[Open Source] AI 新時代， OpenSandbox 助你輕鬆玩轉，快到了！

打造你的 AI 實驗室：OpenSandbox 讓你輕鬆玩轉 AI 應用

大家好！今天要為大家介紹一個超酷的工具：OpenSandbox。 簡單來說，OpenSandbox 就像是一個為 AI 應用打造的「安全遊樂場」，讓你在裡面盡情實驗各種 AI 程式碼，而不用擔心會弄壞你的電腦或伺服器。 對於想要踏入 AI 領域的初學者，或者想要試驗各種 AI 工具的開發者來說，OpenSandbox 都是一個非常值得一試的工具。 讓我們一起來看看 OpenSandbox 到底是什麼，以及它能為我們帶來什麼吧！

什麼是 OpenSandbox？

OpenSandbox 是一個通用的沙盒平台，專為 AI 應用而設計。 它的主要功能是提供一個隔離且安全的環境，讓你在裡面執行程式碼，而不會影響到你的主機系統。 你可以把它想像成一個虛擬的實驗室，你可以在這個實驗室裡安全地進行各種 AI 實驗，例如：

• 執行 AI 程式碼： 在安全的環境中執行程式碼，不用擔心程式碼會對你的系統造成任何損害。
• 測試 AI 模型： 在隔離的環境中測試你的 AI 模型，確保它們的運作符合預期。
• 整合 AI 工具： 將各種 AI 工具整合到 OpenSandbox 中，例如程式碼解釋器、瀏覽器自動化工具等。
• 進行 AI 訓練： 在 OpenSandbox 中進行 AI 模型的訓練，並監控訓練的進度。

OpenSandbox 支援多種程式語言，包括 Python、Java、JavaScript 等， 並且提供統一的 API，讓你輕鬆控制和管理沙盒。 它還支援 Docker 和 Kubernetes， 讓你可以在本地運行，也可以部署到雲端進行大規模的 AI 應用開發。

OpenSandbox 的核心功能

OpenSandbox 提供了許多強大的功能，讓它成為一個非常棒的 AI 應用開發平台：

• 多語言 SDK： 支援多種程式語言，包括 Python、Java/Kotlin、JavaScript/TypeScript、C#/.NET 等。 這意味著你可以使用你最熟悉的程式語言來開發 AI 應用。
• 沙盒協議： 定義了沙盒生命週期管理 API 和沙盒執行 API，讓你擴展自定義的沙盒運行時。 你可以根據自己的需求，創建定制化的沙盒環境。
• 沙盒運行時： 內建生命週期管理，支援 Docker 和 Kubernetes， 讓你可以在本地運行，也可以部署到雲端。 它提供了高度的彈性和可擴展性，可以滿足不同規模的 AI 應用需求。
• 沙盒環境： 內建 Command（命令）、Filesystem（檔案系統）和 Code Interpreter（程式碼解釋器） 的實現。 例如：Coding Agents（程式碼代理）、瀏覽器自動化（Chrome, Playwright） 和 桌面環境（VNC, VS Code）。 這意味著你可以直接使用這些內建的環境，而不用自己搭建。
• 網路策略： 統一的 Ingress Gateway（入口網關）， 具有多種路由策略，以及每個沙盒的 Egress 控制（出口控制）。 你可以控制沙盒的網路訪問權限，確保沙盒的安全。
• 強隔離性： 支援安全的容器運行時，如 gVisor、Kata Containers 和 Firecracker microVM， 可以在沙盒工作負載和主機之間提供增強的隔離性。 確保沙盒的安全性。

初學者入門：快速上手 OpenSandbox

對於初學者來說，OpenSandbox 提供了友善的入門方式，讓我們一起來看看如何快速上手吧！

1. 準備你的環境

• Docker： 這是 OpenSandbox 執行沙盒的基礎，所以請確保你的電腦上已經安裝了 Docker。
• Python 3.10+： 建議使用 Python 3.10 或更高版本，因為 OpenSandbox 的 Python SDK 提供了更好的支援。

2. 安裝與配置 OpenSandbox 伺服器

首先，我們需要安裝 OpenSandbox 的伺服器端，並進行初始化配置。

uv pip install opensandbox-server
opensandbox-server init-config ~/.sandbox.toml --example docker

• uv pip install opensandbox-server： 使用 uv (類似 pip 的套件管理工具，如果沒有安裝請自行安裝) 安裝 OpenSandbox 伺服器。
• opensandbox-server init-config ~/.sandbox.toml --example docker： 初始化配置檔案。 這會在你的家目錄（~）下建立一個名為 .sandbox.toml 的配置文件。 --example docker 選項表示使用 Docker 運行時的配置。

3. 啟動 OpenSandbox 伺服器

配置完成後，我們就可以啟動 OpenSandbox 伺服器了。

opensandbox-server

或者，你也可以使用以下指令查看幫助資訊：

opensandbox-server -h

4. 撰寫你的第一個 Python 程式碼（Code Interpreter 範例）

接下來，讓我們來寫一個簡單的 Python 程式碼， 使用 OpenSandbox 的 Code Interpreter SDK 執行程式碼。

import asyncio
from datetime import timedelta

from code_interpreter import CodeInterpreter, SupportedLanguage
from opensandbox import Sandbox
from opensandbox.models import WriteEntry

async def main() -> None:
    # 1. 建立一個沙盒
    sandbox = await Sandbox.create(
        "opensandbox/code-interpreter:v1.0.1",
        entrypoint=["/opt/opensandbox/code-interpreter.sh"],
        env={"PYTHON_VERSION": "3.11"},
        timeout=timedelta(minutes=10),
    )

    async with sandbox:

        # 2. 執行 shell 指令
        execution = await sandbox.commands.run("echo 'Hello OpenSandbox!'")
        print(execution.logs.stdout[0].text)

        # 3. 寫入檔案
        await sandbox.files.write_files([
            WriteEntry(path="/tmp/hello.txt", data="Hello World", mode=644)
        ])

        # 4. 讀取檔案
        content = await sandbox.files.read_file("/tmp/hello.txt")
        print(f"Content: {content}")

        # 5. 建立一個程式碼解釋器
        interpreter = await CodeInterpreter.create(sandbox)

        # 6. 執行 Python 程式碼 (單次執行，直接傳入語言)
        result = await interpreter.codes.run(
              """
                  import sys
                  print(sys.version)
                  result = 2 + 2
                  result
              """,
              language=SupportedLanguage.PYTHON,
        )

        print(result.result[0].text)
        print(result.logs.stdout[0].text)

    # 7. 清理沙盒
    await sandbox.kill()

if __name__ == "__main__":
    asyncio.run(main())

• uv pip install opensandbox-code-interpreter： 安裝 Code Interpreter SDK。
• Sandbox.create()： 創建一個沙盒，指定使用的 Docker 鏡像 (opensandbox/code-interpreter:v1.0.1)。
• sandbox.commands.run()： 在沙盒中執行 Shell 指令。
• sandbox.files.write_files()： 在沙盒中寫入檔案。
• sandbox.files.read_file()： 在沙盒中讀取檔案。
• CodeInterpreter.create()： 建立一個 Code Interpreter 實例。
• interpreter.codes.run()： 執行 Python 程式碼。
• sandbox.kill()： 關閉沙盒。

5. 執行你的程式碼

將上述程式碼儲存為一個 Python 檔案 (例如 sandbox_example.py)，然後在你的終端機中執行它：

python sandbox_example.py

如果你一切順利，你應該會在終端機中看到 “Hello OpenSandbox!” 和 Python 版本資訊，以及 “4”。 這表示你已經成功地使用 OpenSandbox 執行了你的第一個程式碼！

更多 OpenSandbox 實例

OpenSandbox 提供了豐富的實例，展示了在不同情境下如何使用沙盒。 這些範例程式碼都位於 examples/ 目錄中。 讓我們來看看一些有趣的範例：

• code-interpreter： 使用 OpenSandbox 建立一個 Code Interpreter，讓你在沙盒中執行 Python、JavaScript 等多種程式碼。 這是個非常適合初學者的範例，讓你快速了解 OpenSandbox 的基本用法。
• aio-sandbox： 展示了如何使用 OpenSandbox SDK 建立一個 all-in-one 沙盒。
• agent-sandbox： 示範如何在 Kubernetes 上使用 OpenSandbox。
• claude-code： 在 OpenSandbox 中執行 Claude Code。
• gemini-cli： 在 OpenSandbox 中執行 Google Gemini CLI。
• chrome： 使用 Headless Chromium 搭配 VNC，方便你進行自動化操作和除錯。 適合想要進行網頁爬蟲或瀏覽器自動化的朋友。
• playwright： Playwright + Chromium 範例，讓你進行 headless 爬蟲和測試。
• rl-training： 在沙盒中進行 DQN CartPole 訓練。 適合想要進行強化學習的朋友。

你可以從這些範例中學習如何使用 OpenSandbox 解決各種 AI 應用場景。 每個範例都有詳細的說明文件， 幫助你快速理解和上手。

為什麼選擇 OpenSandbox？ 你的 AI 實驗室優勢

• 安全性： OpenSandbox 提供強大的隔離性，確保你的程式碼在安全、可控的環境中執行， 保護你的主機系統。
• 彈性： 支援多種程式語言和運行時，你可以根據你的需求選擇最適合你的工具和環境。
• 可擴展性： 支援 Docker 和 Kubernetes， 讓你可以在本地運行，也可以部署到雲端，輕鬆擴展你的 AI 應用。
• 易用性： 提供了易於使用的 SDK 和豐富的範例， 讓你可以快速上手，開始你的 AI 實驗。
• 豐富的生態系統： OpenSandbox 正在不斷發展， 擁有越來越多的整合和支援，例如： Claude Code, Gemini CLI, Playwright 等。

錯誤排除與小技巧

在使用 OpenSandbox 的過程中，你可能會遇到一些問題。 以下是一些常見問題和解決方法：

• Docker 未啟動： 請確認你的 Docker 正在運行。 在 macOS 上，你可以點擊 Docker 圖示查看 Docker 狀態； 在 Linux 上，你可以使用 systemctl status docker 指令檢查 Docker 狀態。
• 權限問題： 在某些情況下，你可能需要使用 sudo 執行某些指令，例如啟動 OpenSandbox 伺服器。
• Docker 鏡像問題： 確保你使用的 Docker 鏡像已經下載。 如果遇到問題，可以嘗試重新下載鏡像。
• 網路問題： 如果你的沙盒需要訪問網路，請確保你的網路配置正確。 你可以在 .sandbox.toml 配置文件中設定網路策略。
• 版本相容性： 請確認你的 OpenSandbox 伺服器、SDK 和 Docker 版本相容。

結論

OpenSandbox 是一個功能強大且易於使用的沙盒平台，非常適合 AI 開發者和初學者。 它提供了安全的環境、豐富的功能和豐富的範例， 讓你可以在其中盡情實驗 AI 程式碼， 探索 AI 的無限可能。

趕快去 OpenSandbox 官方網站 看看吧， 開始打造你的 AI 實驗室， 創造屬於你的 AI 奇蹟！

參考閱讀

https://github.com/alibaba/OpenSandbox