函数计算 AgentRun 是一个以高代码为核心的一站式 Agentic AI 基础设施平台。秉持生态开放和灵活组装的理念，为企业级 Agent 应用提供从开发、部署到运维的全生命周期管理。在开发 AgentRun 的过程中，我们发现了一个让人头疼的问题：现有的沙箱方案太零散了。浏览器、代码执行、Shell 环境各自为政，导致开发效率大打折扣。于是我们决定自己动手，打造一个真正一体化的解决方案——All-In-One Sandbox（AIO）。
AIO 是 AgentRun 提供的云上浏览器自动化沙箱环境，它把浏览器、终端和代码执行能力全部集成在一个容器里。通过简单的 SDK 调用，你就能让 LLM 驱动复杂的 Web 自动化任务，再也不用在多个沙箱之间疲于奔命。
说实话，传统的沙箱方案让我们吃尽了苦头。大多数沙箱都是单一用途的（要么只能跑浏览器，要么只能执行代码），这带来了几个实实在在的痛点：
1. 文件共享简直是个噩梦
- 浏览器沙箱下载的文件得先上传到 NAS/OSS，代码沙箱才能用
2. 工具协调复杂到想哭
- 一个完整的 Agent 任务通常需要同时调用浏览器 + 代码 + Shell
- 调试时要在好几个地方来回切换看日志，效率低得让人抓狂
3. 环境配置繁琐到崩溃
- 本地方案：Node.js、浏览器、各种系统依赖，装得手都酸了
- 最要命的是环境污染问题——任务之间互相干扰，资源清理成了日常难题
4. 成本和效率双重打击
统一文件系统
我们的解决方案很简单粗暴：把所有组件（浏览器、Shell、代码执行、文件系统）都塞进同一个沙箱实例里。
对比项 | 传统多沙箱方案 | All-In-One 沙箱 |
启动时间 | 2 个沙箱启动 = 4-15秒(串/并行创建) | 1 个沙箱启动 = 5秒 |
文件传递 | 通过 OSS，耗时 2-3秒 | 直接访问，<100ms |
内存占用 | 2×独立运行 = 2c2g+2c2g | 1×共享运行 = 2c2g |
底层技术栈很扎实：
- 浏览器：Chromium 136+ (固定版本，稳定可靠)
- 协议：WebSocket CDP (:5000/ws/automation 端口)
- 隔离：函数计算资源、本地文件系统的隔离及严格的资源限制
- 文件系统：支持实例级别的 NAS/OSS 动态挂载
五大核心能力，开箱即用：
- 代码执行：内置 Node.js + 原生 Puppeteer 自动化脚本支持
- 文件处理：提供 FileSystem API，可通过 MCP 方式调用
- 状态保持：结合 OSS/NAS 动态挂载，完美支持多步骤任务和状态传递
- 多工具集成：VNC、Terminal、代码执行无缝配合，想怎么用就怎么用
云上沙箱，真的零配置
基于函数计算架构，我们做到了：
- 安全可控：代码在隔离环境中运行，Agent 宿主系统稳如泰山
- 按需扩展：根据负载自动创建/销毁沙箱实例，省钱又省心
多种访问方式，灵活到飞起
不管你是开发者还是运维，都能找到适合自己的使用方式：
接口 | 用途 | 访问方式 |
代码执行 API | 执行 Node.js/Python 脚本 | SDK 方法 |
VNC | 可视化浏览器交互、人工介入 | Web 集成 |
Terminal WebSocket | 实时 Shell 交互 | WebSocket |
文件 API | 读写持久化文件 | SDK 方法 |
这些场景特别适合用 AIO：
- LLM Agent（让 AI 自动生成和执行浏览器自动化脚本）
沙箱实例到底是什么？
每个沙箱实例本质上就是一个基于函数计算环境的会话容器，里面已经预装好了你需要的一切：
- Chromium 浏览器（已启动，监听在 CDP 端口 5000）
- Node.js 运行时（预装 puppeteer-core）
注意：本文假设你已经看过前面的实践系列文章，了解 template 和 sandbox 的关系，并且正确创建了 template。如果你还没做过这些，建议先回去补课。
安装 SDK（很简单）
推荐用 python 3.11 环境，兼容性最好。
pip install agentrun-sdk['server','playwright']
第一个任务：验证沙箱基本功能
from agentrun.sandbox import Sandbox, TemplateTypeimport asyncioasync def quick_start(): """验证沙箱基本功能""" sandbox = Sandbox.create( template_type=TemplateType.AIO, template_name="quick-test", sandbox_idle_timeout_seconds=600 ) print(f"沙箱已创建: {sandbox.sandbox_id}") # 核心：连接已运行的浏览器，提取页面信息 code = """const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];await page.goto('https://example.com');console.log(await page.title());await browser.disconnect();""" await sandbox.context.execute_async(code=code, language="javascript") sandbox.destroy()asyncio.run(quick_start())多步骤任务实战
关键技巧：用 disconnect() 保持浏览器运行，通过文件系统传递状态。
第一步：打开登录页
const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];await page.goto('https://example.com/login');console.log('请在 VNC 中完成登录');await browser.disconnect();第二步：保存 Cookie
const fs = require('fs');const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = await page.cookies();fs.writeFileSync('/home/user/data/cookies.json', JSON.stringify(cookies));console.log('Cookie 已保存');await browser.disconnect();第三步：用 Cookie 爬数据
const fs = require('fs');const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = JSON.parse(fs.readFileSync('/home/user/data/cookies.json'));await page.setCookie(...cookies);await page.goto('https://example.com/data');// 执行数据采集await browser.disconnect();为什么要用多步骤模式？
- 状态持久化：Cookie 保存到文件，支持断点续传
完整代码参见文末附录：Github 示例仓库。
代码执行方式
通过 sandbox.context.execute_async() 方法执行代码：
result = await sandbox.context.execute_async( code="console.log('Hello')", language="javascript", # 或 "python" timeout=300 # 超时时间（秒）)返回格式很清晰：
{ "contextId": "ctx_xxx", # 上下文 ID "results": [ {"type": "stdout", "text": "Hello\n"}, {"type": "result", "value": null} ]}文件操作（超简单）
# 写入文件sandbox.file.write( path="/home/user/data/result.json", content='{"key": "value"}', encoding="utf-8")# 读取文件content = sandbox.file.read("/home/user/data/result.json")# 上传本地文件sandbox.file_system.upload( local_file_path="./local_file.txt", target_file_path="/home/user/data/file.txt")# 下载文件sandbox.file_system.download( path="/home/user/data/result.json", save_path="./result.json")什么时候用？需要登录、人工介入、或者数据量很大的时候。
标准流程：
步骤 1：打开登录页 → 通过 VNC 人工登录步骤 2：保存 Cookie 到文件系统步骤 3：使用 Cookie 执行数据采集
实操要点：
1. sandbox_idle_timeout_seconds >= 1800 保持一定时间状态可用，闲置超时后自动回收。2. 一定要用 disconnect() 保持浏览器运行，close() 会关掉浏览器。3. 通过 /home/user/data/ 目录传递 Cookie 和进度。4. VNC URL 用 sandbox.sandbox_id 和 base URL 拼起来就行。5. 文件操作就用 sandbox.file.read() 和 sandbox.file.write()。适用场景：让 AI 自动生成和执行浏览器自动化代码，非技术用户也能用。
整体架构：
三条铁律（必须遵守）：
- 禁止：puppeteer.launch() → 必须：puppeteer.connect()
- 禁止：browser.close() → 必须：browser.disconnect()
- 禁止：随便存文件 → 必须：/home/user/data/xxx.json
为什么这么严格？
什么时候需要？要保持登录状态，跨会话复用的时候。
完整流程：
首次登录：1. 人工登录 → 2. 保存 Cookie → 3. 持久化存储后续使用：1. 上传Cookie -> 2. 读取 Cookie → 3. 恢复会话 → 4. 执行任务
Cookie 保存示例：
const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = await page.cookies();// 保存到文件系统fs.writeFileSync('/home/user/data/cookies.json', JSON.stringify(cookies, null, 2));console.log('Cookie 已保存');await browser.disconnect();Cookie 恢复示例：
const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];// 读取 Cookieconst cookies = JSON.parse(fs.readFileSync('/home/user/data/cookies.json'));// 恢复会话await page.setCookie(...cookies);await page.goto('https://example.com/protected');console.log('登录状态已恢复');await browser.disconnect();关键提醒：
- Cookie 一定要保存到 /home/user/data/ 目录，这样才有权限
- 用 page.cookies() 获取所有 Cookie，一个都不能少
- 用 page.setCookie(...cookies) 恢复，顺序很重要
适用场景：需要并发处理大量任务的时候。
两种策略：
策略 1：单沙箱顺序执行（简单任务，有依赖关系）策略 2：多沙箱并发执行（复杂任务，无依赖关系）
选择建议：
策略 | 适用场景 | 优势 |
单沙箱顺序执行 | 简单任务，依赖前序结果 | 资源占用低，状态连续 |
多沙箱并发执行 | 复杂任务，无依赖关系 | 执行速度快，并行处理 |
并发控制示例：
# 使用 asyncio.gather() 实现并发tasks = [ process_item(item) for item in items]results = await asyncio.gather(*tasks, return_exceptions=True)
完整的 Demo 代码可以在示例仓库里找到。
目标很明确：抓取豆瓣电影 Top250 的电影信息（标题、评分、导演、年份等）。
实际挑战：
我们的解法：AIO Sandbox 的 Cookie 持久化 + 多步骤任务模式。
步骤 1：首次登录并保存 Cookie
// 1. 打开登录页const puppeteer = require('puppeteer-core');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];await page.goto('https://accounts.douban.com/passport/login');console.log('请在 VNC 中完成登录');console.log('登录完成后，程序将自动保存 Cookie');await browser.disconnect();操作说明：
步骤 2：保存 Cookie
const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];const cookies = await page.cookies();fs.writeFileSync('/home/user/data/douban_cookies.json', JSON.stringify(cookies, null, 2));console.log(`Cookie 已保存，共 ${cookies.length} 条`);await browser.disconnect();步骤 3：用 Cookie 爬取数据
const puppeteer = require('puppeteer-core');const fs = require('fs');const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation'});const page = (await browser.pages())[0];// 恢复 Cookieconst cookies = JSON.parse(fs.readFileSync('/home/user/data/douban_cookies.json'));await page.setCookie(...cookies);// 访问 Top250await page.goto('https://movie.douban.com/top250', { waitUntil: 'networkidle2' });// 提取数据const movies = await page.evaluate(() => { return Array.from(document.querySelectorAll('.item')).map(item => ({ title: item.querySelector('.title')?.textContent, rating: item.querySelector('.rating_num')?.textContent, quote: item.querySelector('.inq')?.textContent }));});// 保存结果fs.writeFileSync('/home/user/data/movies.json', JSON.stringify(movies, null, 2));console.log(`爬取完成，共 ${movies.length} 部电影`);await browser.disconnect();具体实现可以参考项目的 src/ai_code_generator.py 和 src/sandbox_executor.py。
核心逻辑：
from agentrun.sandbox import Sandbox, TemplateTypeimport asyncioasync def scrape_douban(): # 1. 创建沙箱 sandbox = Sandbox.create( template_type=TemplateType.AIO, template_name="douban-scraper", sandbox_idle_timeout_seconds=1800 ) # 2. 执行登录步骤（代码略，参考上面） # 3. 保存 Cookie（代码略，参考上面） # 4. 爬取数据（代码略，参考上面） # 5. 读取结果 result = sandbox.file.read('/home/user/data/movies.json') print(result)asyncio.run(scrape_douban())1. Cookie 持久化：避免重复登录，通过文件系统保存和恢复登录状态2. connect() + disconnect()：保持浏览器运行，完美支持多步骤任务3. 文件系统状态传递：跨步骤共享数据，无需网络 I/O 开销分页爬取（完整 Top250）
const movies = [];for (let page_num = 0; page_num < 250; page_num += 25) { await page.goto(`https://movie.douban.com/top250?start=${page_num}`); const items = await page.evaluate(() => { // 提取逻辑 }); movies.push(...items); // 延迟防止反爬 await page.waitForTimeout(2000);}fs.writeFileSync('/home/user/data/all_movies.json', JSON.stringify(movies));错误处理和重试（生产必备）
async function scrapeWithRetry(url, maxRetries = 3) { for (let i = 0; i < maxRetries; i++) { try { await page.goto(url, { waitUntil: 'networkidle2', timeout: 30000 }); return true; } catch (error) { console.log(`重试 ${i + 1}/${maxRetries}: ${error.message}`); await page.waitForTimeout(5000); } } return false;}系统提示词（System Prompt）是 LLM Agent 的大脑，直接决定了 AI 如何理解和执行你的需求。对于 AIO Sandbox 集成来说，提示词必须明确告诉 AI 如何生成符合沙箱规范的代码。
在设计提示词之前，你得先理解 All-In-One Sandbox 的核心理念，这直接影响提示词的结构。
人机协作，不是完全自动化
我们承认有些事情 AI 就是搞不定，比如验证码、滑块验证、短信验证。所以 AIO 采用“人机协作”的设计理念：
可观测性优先
- 通过 VNC 让执行过程完全透明，你能亲眼看到浏览器在做什么
- 不用再通过日志猜来猜去，直接看页面状态快速定位问题
人机协作而非完全自动
状态持久化
- 用 disconnect() 保持浏览器运行，状态不会丢
提示词必须明确告诉 AI 这些关键约束：
1. 必须用 connect()，别用 launch()
为什么？看看对比就知道了：
传统方式 (错误):const browser = await puppeteer.launch(); // 启动新浏览器 (1-3 秒)// 执行任务await browser.close(); // 状态全部丢失All-In-One 方式 (正确):const browser = await puppeteer.connect({ // 连接已运行的浏览器 (<100ms) browserWSEndpoint: 'ws://localhost:5000/ws/automation'});// 执行任务await browser.disconnect(); // 保持浏览器运行技术原因很简单：
- 用 launch() 会启动第二个浏览器，纯属浪费资源
- connect()
几乎瞬间连接，特别适合多步骤任务
2. 必须用 disconnect()，别用 close()
关键区别在这：
browser.close():- 关闭所有页面- 终止浏览器进程- 清理所有状态- 无法支持多步骤任务- VNC 显示中断browser.disconnect():- 只断开 Puppeteer 连接- 浏览器继续运行- 所有状态保留- 支持多步骤任务- VNC 显示连续
3. Cookie 持久化是王道
登录状态的本质就是 Cookie：
用户登录 → 服务器设置 Cookie → 后续请求携带 Cookie → 服务器识别用户
没有持久化会怎样？
标准做法
保存 Cookie：
const cookies = await page.cookies();fs.writeFileSync( '/home/user/data/cookies.json', JSON.stringify(cookies, null, 2));
加载 Cookie：
const cookies = JSON.parse( fs.readFileSync('/home/user/data/cookies.json'));// 先访问对应域名await page.goto('https://example.com');// 再设置 Cookieawait page.setCookie(...cookies);基础模板（直接复制就能用）
你是 AgentRun AIO Sandbox 的代码生成助手。你的任务是将用户需求转换为可在沙箱中执行的 Puppeteer 代码。【环境信息】- 浏览器：Chromium (已预启动)- 连接端点：ws://localhost:5000/ws/automation- 文件系统：/home/user/data/ (持久化目录)- 超时限制：单次执行 300 秒【代码规范】1. 连接浏览器： const puppeteer = require('puppeteer-core'); const browser = await puppeteer.connect({ browserWSEndpoint: 'ws://localhost:5000/ws/automation' });2. 结束会话： await browser.disconnect();3. 文件读写： const fs = require('fs'); // 读取 const data = fs.readFileSync('/home/user/data/file.json'); // 写入 fs.writeFileSync('/home/user/data/file.json', JSON.stringify(data));4. 错误处理： try { // 代码逻辑 } catch (error) { console.error(`错误: ${error.message}`); throw error; }【输出要求】- 生成完整的 JavaScript 代码- 包含必要的错误处理- 关键步骤用 console.log() 记录- 重要结果保存到文件系统AI 对话模式让非技术用户也能用浏览器自动化，系统提示词在里面起着关键的“翻译”作用。
智能任务拆分
好的提示词要能指导 AI 自动判断何时拆分任务：
简单任务（不拆分）
用户: 访问 example.com，获取页面标题AI 直接生成单个代码块，执行后返回结果
需要登录（自动拆分）
用户: 登录豆瓣，然后获取我的收藏AI 自动拆分为 3 个步骤：步骤 1: 打开登录页 → [生成代码1] → "请在 VNC 中完成登录"步骤 2: 保存 Cookie → [生成代码2] → "已保存 15 个 Cookie"步骤 3: 获取收藏 → [生成代码3] → "找到 25 部收藏电影"
引导人工操作
遇到需要人工介入的步骤，AI 要明确告诉用户该怎么做：
AI: 我已经打开了登录页面，请在 VNC 窗口中：1. 输入用户名和密码2. 输入验证码3. 点击登录按钮完成后告诉我"登录完成"，我将继续后续步骤。
永远用 try-catch 包裹核心操作：
try { // 核心操作 await page.goto(url, { waitUntil: 'networkidle2', timeout: 30000 });} catch (error) { // 明确的错误信息 console.error(`操作失败: ${error.message}`); // 可选：重试逻辑 if (error.name === 'TimeoutError' && retryCount < maxRetries) { console.log(`超时，重试第 ${retryCount + 1} 次`); await new Promise(resolve => setTimeout(resolve, 5000)); return executeWithRetry(url, retryCount + 1); } throw error;}禁用不必要的资源加载
await page.setRequestInterception(true);page.on('request', (req) => { const resourceType = req.resourceType(); // 丢弃图片、样式、字体等非关键资源 if (['image', 'stylesheet', 'font', 'media'].includes(resourceType)) { req.abort(); } else { req.continue(); }});▍5.3 安全注意事项
Cookie 安全（重中之重）
# .gitignore 中必须包含*_cookies.jsoncookies.json*.env
代码注入防护
// 危险：直接拼接用户输入const userInput = req.query.selector;await page.click(userInput);// 安全：白名单验证const allowedSelectors = ['.button-primary', '.submit-btn'];if (!allowedSelectors.includes(userInput)) { throw new Error('非法选择器');}await page.click(userInput);VNC 实时观察（最有效）
# 创建沙箱后立即获取 VNC URLvnc_url = f"https://vnc.example.com/sandbox/{sandbox.sandbox_id}"print(f"打开 VNC: {vnc_url}")截图调试（关键时刻救命）
// 登录前后都截图await page.screenshot({ path: '/home/user/data/before_login.png', fullPage: true });await page.screenshot({ path: '/home/user/data/after_login.png', fullPage: true });使用 AIO sandbox 能够将状态传递和文件共享复杂度进行有效地降低，并且能够有如下收益：
1. 启动延迟低，从原有的多个 sandbox 优化为了一个 sandbox，降低了至少 50% 的启动时间；2. 状态保持轻量，在代码执行和浏览器操作的过程中，能够尽量使用本地文件系统实现状态保持，符合最佳实践；3. VNC 的透出提供了人工介入的手段，有效帮助用户解决了自动化的卡点，如验证等。1. 必须用 puppeteer.connect()，禁止 launch()2. 必须用 browser.disconnect()，禁止 close()3. 必须保存数据到 /home/user/data/ 目录4. 登录流程拆分：打开登录页 → 人工登录 → 保存 Cookie → 执行任务5. Cookie 先访问域名再设置，避免跨域问题陷阱 | 症状 | 解决方案 |
用 launch() | 浏览器重复启动，内存爆了 | 改用 connect() |
用 close() | 后续步骤失败，状态丢了 | 改用 disconnect() |
Cookie 没持久化 | 每次都要重新登录 | 保存到 /home/user/data/cookies.json |
等待时间不足 | 元素找不到报错 | 用 waitForSelector + networkidle2 |
路径不规范 | 文件丢失或权限错误 | 统一用 /home/user/data/ 目录 |
粤ICP备14082021号
免费POC，
零成本试错
