认识AgentENV让AI Agent大规模运行的开源沙箱运行时全面解析【免费下载链接】AgentENVAgentENV (AENV) is a distributed platform for running agent environments at scale.项目地址: https://gitcode.com/gh_mirrors/age/AgentENVAgentENV简称 AENV是一款开源沙箱运行时平台专为让 AI Agent 在大规模环境中安全运行而生。它为每个 Agent 任务提供独立的 Firecracker microVM 沙箱支持毫秒级快照恢复、镜像按需加载与多节点分布式部署并已用于为 Kimi K3 驱动 agentic RL 训练。如果你正在寻找一套能替代每次冷启动虚拟机方案的 AI Agent 沙箱运行时这篇文章将带你 10 分钟看懂它的核心原理、快速上手步骤与生产部署路径。为什么 AI Agent 需要专门的沙箱运行时 让 AI Agent 执行代码、操作文件、调用工具时你几乎不可能让它在宿主机上裸奔。传统方案是为每个任务起一个容器或虚拟机但会遇到三个尴尬的问题启动慢虚拟机冷启动动辄数秒Agent 高频创建环境时等待成本巨大镜像膨胀成百上千种环境镜像无法预载到每台机器资源浪费Agent 任务间隙大量 CPU / 内存被闲置沙箱白白占用。AgentENV 正是为此而生的开源沙箱运行时痛点AgentENV 的解法量级环境启动慢快照恢复 / 冷启动50 ms 以内沙箱闲置成本高快速暂停并释放资源暂停100 ms 以内镜像种类多、磁盘装不下overlaybd 按需加载本地盘做有界缓存生产环境已支撑150 万镜像状态保存慢增量快照内存 文件系统重度磁盘写入下仍100 ms 以内一句话总结它把昂贵的闲置环境变得极其便宜把缓慢的冷启动变成毫秒级的恢复。三个核心概念模板、沙箱、快照 理解 AgentENV 只需记住三个名词它们描述了环境的可复用形态与运行形态概念一句话解释Template模板命名、可复用的启动起点通常由 OCI 镜像或 Dockerfile 构建而来Sandbox沙箱正在运行的隔离 Linux 环境你在这里执行代码、改文件、起服务Snapshot快照从沙箱捕获的持久检查点可反复启动出携带该状态的新沙箱典型工作流非常直观aenv pull从 OCI 镜像或aenv build从 Dockerfile创建一个模板aenv start从模板启动一个隔离沙箱在沙箱中运行命令、代码或服务需要保留现场时暂停沙箱或创建可复用的快照用aenv delete清理不再需要的沙箱与快照。沙箱的完整生命周期状态机Creating → Running → Pausing → Paused → Resuming…还支持 Snapshotting 与 Forking 分支详见 docs/src/concepts/sandboxes/index.md。架构一览从 API 到 microVM 的完整链路 ️AgentENV 每个节点是一个运行在 Linux 主机上的服务进程内部由几条清晰的链路组成架构图与组件职责表见 docs/src/internals/architecture.mdAPI 层基于 Axum 的 HTTP 服务暴露 E2B 兼容 API 与反向代理端点src/api/编排器 Orchestrator管理沙箱生命周期状态机、自动驱逐与指标上报src/orchestrator/;Firecracker microVM每个沙箱一个独立虚拟机拥有自己的内核、文件系统与网络栈src/sandbox/firecracker/块设备层overlaybd 提供分层、写时复制的根文件系统ublk 将其暴露为高性能用户态块设备storage/overlaybd/、storage/ublk/envd 守护进程驻留在虚拟机内部负责命令执行、文件操作与健康上报thirdparty/envd/。几个值得新手记住的设计亮点共享底座层多个沙箱共享同一组只读镜像层磁盘与内存占用按层复用而非按沙箱复制记忆快照恢复恢复时通过 ublk 只读块设备 COW 页映射还原 VM 内存同一快照启动的多个沙箱还共享同一个内存块设备页面缓存全集群复用内存气球ballooning把虚拟机中可回收内存归还宿主机生产环境实现9.6 倍内存超分反向代理通过/proxy端点把 HTTP / WebSocket / SSE 流量直接路由进沙箱内部的服务src/api/proxy.rs。快速上手5 分钟跑通你的第一个沙箱 ⚡环境要求Linux 内核6.8/dev/kvm访问权限若服务器不支持标准 KVM可查阅 docs/src/deployment/pvm.md 中的 PVM 部署方案一键安装与启动curl -fsSL https://raw.githubusercontent.com/kvcache-ai/AgentENV/main/scripts/install.sh | sudo bash sudo systemctl start aenv安装脚本会自动配置/dev/kvm权限、加载 ublk 内核模块并下载运行时资产安装脚本源码见 scripts/install.sh。也支持 Docker 方式部署scripts/docker-setup.sh。认证并拉取第一个模板服务首次启动会生成 API Key存于/var/lib/aenv/secrets/api-key用 CLI 完成认证后拉取模板aenv auth aenv pull ubuntu:22.04 --name ubuntu aenv start ubuntu # 启动沙箱并直接进入交互式 shell常用命令速查aenv pull image --name n # OCI 镜像 → 模板 aenv build ctx --name n # Dockerfile BuildKit → 模板 aenv start template -d # 后台启动输出沙箱 ID aenv exec id ls -la / # 一次性执行命令 aenv pause / resume / timeout # 暂停 / 恢复 / 延长 TTL aenv delete id # 删除沙箱完整的 CLI 参考在 docs/src/getting-started/aenv-cli/index.md模板构建选项详解见 docs/src/concepts/templates/creating.md。E2B 兼容零改造接入现有 Agent 应用 如果你的团队已经在用 E2B 生态这是个巨大的迁移福利——AgentENV 原生暴露E2B 兼容 HTTP APIPython / TypeScript 的 E2B 官方 SDK 只需设置环境变量即可直连代码一行不用改export E2B_API_URLhttp://127.0.0.1:8000 export E2B_SANDBOX_URL${E2B_API_URL} export E2B_API_KEY${AENV_API_KEY}集成细节含访问令牌、卷挂载等见 docs/src/integration/e2b.md。部署方式从单机到 K8s 集群 AgentENV 支持三种部署形态按需选择方式适用场景文档单节点裸机 / Docker个人开发、小规模验证docs/src/getting-started/quickstart.mdDocker Compose 多节点中小团队快速扩容docs/src/deployment/docker-compose.mdKubernetes 多节点生产级分布式集群docs/src/deployment/kubernetes.mdK8s 部署采用Gateway网关 Scheduler调度器 DaemonSet 运行时节点的经典控制面结构Gateway 负责 HTTP 反向代理Scheduler 单副本做 gRPC 节点选择与沙箱绑定每个工作节点一个特权运行时 Pod。清单文件位于 deploy/k8s/控制面服务源码在 services/gateway/ 与 services/scheduler/。谁适合用 AgentENV代码解释器 / Code Interpreter 平台每个任务一个干净的 Python 或 Node 环境完整示例见 docs/src/use-cases/python.md工具型与自主编码 Agent需要高频创建、暂停、分叉环境的并行 Agent 工作流Agentic RL 训练团队Kimi K3 的 RL 训练正是构建在 AgentENV 之上需要环境即数据管道级别的吞吐想自建 E2B 替代方案的团队自托管、E2B 兼容、快照与多节点能力开箱即用。总结值得收藏的 AI Agent 沙箱运行时 ✅AgentENV 用一套工程上相当硬核的组合拳——Firecracker 隔离、overlaybd 分层镜像、ublk 高性能块设备、毫秒级记忆快照——回答了AI Agent 沙箱运行时如何做到既隔离又廉价这个问题。对新手而言它的学习曲线很友好三个核心概念 一个 CLI5 分钟即可跑通第一个沙箱对平台团队而言E2B 兼容 API 与 K8s 多节点部署让它能平滑承载生产流量。下一步建议阅读完整架构docs/src/internals/architecture.md快照与分叉玩法docs/src/concepts/snapshots/index.md网络与代理策略docs/src/concepts/sandboxes/networking.md贡献指南CONTRIBUTING.md【免费下载链接】AgentENVAgentENV (AENV) is a distributed platform for running agent environments at scale.项目地址: https://gitcode.com/gh_mirrors/age/AgentENV创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考