工作负载、策略和运维操作的追踪记录。 |
| 第 26 至 30 天 | 自托管与托管基线对比 | 合格任务比例、延迟分布、基础设施成本、运维工时,以及尚未满足的上线条件。 |
更完整的威胁模型可参考我们的 AI 智能体沙箱隔离检查清单。证据不足时,不应将硬性验收条件标记为通过。
我们的建议
接入客户工作负载前,应取得凭据绑定与租户边界的验证证据,并实测停止网络访问的流程。必须满足的制品验证要求也应完成。如果具体的基础设施要求或实测运维成本不足以支撑平台投入,就应选择托管方案作为基线。
Wavect 的 AI 产品工程服务可协助定义工作负载和验收条件。Twinsoft AI 案例提供相邻领域的 AI 交付背景,并非 OpenSandbox 部署案例。
我们的外部 AI 支持与内部团队对比可帮助评估运维能力。你可以带上待评估的运行时、租户模型和凭据要求,讨论 OpenSandbox 部署评审。
