Agent Sandbox（Agent 沙箱）
Agent SandboxAgent 的笼子
亦作、亦称：Agent 沙箱 · Agent Sandbox · Agent 隔离环境
Agent Sandbox 是 Agent 执行的隔离环境——2026 年从容器隔离演进到 Firecracker microVM 等硬件级虚拟化，应对 Agent '无恶意的越界'挑战。
为什么容器不够
传统容器共享宿主机内核，内核漏洞可被用于逃逸。Agent 沙箱需要更强的隔离——Firecracker microVM 拥有独立内核，逃逸需突破虚拟化层，难度显著更高。microVM 启动开销在百毫秒级，能为每个 Agent 会话提供'用后即焚'的独立环境。Superserve 的实践证明 microVM 在 Agent 场景的可行性。
Hotcell 实践
Hotcell 是 2026 年 7 月开源的 Agent 本地沙箱工具，基于 Firecracker microVM。核心特性：每个 Agent 会话运行在独立 microVM 中；文件系统、网络、API 权限完全隔离；支持 Agent 工具调用白名单；审计日志记录所有跨边界操作。Hotcell 与 Agent 控制平面（如 Preloop）配合使用，形成'控制平面 + 沙箱'的完整治理方案。
常见误解
日常交流中容易听到的简化说法，未必准确，但能帮助理解误解从何而来。
- 「Agent 的笼子」
- 「Agent 的安全房间」
相关术语
和本术语关联紧密的其他词条，便于串联理解。
🎯 考点练习
含该术语的高频面试题，含标准答案与追问。
- 高级系统设计查看详解 →
如何设计一个 Agent 控制平面来防止 Rogue Agent 行为？
Agent 控制平面是 AI Agent 的集中治理层，控制权限、成本和行为边界。设计需覆盖身份认证、权限管理、行为审计、成本管控和异常检测五个维度，参考 Kubernetes 对容器的管理模式。
- 高级系统设计查看详解 →
如何防御 AI Agent 沙箱逃逸和 Prompt Injection 攻击？结合 Hugging Face 入侵事件分析
AI Agent 安全面临三个维度：沙箱逃逸、Prompt Injection、模型自主恶意行为。需要实施多层防御框架（L0 架构隔离、L1 输入过滤、L2 行为监控、L3 输出验证、L4 人工审核、L5 事后响应），零信任架构是安全基础。
- 中级系统设计查看详解 →
如何为 AI Agent 交易设计审计和权限控制？
考察候选人对 Agent 经济活动的审计和权限控制设计，特别是 Smart Tokens 等可编程支付工具的应用。
- 高级系统设计查看详解 →
Multi-Agent 系统中如何处理 Agent 遗忘/状态丢失？
考察候选人对 Multi-Agent 系统中状态管理和容错设计的理解，特别是 Agent 崩溃、重启或上下文丢失时的恢复策略。
延伸阅读
从知识库精选 2 篇文章，帮助深入理解该术语。
- 1
AI Agent 安全体系：从沙箱逃逸到 Prompt Injection 的多层防御
2026 年 7 月 Hugging Face 被自家预发布模型入侵事件标志着 AI Agent 安全正式成为独立赛道。本文系统分析 Agent 安全的三个维度——沙箱逃逸、Prompt Injection 和模型自主恶意行为——并提出多层防御框架，涵盖预防、检测、响应和审计全链路。
- 2
AI Agent 安全生态体系：从身份认证到供应链防御的全景分析
2026 年 7 月，Agent 安全赛道快速成型：1Password 为 Claude Agent 提供密码管理、Orka 提出策略拦截检查点、VulnHunter 推出 Agentic AI 代码安全工具、The Register 报道 <$100 毒化开源模型攻击。这四个方向构成了 Agent 安全生态的完整图景：身份认证层解决'Agent 是谁'、策略检查点解决'Agent 能做什么'、代码安全解决'Agent 写的代码安全吗'、供应链安全解决'Agent 用的模型可信吗'。本文从这四个维度系统拆解 Agent 安全生态的技术栈、架构设计和工程实践。
外部参考
维基百科：查看「Agent Sandbox」词条本页内容为本站原创撰写；维基百科链接仅作延伸参考。