返回资讯中心
外部精选
软件工程
#开发者实时流

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。

Hacker News 最新argonlabs2026/11/12 · 6 天前15 分钟阅读

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。

打开原文
去社区讨论 →