
Argon 团队:代码沙箱只隔离智能体执行的代码,不隔离其数据库写入
来源标题:Code sandboxes isolate what agents run. What isolates what they write?
Argon 团队指出,代码沙箱只隔离 AI 智能体执行的代码,无法隔离其对数据库的写入,这类风险需靠数据沙箱解决。文章用一个可运行的 MongoDB 示例展示两者差异,并说明数据沙箱做不到的事。Argon 是面向 MongoDB 的开源数据沙箱。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
代码沙箱只能约束 agent 运行的代码,约束不了它写入数据库的内容。本文通过一个可运行的示例,说明 MongoDB 数据沙箱能额外提供什么,以及它的局限。
当前能力说明:检出操作会物化出一个物理数据库;原生 actor 归属按分支/运行记录;撤销需要完整镜像并保留历史。CLI 沙箱需要 watch 和定时清扫。请阅读能力矩阵。
当 AI agent 编写并运行自己的代码时,标准建议是把这些代码放进沙箱。这条建议没错,但它覆盖的范围比人们以为的要小。代码沙箱约束的是 agent 运行的内容,并不约束 agent 写入你数据库的内容。后者需要数据沙箱,两者解决的是不同的问题。
本文解释两者的区别,用一个可运行的小型 MongoDB 示例展示这一缺口,并列出数据沙箱做不到的事。我们开发了 Argon,一个面向 MongoDB 的开源数据沙箱,阅读下面的对比时请留意这一点。下文的产品描述已于 2026 年 11 月 11 日对照各厂商文档核实。
代码沙箱为 agent 提供一个执行环境,用来运行你未曾编写、也未曾阅读过的代码。各厂商的描述大同小异:
无论哪种情况,边界都是机器本身:文件系统、进程、内核,以及你设置的网络规则。如果 agent 的代码删除了它能触及的每个文件,它删除的是沙箱内的文件。这正是这些产品要解决的问题,而它们确实解决了。
大多数有用的 agent 不只是做计算。它们会读取并修改存放在别处的状态,而数据库通常是这些状态的所在。要让沙箱内的代码做到这一点,你得给它一个连接字符串。从那一刻起,沙箱的围墙对那份数据就形同虚设:通过连接发送的写入,会落到连接所指向的数据库里。
所以问题在于,连接字符串指向哪个数据库。常见答案有三种,各有代价:
数据沙箱是把第三种答案变得日常化。要对 agent 真正有用,它需要五个特性:
最后两点是数据沙箱区别于临时数据库的关键。仅有隔离只能保护你的数据;审查与合并才能让 agent 的工作变得有价值。
下面的运行使用从 npm 安装的 Argon 2.2.0 CLI 和 MongoDB 7.0.48(笔记本上的单节点副本集),时间为 2026 年 11 月 11 日。数据是合成的:一个 shop 数据库里有三件商品。一段短脚本代替 agent 编写的代码。我们没有在代码沙箱里运行它,因为脚本在哪里运行,并不改变它的写入落到哪里。
先把现有数据库纳入 Argon(只需一次),然后创建一个 TTL 为一小时的沙箱: argon import database --uri "$MONGODB_URI" --database shop --project shop --source-quiesced argon sandbox create -p shop --name agent-run-1 --ttl 1h Sandbox "agent-run-1" forked from main at LSN 5. Expires: 2026-11-11T22:43:06-05:00 Connection string: mongodb://localhost:27817/argon_br_6af527ba1c8ca8fc9851a748?replicaSet=rs0 Capture its writes with: argon watch -p shop -b agent-run-1
为这次运行打上标签启动捕获,并让它在自己终端里持续运行: argon watch -p shop -b agent-run-1 --actor agent:run-1
现在看 agent 的代码。它被要求打 10% 的折扣。它还自行决定,最便宜的那件商品不值得保留: // connected to the sandbox connection string db.products.updateMany({}, [ { $set: { price: { $round: [{ $multiply: ["$price", 0.9] }, 0] } } }, ]); db.products.deleteOne({ _id: "p3" });
MongoDB 报告修改了三个文档、删除了一个。源数据库没有变化: { _id: 'p1', name: 'Desk lamp', price: 49 }, { _id: 'p2', name: 'Monitor arm', price: 89 }, { _id: 'p3', name: 'Cable tray', price: 19 }
查看这次运行改了什么: argon diff -p shop -b agent-run-1 Merging agent-run-1 → main put products/p1 put products/p2 delete products/p3 3 change(s), 0 conflict(s)
删除出现在清单里。加上 --output json 后,每项变更都会带上变更前后的文档,因此审查者能看到 price: 49 变成 price: 44,而不必信任摘要。这里审查者不想要这次删除,于是丢弃这次运行: argon sandbox discard -p shop -b agent-run-1 Discarded; storage reclaimed.
源数据库仍然保留三件商品及其原价。如果变更可以接受,argon merge preview 会保存一份计划,argon merge apply 会严格按该计划应用。快速上手教程用两个相互竞争的 agent 跑了一遍完整审查,MCP 教程则通过 MCP 客户端做同样的事,其中的捕获与过期由系统代为管理。
同一次运行还暴露了一个局限,在你依赖它之前值得了解。在第二个沙箱里,脚本新建了一个集合,插入一个文档并立即更新它。随后审查失败了: Error: exact post-image unavailable for update on audit_log; history is incomplete; enable changeStreamPreAndPostImages before writing
来自父数据库的集合已准备好做精确捕获。agent 新建的集合则不然,除非你为它运行 argon collections prepare,或者在创建时就启用前后镜像。agent 会随意创建集合,所以要事先决定一次运行可以创建哪些集合,并做好准备。其他局限:
两者无需特殊集成即可配合使用。宿主创建一个数据沙箱并拿到连接字符串,启动一个代码沙箱,把连接字符串传进去。运行结束时,宿主审查 diff,然后合并或丢弃。有两个实际问题决定这套做法是否可行:
如果你的 agent 只调用一组固定的工具,从不运行自己编写的代码,你可能根本不需要代码沙箱。如果它要碰你在意的数据库,无论如何你都需要一个安全的地方来承接这些写入。可以从本地快速上手开始,或者更详细地了解每个 agent 一个沙箱如何工作。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。