EN
Uncategorized

Agents API 的沙箱不是魔法:长任务上线前我会检查什么

托管沙箱让 Agent 可以运行代码、处理文件并保存中间产物,但开发者仍要负责超时、权限、状态和结果验证。

Jacky Wang 3 分钟阅读 82 阅读

当一个 Agent 不再只回答问题,而是要读文件、跑测试、修改代码时,我会先问它在哪里运行。OpenAI 9 月公布的 Agents API 把 Codex 使用的 harness 和基础设施以 API 形式提供,并由平台管理 sandbox。官方介绍里提到,Agent 可以在环境中运行代码、处理文件并生成 artifacts,还能长时间工作。

这解决了“我的应用服务器要不要直接执行模型生成的 shell 命令”这个大坑,但没有替我完成运维。沙箱是边界,不是验收标准。

先定义任务的可恢复点

长任务最怕只返回一个 pending。我的做法是把任务切成可观察阶段:准备输入、读取资料、执行变更、运行验证、打包结果。每阶段写事件,保存输入摘要和产物引用。任务重新开始时,先检查上一个阶段的产物,而不是盲目重跑。

if state.phase == "tests_passed" and artifact_exists(state.build_id):
    return resume_from("package_result")

这段逻辑很朴素,却比一个更长的 system prompt 有用。网络抖动、worker 重启和用户重复点击都会发生。

权限要比模型能力更窄

我不会因为平台提供了文件和代码工具,就给 Agent 整个仓库、生产 kubeconfig 或支付凭证。为每个任务生成最小工作区,输入目录只读,输出目录单独保存;需要网络时按域名放行。涉及数据库写入、部署或发信的步骤,仍然要经过独立的批准服务。

官方 cookbook 已经给出按运行控制花费的例子。这个思路也适合权限:预算、工具数、运行时间都要成为外部约束,不能只写在提示词里。

结果必须由程序验收

Agent 说“测试通过”不算测试通过。由脚本检查退出码、文件清单、schema、差异范围和安全扫描结果。对 SaaS 来说,我还会把租户 ID写进每个 artifact 的元数据,避免把一个客户的中间文件交给另一个任务。

托管执行环境会降低搭建成本,但它不会替你决定哪些动作可逆、哪些动作必须停下来问人。我的判断是,Agents API 最适合先承载有明确输入输出的后台任务;涉及线上资源的动作,先做 dry-run,再逐步扩大权限。我还会把验收结果分成任务级和产物级:前者检查阶段顺序、预算和工具权限,后者检查路径、格式和差异范围。任何一层失败,都应保留失败阶段和日志索引,进入人工处理,而不是接受 Agent 的成功总结。

上线前还要检查取消和过期。用户撤回任务后,正在运行的进程是否会停止,已经写出的临时文件是否会按租户隔离清理,超时任务是否会释放工具和网络连接。对于需要等待人工批准的阶段,我会设置明确的有效期,过期后只保留可审计的状态,不让旧批准在任务内容已经变化后继续生效。

最后再做一次资源边界检查:任务结束后能否列出所有创建过的文件、进程和网络请求,失败时是否有清理结果。长任务的“完成”不应只代表模型返回了文本,也应代表执行环境留下的状态可解释、可回收。

这些检查可以先在没有真实副作用的测试项目里演练,再接入正式数据。重点不是把清单写得很长,而是让每个失败状态都有负责人、证据和下一步动作。

发表评论