阿里云Agent Sandbox：给智能体一台可控的云上计算机

当一个 Agent 开始接管工作，搜索资料、读取文件、运行代码、调用 API 成为常见执行环节。任务复杂时，Agent 还需根据环境返回结果调整计划，这对底层基础设施提出新要求。

过去企业部署大模型应用，基础设施关注重点多在推理效率，包括响应时延、吞吐和算力成本。随着 Agent 进入真实业务，执行环境成为系统设计的重要一层。企业需要确定 Agent 能访问哪些数据和系统，代码、浏览器及其他工具在什么环境中执行，以及不同任务之间如何隔离。请求量突然上升时，平台还要快速准备大量独立环境。对于持续时间较长的任务，执行状态、临时文件和中间结果也需保存，避免一次中断就从头再来。

模型时代的基础设施更多服务于“让 AI 思考”，Agent 进入生产环境后，执行本身成为需要重点解决的基础设施问题。在这一变化中，沙箱这一传统上多用于隔离不可信代码和进程的安全机制，逐渐演化为承载 Agent 执行的重要组件。

今年 4 月，阿里云正式亮相面向企业级 AI Agent 的 Agent Sandbox 并开启公测，试图打造面向生产环境的智能体执行底座。2026 云栖大会上，阿里云进一步披露了智能体沙箱 Agent Sandbox 的技术架构和更多产业实践。

一句话概括，阿里云 Agent Sandbox 面向 AgentRL/Eval 与 Agent Use/Serving 几大场景，通过安全隔离、弹性供给、状态保持和大规模并发能力，为 Agent 构建安全、稳定、高效的生产级云上执行环境。

阿里云智能集团研发副总裁、弹性计算产品线负责人吴结生发布阿里云 Agent Sandbox。

在深入剖析阿里云 Agent Sandbox 的具体架构之前，有必要先厘清，沙箱为什么会进入 Agent Infra 的核心执行环节。