AI Agents · 课时

E2B 与云沙箱服务

面向代码解释器智能体的 E2B SDK、Daytona 和托管沙箱 API

E2B 与云沙箱服务 是 CoddyKit 上的免费 AI Agents 课时。这是第 3 节课，共 4 节。你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。

E2B 是什么？

E2B（构建环境）是一项专为 AI 代码代理设计的云沙盒服务。它通过简单的 Python/JS SDK 提供安全、隔离的环境，无需您自行管理 Docker 或 VM。

每个沙盒都是 E2B 云中的一个 Firecracker microVM。

# Install the SDK
# pip install e2b-code-interpreter

from e2b_code_interpreter import Sandbox

sandbox = Sandbox()  # creates a new cloud sandbox
print('Sandbox ID:', sandbox.sandbox_id)

在沙盒中运行代码

Sandbox 对象提供了一个 run_code() 方法，用于执行 Python，并返回包含标准输出、标准错误和丰富显示对象（图表、数据框）的结构化输出。

from e2b_code_interpreter import Sandbox

with Sandbox() as sandbox:
    result = sandbox.run_code('print(2 ** 10)')
    print(result.logs.stdout)   # ['1024']
    print(result.error)         # None if no error

处理错误和异常

如果代码引发异常，result.error 会填入跟踪信息。沙盒本身会继续运行，您可以发送后续代码来修复错误。

from e2b_code_interpreter import Sandbox

with Sandbox() as sandbox:
    result = sandbox.run_code('1 / 0')

    if result.error:
        print('Error name:', result.error.name)    # ZeroDivisionError
        print('Traceback:', result.error.traceback)
    else:
        print(result.logs.stdout)

将文件上传到沙盒

使用 sandbox.files.write()，在运行分析代码之前将数据文件（CSV、JSON、图像）上传到沙盒文件系统。

from e2b_code_interpreter import Sandbox

csv_content = 'name,score\nAlice,95\nBob,87\nCarol,92'

with Sandbox() as sandbox:
    sandbox.files.write('/home/user/data.csv', csv_content.encode())

    result = sandbox.run_code(
        'import csv\n'
        'rows = list(csv.DictReader(open("/home/user/data.csv")))\n'
        'print([r["name"] for r in rows])'
    )
    print(result.logs.stdout)   # ["['Alice', 'Bob', 'Carol']"]

从沙盒下载文件

计算完成后，使用 sandbox.files.read() 获取输出文件（报告、图表、处理后的数据）。该文件会以字节形式返回。

from e2b_code_interpreter import Sandbox
import json

with Sandbox() as sandbox:
    sandbox.run_code(
        'import json\n'
        'result = {"mean": 91.3, "max": 95}\n'
        'json.dump(result, open("/home/user/output.json", "w"))'
    )
    data = sandbox.files.read('/home/user/output.json')
    parsed = json.loads(data)
    print(parsed)  # {'mean': 91.3, 'max': 95}

在运行时安装软件包

E2B 沙盒预装了 Python。通过 run_code() 运行 pip 命令来安装其他软件包，然后就可以在同一沙盒会话的后续调用中使用这些软件包。

from e2b_code_interpreter import Sandbox

with Sandbox() as sandbox:
    # Install pandas inside the sandbox
    sandbox.run_code('import subprocess; subprocess.run(["pip", "install", "pandas", "-q"])')

    # Now use pandas
    result = sandbox.run_code(
        'import pandas as pd\n'
        'df = pd.DataFrame({"x": [1,2,3], "y": [4,5,6]})\n'
        'print(df.describe())'
    )
    print(result.logs.stdout)

持久沙盒与临时沙盒

E2B 支持两种沙盒生命周期模式：

临时：with 代码块退出时沙盒会被销毁。适合一次性代码执行。
持久：沙盒会在多个请求之间保持运行。适合需要在多轮代理交互中累积状态的场景。

from e2b_code_interpreter import Sandbox

# Ephemeral (default context manager)
with Sandbox() as sb:
    sb.run_code('x = 42')
# Sandbox destroyed here

# Persistent: keep alive for N seconds
sb = Sandbox(timeout=300)  # keep alive 5 minutes
try:
    sb.run_code('import numpy as np')  # expensive import cached
    sb.run_code('arr = np.arange(1000)')
    result = sb.run_code('print(arr.mean())')
    print(result.logs.stdout)
finally:
    sb.kill()  # explicit cleanup

重新连接正在运行的沙盒

如果代理进程重启，或沙盒 ID 被传递给其他服务，您可以使用该 ID 重新连接到现有沙盒，而不会丢失状态。

from e2b_code_interpreter import Sandbox

# First session
sb1 = Sandbox(timeout=300)
sb1.run_code('accumulated_data = []')
sandbox_id = sb1.sandbox_id
print('Created:', sandbox_id)

# Later — different process, same sandbox
sb2 = Sandbox.connect(sandbox_id)
result = sb2.run_code('accumulated_data.append(1); print(accumulated_data)')
print(result.logs.stdout)  # '[1]' — state preserved

sb2.kill()

E2B 定价模式

E2B 根据沙盒秒数收费——计算沙盒处于运行状态的时间，而不仅仅是代码运行的时间。影响价格的主要因素包括：

如果沙盒是持久的，空闲时间仍会产生费用
临时沙盒从创建到销毁期间计费
网络出口流量可能单独计费
使用 timeout 设置自动终止的截止时间

# Cost-optimization patterns:

# 1. Use short timeouts for one-shot executions
with Sandbox(timeout=60) as sb:
    result = sb.run_code('print("done")')
    # Auto-kills after 60s if not killed first

# 2. Kill immediately after use
sb = Sandbox()
try:
    sb.run_code('process_data()')
finally:
    sb.kill()   # don't wait for timeout

# 3. Share one sandbox across multiple agent steps
#    instead of creating a new one per step

在代理循环中使用 E2B

在多轮代理中，创建一次沙盒，并在循环中传递其 ID。每个由 LLM 生成的代码片段都会在同一会话中运行，因此变量和已安装的软件包会在各轮之间保留。

from e2b_code_interpreter import Sandbox
import openai

client = openai.OpenAI(api_key='YOUR_OPENAI_KEY')

def run_agent(user_question: str):
    with Sandbox(timeout=120) as sb:
        messages = [{'role': 'user', 'content': user_question}]

        for _ in range(5):  # max 5 turns
            resp = client.chat.completions.create(
                model='gpt-4o', messages=messages,
                tools=[{'type': 'function', 'function': {
                    'name': 'run_python',
                    'description': 'Execute Python in a secure sandbox',
                    'parameters': {'type': 'object',
                                   'properties': {'code': {'type': 'string'}},
                                   'required': ['code']}
                }}]
            )
            msg = resp.choices[0].message
            if msg.tool_calls:
                code = eval(msg.tool_calls[0].function.arguments)['code']
                result = sb.run_code(code)
                messages.append({'role': 'tool',
                                  'tool_call_id': msg.tool_calls[0].id,
                                  'content': str(result.logs.stdout)})
            else:
                return msg.content

其他云沙盒服务

E2B 不是唯一的选择。其他云沙盒服务包括：

Modal：无服务器 GPU/CPU 沙盒、自定义 Docker 镜像
AWS Lambda：每次调用都提供执行隔离（底层使用 Firecracker）
Code Interpreter API：OpenAI 为 ChatGPT 工具内置的沙盒
Daytona：支持 Git 集成的开发沙盒

临时 E2B 沙盒退出其上下文管理器后，变量会发生什么？

理解沙盒生命周期，对于在多轮代理对话中决定何时使用临时沙盒或持久沙盒至关重要。

E2B 云沙盒回顾

E2B 为云端托管的 Firecracker microVM 沙盒提供了简单的 SDK。主要模式包括：用于一次性代码执行的临时沙盒、用于多轮代理的持久沙盒、用于输入和输出数据的文件上传/下载，以及用于跨服务工作流的按 ID 重新连接。

始终显式调用 kill 来终止沙盒，以避免不必要的计费。

常见问题解答

「E2B 与云沙箱服务」课时是免费的吗？

是的 — 「E2B 与云沙箱服务」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。

「E2B 与云沙箱服务」这节课中我会学到什么？

面向代码解释器智能体的 E2B SDK、Daytona 和托管沙箱 API 你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。

学习 AI Agents 需要有经验吗？

无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。这是第 3 节课，共 4 节。

「E2B 与云沙箱服务」课时需要多长时间？

大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。

我能在这节 AI Agents 课中编写并运行代码吗？

能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。

此课程中的所有课时

← 返回 AI Agents