• 简体中文

      • 快速开始

      只需几分钟即可启动并运行 AIO Sandbox。

      先决条件

      • 系统上已安装 Docker
      • 至少 2GB 可用内存

      安装

      选项 1：使用 Docker 运行（推荐）

      # 拉取并运行最新版本
docker run --security-opt seccomp=unconfined --rm -it \
  -p 127.0.0.1:8080:8080 ghcr.io/agent-infra/sandbox:latest

      选项 2：中国大陆用户

      使用我们的中国镜像以获得更快的下载速度：

      docker run --security-opt seccomp=unconfined --rm -it \
  -p 127.0.0.1:8080:8080 enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest

      选项 3：使用指定版本

      格式为 agent-infra/sandbox:${version}。例如使用 1.11.0：

      docker run --security-opt seccomp=unconfined --rm -it \
  -p 127.0.0.1:8080:8080 ghcr.io/agent-infra/sandbox:1.11.0

# 或使用中国大陆镜像
docker run --security-opt seccomp=unconfined --rm -it \
  -p 127.0.0.1:8080:8080 enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:1.11.0

      这些示例会把宿主机端口绑定到 127.0.0.1，因此沙盒默认只允许本机访问。如果部署到云主机或 Kubernetes，请保持 8080 为私有端口，并通过反向代理或 Ingress 对外发布；详见云上部署。

      如果端口 8080 被占用，映射到不同的端口：

      docker run --security-opt seccomp=unconfined --rm -it \
  -p 127.0.0.1:3000:8080 ghcr.io/agent-infra/sandbox:latest
# 然后通过 http://localhost:3000 访问

      欢迎

      运行 Docker 命令后，您将看到 AIO Sandbox ASCII 标志：

       █████╗ ██╗ ██████╗     ███████╗ █████╗ ███╗   ██╗██████╗ ██████╗  ██████╗ ██╗  ██╗
██╔══██╗██║██╔═══██╗    ██╔════╝██╔══██╗████╗  ██║██╔══██╗██╔══██╗██╔═══██╗╚██╗██╔╝
███████║██║██║   ██║    ███████╗███████║██╔██╗ ██║██║  ██║██████╔╝██║   ██║ ╚███╔╝
██╔══██║██║██║   ██║    ╚════██║██╔══██║██║╚██╗██║██║  ██║██╔══██╗██║   ██║ ██╔██╗
██║  ██║██║╚██████╔╝    ███████║██║  ██║██║ ╚████║██████╔╝██████╔╝╚██████╔╝██╔╝ ██╗
╚═╝  ╚═╝╚═╝ ╚═════╝     ╚══════╝╚═╝  ╚═╝╚═╝  ╚═══╝╚═════╝ ╚═════╝  ╚═════╝ ╚═╝  ╚═╝

🚀 AIO(All-in-One) 代理沙盒环境
📦 镜像版本：1.0.0.93
🌈 仪表板：http://localhost:8080/index.html
🔌 MCP：http://localhost:8080/mcp
📚 文档：http://localhost:8080/v1/docs

      1. 安装 SDK

      Python
      TypeScript
      pip install agent-sandbox

      2. 配置客户端

      Python
      from agent_sandbox import Sandbox

client = Sandbox(base_url="http://localhost:8080")

      3. 与沙盒交互

      通过 file、shell、browser、code execute 与沙盒交互。

      执行 Shell

      Python
      Curl
      shell_res = client.shell.exec_command(command="ls -la")
print(shell_res.data.output) # /home/gem

      文件

      Python
      Curl
      file_res = client.file.read_file(file="/home/gem/.bashrc")
print(file_res.data.content) # export TERM=xterm-256color

      浏览器

      截图

      Python
      Curl
      screenshot = client.browser.screenshot()
print(screenshot)

      GUI 操作

      Python
      Curl
      action_res = client.browser.execute_action_actions_post(
    request=Action_MoveTo(x=100, y=100)
)
print(action_res)

      更多 action_type 详情可以在浏览器中找到。

      使用 CDP 连接到浏览器

      Python
      Curl
      from playwright.sync_api import sync_playwright

browser_info = client.browser.get_info()
cdp_url = browser_info.data.cdp_url
playwright = sync_playwright().start()
browser = playwright.chromium.connect_over_cdp(cdp_url)

      示例

      将网页转换为带有嵌入 base64 截图的 Markdown：

      Python
      import asyncio
import base64
from playwright.async_api import async_playwright
from agent_sandbox import Sandbox


async def site_to_markdown():
    # 初始化沙盒客户端
    c = Sandbox(base_url="http://localhost:8080")
    home_dir = c.sandbox.get_context().home_dir

    # 浏览器：自动化下载 html
    async with async_playwright() as p:
        browser_info = c.browser.get_info().data
        page = await (await p.chromium.connect_over_cdp(browser_info.cdp_url)).new_page(
            viewport={
                "width": browser_info.viewport.width,
                "height": browser_info.viewport.height,
            }
        )
        await page.goto("https://sandbox.agent-infra.com/", wait_until="networkidle")
        html = await page.content()
        screenshot_b64 = base64.b64encode(
            await page.screenshot(full_page=False, type='png')
        ).decode('utf-8')

    # Jupyter：在沙盒中运行代码将 html 转换为 markdown
    c.jupyter.execute_code(
        code=f"""
from markdownify import markdownify
html = '''{html}'''
screenshot_b64 = "{screenshot_b64}"

md = f"{{markdownify(html)}}\\n\\n![Screenshot](data:image/png;base64,{{screenshot_b64}})"

with open('{home_dir}/site.md', 'w') as f:
    f.write(md)

print("完成！")
"""
    )

    # Bash：执行命令列出沙盒中的文件
    list_result = c.shell.exec_command(command=f"ls -lh {home_dir}")
    print(f"\n沙盒主目录中的文件：\n{list_result.data.output}")

    open("./output.md", "w").write(
        c.file.read_file(file=f"{home_dir}/site.md").data.content
    )

    return "./output.md"


if __name__ == "__main__":
    # 运行异步函数
    result = asyncio.run(site_to_markdown())
    print(f"\nMarkdown 文件保存在：{result}")

      访问点

      运行后，您可以访问不同的界面：

      服务URL描述
      API 文档http://localhost:8080/v1/docsOpenAPI 文档
      仪表板http://localhost:8080/index.html仪表板
      VNC 浏览器http://localhost:8080/vnc/index.html?autoconnect=true带浏览器的远程桌面
      终端http://localhost:8080/terminal终端交互
      Code Serverhttp://localhost:8080/code-server/VSCode Server
      MCP 服务器http://localhost:8080/mcp模型上下文协议服务器
      Jupyterhttp://localhost:8080/jupyterVSCode Server

      获取帮助