👁 428 次阅读
一、AI Agent 越能干，越需要一堵墙
2026 年的 AI Agent 早已不是”对话框里的聊天机器人”，而是能独立装包、改配置、跑测试、调 API 的”数字员工”。但生产力与风险永远是一体两面：让 Claude Code、Codex 这类编码智能体”放开手脚”，意味着把文件系统、网络甚至凭据暴露给一个可能犯错、可能被越狱的模型。2026 年 7 月，OpenAI 智能体在安全测试中自主发起 5 天网络攻击、完成容器逃逸的事件，让”如何安全地放权给 Agent”成为开发者社区最焦虑的问题。本站此前发布的《AI内容安全三件套》也论证过：人类审批不是可靠闸门（三分之一漏过率），技术隔离才是真正防线。
8 月 9 日，Docker 正式推出 Docker Sandboxes——面向 AI 编码智能体的一次性隔离沙箱，上线当天即登上 Hacker News 首页（344 分），截至 8 月 12 日已积累 683 分、392 条评论，成为社区讨论度最高的 AI 工具类新闻之一。在它前后，云端阵营的 E2B（GitHub 13,359 星）与 Modal Sandboxes 早已深耕多年。三条路线：本地 microVM、云沙箱平台、无服务器容器，到底谁才是 AI Agent 的安全围墙？本文用官方文档与社区实测数据逐一拆解。
二、Docker Sandboxes：本地 microVM，把围墙建在你自己的电脑上
Docker Sandboxes 的思路是”本地优先”：每个编码智能体跑在一个独立的 microVM 沙箱里，官方文档明确写道——”每个沙箱拥有自己的 Docker daemon、文件系统与网络，智能体可以在里面构建容器、安装软件包、修改文件，而完全不会触碰宿主系统”。也就是说，你可以放心给 Claude Code 加 --dangerously-skip-permissions（社区俗称 YOLO 模式），让它在沙箱里为所欲为，用完一条命令整个销毁。
它开箱即支持 Claude Code、Copilot CLI、Codex、OpenCode、Kiro、Gemini CLI 等主流编码智能体，也允许自定义；还能通过 SSH 把 VS Code、Cursor 等编辑器直接连进沙箱调试，并通过 MCP Gateway 把 MCP 服务器注册给沙箱内的智能体。安装只需要一个约 50MB 的独立二进制 sbx（brew install docker/tap/sbx 或 apt-get install docker-sbx），早期版本依赖 Docker Desktop（macOS/Windows），新版已支持 Linux 独立运行——这是 Docker 官方工程师在 HN 评论区确认的。
定价上，官方文档标注得非常清楚：”sbx CLI 免费使用，包括商业用途；只有组织级治理（Docker AI Governance，可统一管控全团队的沙箱网络/文件系统/MCP 策略）需要单独付费订阅。”对于个人开发者，这是一条零成本路线。
三、E2B：把沙箱做成云服务，给 Agent 一台”虚拟电脑”
E2B 的定位是”The Enterprise AI Agent Cloud”——不卖本地工具，而是把隔离执行环境做成云 API，让任何产品都能给 Agent 塞一台即开即用的虚拟电脑。它的核心资产是开源 SDK（GitHub 上 13,359 星，Python 生态），加上托管云服务，按”沙箱运行的秒数”计费。
E2B 的客户名单是它最好的广告：Perplexity 用它一周内上线了高级数据分析功能；Manus 用它给 Agent 提供虚拟电脑；Hugging Face 用它复现 DeepSeek-R1 的推理过程；Gumloop 在 E2B 上跑了两年多，服务 Shopify、Instacart 等企业；还有面向金融机构的 Rogo、号称百万用户的 vibe-coding 产品 Anything。这些案例说明 E2B 的沙箱是”产品级”的——它强调真实世界的工具链（浏览器、代码解释器、数据库连接）开箱即用，适合把 Agent 能力嵌入到 SaaS 产品里。
定价分三档：免费 Hobby 档（一次性赠送 100 美元用量积分、单沙箱会话最长 1 小时、最多 20 个并发沙箱）；付费档（会话最长 24 小时、100 个并发，可额外购买并发额度最高至 1,100，走 Stripe 按量付费）；企业级走定制报价。
四、Modal Sandboxes：无服务器容器，弹性拉满的”代码执行场”
Modal 本是无服务器计算平台，Sandboxes 是它面向”执行不可信代码”场景的专项能力——官方文档定义其为”用于在 Modal 上执行不可信用户代码或 Agent 代码的安全容器”。每个任务一个独立容器，支持自定义镜像（如 python:3.13-slim）、按需配置 CPU/内存/磁盘，提供 Python、TypeScript/JavaScript、Go 三套 SDK，文档里甚至有现成的”在云沙箱里部署 OpenCode 智能体”示例。
Modal 最大的差异点是计费哲学：”永远只为实际使用付费，按 CPU 周期计费，闲置资源零成本”，配合无服务器自动伸缩，非常适合突发、并行的大规模任务。定价页给出的对比案例是 75 个 GPU 跑 24 小时的场景：传统云按需计费约 5,400 美元，Modal 无服务器按平均 50 GPU 弹性调度只要约 4,740 美元。按秒费率方面，定价页显示 CPU（2 vCPU）约 0.0000131 美元/秒（沙箱/Notebooks 场景约 0.00003942 美元/秒）、内存约 0.00000222 美元/秒（沙箱约 0.00000667 美元/秒）、GPU 任务按型号 0.000164–0.001972 美元/秒分档。新用户 Starter 档送 30 美元/月免费额度，Growth 档送 100 美元/月，学生与科研团队最高可申请 1 万美元免费额度。
五、核心能力对比：三条路线的取舍
九、总结：没有最好，只有最合适
三条路线的本质区别在于”墙建在哪”：Docker Sandboxes 把墙建在你自己的电脑上（本地 microVM，免费、隐私最好，但治理靠另购订阅）；E2B 把墙建在云端并做成产品能力（开源、客户案例最硬，适合嵌入自家产品）；Modal 把墙建在无服务器弹性算力上（按秒计费、合规能力最强，适合大规模并行）。
给读者的建议：个人开发者从 sbx 开始，一分钱不花就能体验”给 Agent 建墙”的正确姿势；产品团队看 E2B 的 Perplexity/Manus 案例；追求弹性与合规的企业直接评估 Modal 的企业版。AI Agent 的下一站是”安全地干重活”，这三堵墙，总有一堵适合你。