智东西
智东西4月22日消息，昨日，腾讯云宣布将面向AI Agent的代码执行沙箱Cube（Cube Sandbox）以Apache 2.0协议完整开源。这意味着，腾讯云通过服务级开源的方式，对外开放一套已经在内部生产环境验证过的沙箱服务技术栈，开发者可以直接部署，用于承载AI Agent的代码执行和工具调用。
根据腾讯云官方消息，Cube沙箱是业内唯一兼顾硬件级强隔离与亚百毫秒启动的开源AI Agent沙箱服务，兼容OpenAI Python SDK与E2B SDK，开发者无需修改代码或更换框架，只需将运行时指向Cube，即可把Agent的代码执行和工具调用迁移到该环境，并支持私有化部署。
▲腾讯云CubeSandbox开源项目GitHub主页（图源：GitHub）
这类沙箱本质上是Agent运行的最后一层隔离环境。随着Agent开始频繁调用外部工具、执行代码，底层执行环境不仅要保证安全隔离，还要能应对大规模并发调度，否则一旦扩展到成千上万实例，系统成本和稳定性都会成为瓶颈。
针对这一行业痛点，腾讯云Cube沙箱将硬件级安全隔离、高性能体验与轻量化部署能力深度融合，可全面适配AI Agent从研发训练、应用开发到企业规模化部署的全流程需求。
此次开源的内容也围绕这一定位展开。腾讯云已对外开放Cube的完整技术栈，包括运行时、调度系统、一键部署脚本以及配套文档和示例工程，支持Shell执行、文件操作、浏览器自动化和强化学习训练等常见场景，开发者可以直接使用或二次修改。
从开源方式看，腾讯云这次开源的重点不在单点技术，而是将一整套可直接部署的服务能力整体释放，目标是为全球AI Agent开发者、企业提供安全、高效、低成本的执行环境底座，支撑海量Agent从实验室Demo走向规模化量产。
这一开源计划此前已有铺垫。早在3月27日的腾讯云上海峰会上，腾讯集团高级执行副总裁汤道生（Dowson Tong）就已披露该开源计划，此次属于正式代码落地。
一、把“执行环境”做成独立系统，兼容现有Agent框架无须改代码Cube沙箱对现有开发体系的改动非常有限。它原生兼容OpenAI Python SDK和E2B SDK，开发者只需要把原本的执行环境指向Cube，就可以把Agent的代码执行和工具调用迁移过去，不需要改业务逻辑，也不需要更换框架。
这意味着它切入的位置很明确，不碰模型层，也不改Agent逻辑，而是专门替代“代码在哪跑”这一层。对于已经搭好Agent系统的团队来说，迁移成本被压低。
在性能上，据腾讯云，Cube沙箱实际场景冷启动速度仅60ms，比行业均值（150ms）低三分之二；具有行业最高的并发能力，分钟级拉起数万沙箱，平台瞬时调度能力超过100K实例；
在安全架构上，Cube沙箱构建了三重防御体系，具有毫秒级事件级快照与状态回滚能力，为Agent不可预测行为提供了关键的“撤回”机制。在稳定性上，Cube沙箱经过超大规模生产级验证，核心性能均经过生产环节实测。
▲腾讯云Cube沙箱分层架构图（图源：腾讯云）
在核心技术上，Cube沙箱围绕执行环境的隔离、性能和调度能力方面实现了五大突破。
1、Cube在隔离机制上没有采用Docker共享内核方案，而是为每个沙箱实例提供独立的Guest OS内核，并基于KVM硬件虚拟化实现隔离。同时，系统通过eBPF内核态虚拟交换机对网络进行控制，实现沙箱之间的网络隔离以及出站流量的细粒度过滤，从而降低单个实例异常对整体系统的影响。
2、Cube沙箱针对启动速度做了专项优化，据腾讯云实测，其冷启动耗时可控制在百毫秒以内，在行业中排名第一。系统通过资源池化预置、快照克隆、EPT Lazy Load、全栈锁优化等技术，将冷启动时间压缩至60毫秒以内。在50并发场景下，平均启动时间约为67毫秒，P95约为90毫秒，整体延迟控制在百毫秒级，相比传统虚拟机的秒级启动和容器约200毫秒的水平有所降低。
▲CubeSandbox冷启动速度对比数据（图源：腾讯云）
3、通过CoW内存复用、Rust底层极致裁剪、reflink磁盘共享技术，Cube在资源占用上进行了压缩，单个沙箱实例的内存开销控制在5MB以内。据腾讯云，一台96vCPU物理机可以运行2000多个沙箱实例，存储消耗较传统方案降低90%+，算力成本下降。
▲CubeSandbox内存开销对比数据（图源：腾讯云）
4、Cube还对调度系统进行了设计优化，分钟级拉起数十万实例。通过分布式调度与单机装箱联合设计，结合资源池化预置与快照克隆技术，Cube沙箱实现了平台瞬时调度10万+实例、单台96vCPU物理机100并发下P99延迟低于200ms的极端并发能力。
5、Cube引入了快照与回滚机制，用于应对Agent执行过程中的异常情况。系统支持在百毫秒级完成状态快照，以及Checkpoint保存、任意状态回滚、快速分叉与数据无损恢复，从而减少不可预测行为带来的影响。腾讯云方面称，这一功能仍在完善中，后续将在完成后对外开源。
三、面向三类场景切入，从模型训练到企业私有化部署从应用场景看，Cube主要覆盖三类用户。
第一类是做模型训练的公司，例如MiniMax Agentic RL训练要求同时支撑数十万异构沙箱并发运行，且沙箱镜像涵盖Linux、Windows、Android等多种系统形态。Cube通过镜像去重和三级缓存按需加载降低存储与IO压力，并结合分布式调度，使平台可在1分钟内调度数十万沙箱实例。
第二类是Agent开发者和中小团队。Cube沙箱提供了无需Kubernetes集群、无需绑定特定云平台的极简部署体验。一键部署脚本可在数分钟内完成环境搭建，通过MCP、API、SDK或CLI均可平滑接入现有Agent体系，无需重写上层代码。
第三类是看重数据隔离和合规能力的政企客户。Cube沙箱支持完整私有化部署，数据不出企业边界，满足等保与合规要求。此外，Apache 2.0协议保障商业使用友好，代码完全可审计，不依赖任何海外云服务商，为数据主权敏感场景提供可信的Agent执行环境。
结语：推理、执行、缓存逐渐拆开，Agent基础设施竞争新阶段这次开源的意义在于，Agent系统的基础设施正在从单一模型竞争，拆分为多个独立层级。推理加速、执行环境、缓存系统开始分别演进，而不再是一个统一黑盒。
腾讯云后续计划把Cube沙箱与推理加速和缓存系统结合，形成完整的Agent基础设施组合。这种拆分意味着，不同厂商可以在不同层做优化，而不是全部围绕模型能力竞争。
盛达优配配资提示：文章来自网络，不代表本站观点。
