VibeCoderzVibeCoderz
Все статьи
Новости и релизы2026/08/2610 мин чтения

OpenSandbox от Alibaba: где ваш AI-агент безопасно запускает код?

Содержание (14)+

В августе 2026 GitHub-репозиторий с 14 200 звёздами стал трендом #1 на платформе. Не новая языковая модель, не кодинг-агент. Инфраструктурный инструмент от Alibaba с названием OpenSandbox.

И это симптом важного: агентная экосистема вышла из фазы демо. Когда скучная «сантехника» для запуска кода становится горячей темой — значит, люди реально деплоят агентов в продакшен. И сталкиваются с вопросом, который до сих пор не было принято задавать вслух.

Когда AI-агент сам пишет код и сам его запускает — где именно он это делает?

OpenSandbox — Apache 2.0 execution-слой для AI-агентов от Alibaba. Изолированные песочницы для кода, пять рантаймов изоляции (Docker → gVisor → Kata/Firecracker), SDK на 5 языках, MCP-сервер для Claude Code, Credential Vault. Быстрее E2B в 1.7-5.5× по ключевым метрикам. Self-hosted, CNCF Landscape, 14 200+ звёзд. В статье: как работает, архитектура, бенчмарки, установка, ограничения.

Ссылки:


Для тех кто не в теме: в чём проблема

Когда вы пишете Claude Code «напиши скрипт для обработки файлов» — агент не просто пишет текст. Он хочет запустить этот код, проверить что работает, отладить ошибки. Это и называют «code execution» — выполнение кода агентом.

Вопрос: где именно запускается этот код?

Вариант первый — прямо на вашем сервере или компьютере. Агент получает терминал, пишет код, запускает. Удобно, быстро — и опасно. Один хитрый промпт, и агент запускает rm -rf / или отправляет ваши секреты на внешний сервер. Это называется prompt injection — атака через входные данные.

Вариант второй — в изолированной среде (sandbox). Отдельный контейнер, где у агента нет доступа к реальной системе. Код запускается, результат возвращается — но навредить ничему важному невозможно.

OpenSandbox — это и есть вариант второй, сделанный как серьёзная инфраструктура.


Почему это стало горячей темой именно сейчас

OpenSandbox вышел ещё в марте 2026. Репозиторий создан в декабре 2025. Но тренд #1 на GitHub он занял в августе 2026.

Почему? Скорее всего, органическое переоткрытие. Серия постов в LinkedIn и X в середине августа — особенно пост Dr. Alvaro Cintas, набравший 1200+ реакций — привлекла волну внимания. Не новый фича-релиз, а «люди наконец нашли то, что давно существовало».

И этот момент говорит о чём-то важном. В 2024-2025 все говорили о языковых моделях. В 2026 команды начали реально деплоить агентов в продакшен — и тут же столкнулись с инфраструктурными вопросами. Где запускать код? Как изолировать? Как передать секреты безопасно?

Именно поэтому «скучная сантехника» стала горячей темой.


Архитектура: четыре слоя от SDK до контейнера

Прежде чем ставить — полезно понять что именно делает OpenSandbox. Это четыре уровня:

┌─────────────────────────────────────────────────────┐
│  SDK Layer          Python / Java / TS / C# / Go    │
│  (Sandbox, Filesystem, Commands, CodeInterpreter)   │
├─────────────────────────────────────────────────────┤
│  Specs Layer        OpenAPI контракты               │
│  (Sandbox Lifecycle + Sandbox Execution)            │
├─────────────────────────────────────────────────────┤
│  Runtime Layer      FastAPI сервер                  │
│  Docker (local) / Kubernetes (prod + BatchSandbox)  │
├─────────────────────────────────────────────────────┤
│  Sandbox Instances  Контейнеры                      │
│  execd (Go-демон) → Jupyter kernel → SSE output     │
└─────────────────────────────────────────────────────┘

SDK Layer — то, с чем работает ваш агент. Четыре компонента:

  • Sandbox — создать / удалить / управлять TTL
  • Filesystem — читать и писать файлы
  • Commands — выполнять shell-команды
  • CodeInterpreter — запускать код с сохранением состояния между вызовами (переменные живут)

Specs Layer — OpenAPI-спецификации. Это важный момент: контракт между SDK и рантаймом публичный. Можно написать свой рантайм — например, с кастомным уровнем изоляции.

Runtime Layer — сервер на FastAPI. Локально работает через Docker, для продакшена — Kubernetes с BatchSandbox (пул готовых контейнеров для быстрого запуска).

Sandbox Instances — сами контейнеры. В каждый инжектируется Go-демон execd — без изменения базового образа. Он поднимает Jupyter-ядро внутри и стримит вывод через SSE.

Главный принцип: переключить с runtime='docker' на runtime='kubernetes' — ваш код агента не меняется. Абстракция скрывает детали оркестрации.


Пять рантаймов изоляции: от «нормально» до «параноидально»

Это то место, где OpenSandbox сильно отличается от простой «запускалки кода». Пять уровней изоляции под разные задачи:

РантаймМеханизмCold startПамятьДля чего
runc (Docker)cgroups, общий kernel~0 мс~5 MBДоверенный код, локальная разработка
gVisorUser-space kernel, перехват syscall~10–50 мс~50 MBОбщий случай, хороший баланс
Kata + QEMUПолная VM~500 мс~20–50 MBМаксимум изоляции
Kata + FirecrackermicroVM~125 мс~5 MBВысокая плотность, минимальный след
Kata + CLHCloud Hypervisor~200 мс~10–20 MBБаланс скорости и изоляции

Важный нюанс: дефолт при установке — обычный Docker (runc). Это хорошая изоляция для доверенного кода, но не для полностью недоверенного. Container escape — известный класс атак на Docker.

Для реального продакшена с агентами, которые обрабатывают внешние данные — настройте gVisor как минимум, Kata если нужен максимум.

Ещё нюанс про gVisor: не поддерживает iptables (нужен Cilium на CNI-уровне для egress-контроля), нет GPU, нет privileged mode. Kata с QEMU — полная совместимость и поддержка GPU. Firecracker работает только в Kubernetes, не в Docker.

Рекомендация из официального гайда: gVisor как дефолт для продакшена, Kata если код полностью недоверенный.


Credential Vault: главная инновация по мнению комьюнити

Это фича, которую Dr. Alvaro Cintas назвал «настоящей инновацией» в том самом LinkedIn-посте с 1200+ реакциями.

Проблема: AI-агент хочет сделать запрос к внешнему API — например, отправить данные в Stripe или прочитать из базы. Для этого нужен API-ключ. Но если положить ключ прямо в контекст агента — он может его «прочитать», случайно залогировать, передать дальше.

Решение OpenSandbox: Credential Vault инжектирует секрет в среду исполнения так, что код может его использовать, но не может прочитать.

from opensandbox import Sandbox

with Sandbox() as sb:
    # Секрет инжектируется через vault — код его не "видит"
    sb.credentials.inject("STRIPE_KEY", vault_ref="prod/stripe/key")
    result = sb.run("python billing.py")
    # billing.py использовал STRIPE_KEY, но не вернул его в вывод

Реальный ключ никогда не появляется в stdout, в переменных, которые агент может прочитать, или в логах. Агент делает работу — не зная секрета.


SDK, CLI и MCP — три способа работы

SDK на 5 языках:

pip install opensandbox                    # Python
npm install @alibaba-group/opensandbox     # JavaScript / TypeScript
dotnet add package Alibaba.OpenSandbox     # C# / .NET
go get github.com/alibaba/OpenSandbox/... # Go
# com.alibaba.opensandbox:sandbox          # Java / Kotlin (Maven)

CLI osb — управлять песочницами прямо из терминала:

pip install opensandbox-cli

osb sandbox create --runtime gvisor
osb run "python script.py" --sandbox $SANDBOX_ID
osb files read /output/result.txt
osb policy egress set --allow github.com,pypi.org

MCP-сервер для Claude Code и Cursor:

pip install opensandbox-mcp
// ~/.claude/claude_desktop_config.json
{
  "mcpServers": {
    "opensandbox": {
      "command": "opensandbox-mcp",
      "args": ["--server", "http://localhost:8080"]
    }
  }
}

После этого Claude Code видит инструменты sandbox_create, sandbox_run, sandbox_file_read и может сам управлять изолированными средами — без вашего участия.


Бенчмарки: OpenSandbox vs E2B

Независимый бенчмарк от diggerhq/opencomputer:

МетрикаOpenSandboxE2BПреимущество
Создание песочницы120 мс232 мс×1.9
Уничтожение16 мс108 мс×6.6
Выполнение команды28 мс52 мс×1.9
Запись файла10 мс34 мс×3.4
Чтение файла9 мс50 мс×5.5
Concurrency (8 параллельных)27.5/сек11.8/сек×2.3
Полный workflow756 мс1322 мс×1.7

OpenSandbox быстрее по всем показателям. Файловые операции особенно — в 3-7 раз за счёт нативных gRPC API вместо shell+base64.

Оговорки, которые важно знать:

Бенчмарк самописный. E2B тестировался через облако — там есть сетевой оверхед. OpenSandbox запускался на Fly.io через gRPC — это преимущество в скорости. Прямое сравнение «self-hosted vs managed cloud» всегда в пользу self-hosted по latency.

В крупных независимых рейтингах (Superagent, Better Stack) OpenSandbox пока вообще не фигурирует — проект молодой.


Кто уже использует

Из публичного issue «Who is using OpenSandbox» (#143) в репозитории:

  • Alibaba Cloud Lingyang — enterprise-направление Alibaba, K8s/Helm-деплой для клиентских песочниц
  • Laiye (Пекин) — оценивают как замену E2B для Claude-окружений
  • Unicom Digital Technology (Пекин) — code-execution ноды агентной платформы
  • ICBC SDC (Ханчжоу) — агентные сценарии

Паттерн: крупные азиатские технологические компании, которые строят агентные платформы и хотят self-hosted альтернативу платному E2B.


Сценарии использования

OpenSandbox поддерживает четыре профиля песочниц — и под каждый есть готовые примеры в репозитории:

Coding Agents — изолированная среда для агентов, которые пишут и тестируют код. Claude Code, Gemini CLI, Codex, Qwen Code — все поддерживаются через готовые примеры в examples/.

GUI Agents — полноценный VNC-десктоп внутри контейнера. Агент видит экран, кликает, работает с приложениями, у которых нет API. Интеграция с Chrome и Playwright.

Code Execution — быстрый рантайм для вычислений. Stateful — переменные сохраняются между вызовами, как в Jupyter.

RL Training — изолированные среды для обучения с подкреплением. Готовый пример: DQN на CartPole с чекпоинтами.


Конкурентный ландшафт

ИнструментТипИзоляцияCold startЦенаGPU
OpenSandboxSelf-hostedgVisor / Kata / Firecracker~120 мс APIБесплатноKata
E2BSaaSFirecracker~150 мс$150/мес + usage❌
DaytonaOpen sourceDocker~90 мсБесплатно✅
ModalSaaSgVisor—Pay-per-use✅ (T4-B200)
Fly.io SpritesSaaSFirecracker—Pay-per-use❌
MicrosandboxLocal-firstlibkrun microVM~320 мсБесплатно❌
AWS AgentCoreSaaS——AWS pricing✅

Позиция OpenSandbox: единственный зрелый self-hosted вариант с несколькими уровнями изоляции, SDK на 5 языках и MCP-интеграцией. Платите только за своё железо — никаких per-second или per-sandbox fees.

Главный конкурент по идее — E2B (1B+ запущенных песочниц, 94% Fortune 100). Разница: E2B — managed SaaS с SLA, OpenSandbox — вы сами всё держите.


Установка: от нуля до первой песочницы

Локально через Docker

# 1. Запустить сервер OpenSandbox
docker run -d \
  --name opensandbox-server \
  -p 8080:8080 \
  -v /var/run/docker.sock:/var/run/docker.sock \
  alibaba/opensandbox-server:latest

# 2. Установить Python SDK
pip install opensandbox

# 3. Создать первую песочницу
python -c "
from opensandbox import Sandbox

with Sandbox(server='http://localhost:8080') as sb:
    result = sb.run('python -c \"print(1+1)\"')
    print(result.output)  # 2
"

С gVisor для продакшена

# ~/.sandbox.toml
[server]
port = 8080

[secure_runtime]
default = "gvisor"

[runtimes.gvisor]
binary = "/usr/local/bin/runsc"

Полный agentный пример

from opensandbox import Sandbox

with Sandbox(
    server='http://localhost:8080',
    runtime='gvisor',        # gVisor для изоляции
    ttl=3600,               # Живёт час
    egress_policy={         # Разрешённые домены
        "allow": ["pypi.org", "github.com"]
    }
) as sb:
    # Агент устанавливает зависимости
    sb.run("pip install pandas requests")

    # Выполняет скрипт
    result = sb.commands.run("python analyze.py")
    print(result.stdout)

    # Читает результаты
    output = sb.filesystem.read("/workspace/output.csv")

Честно про ограничения

Дефолт — Docker без усиленной изоляции. Для dev-среды достаточно. Для продакшена с внешними данными — нужен gVisor или Kata. Container escape из Docker — известный класс атак, не теоретический.

Нет managed-версии. E2B нажал кнопку — работает. OpenSandbox — поднять сервер, настроить рантайм, следить за обновлениями, апгрейдить. Весь операционный груз на вас.

Cold start 2-5 секунд с учётом pull образа, старта execd и Jupyter-ядра. Быстро для изоляции, но медленно если нужны мгновенные ответы.

Нет независимых security-аудитов. Нет опубликованных результатов тестов на container escape или side-channel атаки. «Production-grade» в названии пока звучит как обещание, не как подтверждённый факт.

Alibaba-провенанс. Для части enterprise-клиентов и регуляторных юрисдикций это будет stop sign — неважно насколько хорош код.

Нет serverless. Нужен Docker или K8s. На Lambda, Vercel Edge, Cloudflare Workers не запустить.


Почему Alibaba отдала это бесплатно

Откровенный вопрос — и на него есть откровенный ответ.

Alibaba не первый раз так делает. Это классическая стратегия «open-source как стандарт»: если OpenSandbox станет тем, на чём все строят агентов — следующий вопрос у крупных клиентов будет «а где это запускать с SLA?». И там будет Alibaba Cloud.

Западные лаборатории конкурируют за качество моделей. Alibaba делает ставку на инфраструктурный стек. Если ваши агенты работают в OpenSandbox — вы уже в экосистеме Alibaba.

Второе: проект переехал из alibaba/OpenSandbox в независимую org opensandbox-group. Подана заявка в AAIF (AI Agent Infrastructure Foundation). Это движение к нейтральному governance — снижает риск «Alibaba закроет и уйдёт».

Максим: «Ребят, это работает. Мы на NeuroScribe столкнулись с точно этим вопросом — где запускать код, который агент генерит для обработки данных пользователей. Держать агента напрямую в терминале с реальными данными — это либо наивность, либо безумие. OpenSandbox даёт нормальную инфраструктурную границу. Сделал — получил цифру: 9 мс на чтение файла вместо 50 у E2B — это уже ощутимо на реальных задачах.»

FAQ

Для чего вообще нужна sandbox для AI-агента?
Когда агент генерирует и запускает код — нужна изоляция от реальной системы. Без неё один хитрый промпт или ошибка в коде могут повредить данные, утечь секреты или выполнить нежелательные команды. Sandbox — это «контейнер», где код работает, но навредить не может.

OpenSandbox подходит для новичков?
Для запуска локально через Docker — да, есть готовые примеры. Для продакшена — нужно понимать Docker, Kubernetes и рантаймы изоляции. Это инфраструктурный инструмент для команд, а не plug-and-play SaaS.

Это то же самое что E2B?
По смыслу — да, решают одну задачу. По реализации: E2B — managed cloud с SLA, простая интеграция. OpenSandbox — self-hosted, больше контроля, нет per-second платы, но весь Operations на вас.

Работает ли с Cursor и VS Code?
Да. Через MCP-сервер — подключается к Cursor, Claude Code, VS Code с GitHub Copilot. Готовые примеры в examples/ репозитория.

Можно ли дать агенту доступ к интернету внутри sandbox?
Да, через egress policy — список разрешённых доменов. По умолчанию egress заблокирован. На gVisor нет поддержки iptables, нужен Cilium на CNI-уровне для FQDN-политик.

Что будет если агент попытается сделать что-то вредное?
Зависит от рантайма. Docker (runc) — относительно легко выбраться через container escape. gVisor — сильно сложнее, user-space kernel перехватывает системные вызовы. Kata — практически невозможно, полная VM.



Репозиторий — github.com/opensandbox-group/OpenSandbox. Официальный сайт — open-sandbox.ai. Гайд по изоляции — open-sandbox.ai/guides/secure-container. Технический разбор — Northflank. Бенчмарк vs E2B — diggerhq/opencomputer.

Смотрите каталог AI-инструментов на VibeCoderz — там собраны актуальные инструменты для агентной разработки.

Вопросы по инфраструктуре для AI-агентов — к Максиму.


Обновлено: октябрь 2026. Источники: GitHub OpenSandbox, open-sandbox.ai, MarkTechPost, Northflank, Бенчмарк diggerhq, DEV Community.

Автор

Елисавета Наговицына

Предприниматель · Контент-маркетолог · SEO-стратег · AI-продуктолог

2026/08/26

400 000+ органических переходов за 3 месяца. Со-основатель GoBanana (231K пользователей, 12+ млн ₽ без рекламы) и NeuroScribe (65K пользователей). SEO/GEO-стратегии для AI-поисковиков, 1 700+ единиц контента, 17+ реализованных стратегий.

Об авторе →
All Posts

Инструменты, упомянутые в статье

Читать далее

📄 Статья

GLM 5.3 Flash и GLM 5.3 в 2026, что нового у Z.ai и какую взять2222

GLM 5.3 Flash от Z.ai (бывшая Zhipu AI) вышла 26 августа 2026 и сразу стала самой дешевой моделью своего уровня для кода. Внутри 320 млрд параметров, из которых работают 18 млрд, открытая лицензия MIT, контекст 1 млн токенов и вход для картинок и вид…

2026/10/1211 мин
📄 Статья

5 лид-магнитов для AI продукта которые собирают базу до запуска

Лид-магнит для AI-продукта — это бесплатный кусочек пользы, который человек получает в обмен на email или подписку в Telegram, ещё до того как продукт вышел в релиз. Если запускать его за 2-4 недели до старта, ко дню открытия продаж у вас уже есть тё…

2026/07/238 мин
📄 Статья

Релизный чеклист для MVP: тесты, env, аналитика, backup и rollback до нажатия Deploy

Релизный чеклист для MVP — это список из 20 проверок по пяти категориям: безопасность, функциональность, инфраструктура, данные и аналитика. Он нужен, чтобы поймать критичные баги до того, как их увидит первый пользователь, а не после. Ниже разберем…

2026/07/218 мин
📄 Статья

ZCode 3.0 вышел в июле 2026: управляй AI-агентом из Telegram, пока он кодит на твоём компьютере (1)

ZCode 3.0 от Z.ai – настольный AI‑кодер с управлением из Telegram, работающий на твоём ПК, использующий GLM‑5.2 и предлагающий уникальные инструменты и доступные цены.

2026/07/0710 мин
📄 Статья

Qwen 3.8 Max 2026 обзор, доступ и как запустить локально

Qwen 3.8 Max стала первой моделью линейки Max, у которой Alibaba открыла веса. 12 августа 2026 года чекпоинт на 2,4 трлн параметров появился на Hugging Face, и скачать его может любой. А вот запустить дома не выйдет: даже 1-битная версия весит 397 ГБ…

2026/10/1212 мин
📄 Статья

Gemini 3.8 Flash в 2026 году, что умеет новая модель Google

Gemini 3.8 Flash это быстрая и дешевая модель Google, которая вышла 2 сентября 2026 года и сразу стала моделью по умолчанию для агента в Antigravity. Отдельной Gemini 3.8 Pro пока не существует, поэтому запросы «gemini 3.8 pro» и «gemini 3.8 flash pr…

2026/10/1214 мин