Coding Agent 的日常是：读需求，写一段脚本，然后立刻想执行它。
脚本是模型刚生成的，你没有逐行看过。它可能读了不该读的目录，装了一个不认识的依赖，或者只是写了一个死循环。放在自己的机器上跑，出问题时要收拾的是你的环境。
这篇文章用一个很小的案例，演示怎么把“执行”这一步交给一次性沙箱：用完即销毁，机器上什么都不留。
场景
你让 Agent 分析一份销售数据：按地区汇总金额，从高到低排序。Agent 写好了 Python 脚本。我们要做的是：
- 创建一个沙箱。
- 把数据文件放进去。
- 在沙箱里执行 Agent 写的脚本。
- 拿回结果。
- 销毁沙箱。
整个过程不需要在本机装任何 Agent 写的依赖，也不会让脚本接触本机文件。
准备
默认提供方是阿里云智能体沙箱极速版（alicloud-express），需要一个 API Key。
curl -fsSL https://raw.githubusercontent.com/Alibaba-Agent-Sandbox/agent-sandbox/main/install.sh | sh
export ABX_SANDBOX_API_KEY="<YOUR_API_KEY>"Windows 用户在 PowerShell 使用 irm https://raw.githubusercontent.com/Alibaba-Agent-Sandbox/agent-sandbox/main/install.ps1 | iex 安装二进制。请按安装脚本提示设置 PATH；Windows 安装后新开终端。继续前先运行 abx --version。
PowerShell 中请使用 abx config set sandbox_api_key <YOUR_API_KEY> 配置密钥，替代上面的 Bash export 命令。
Python 客户端发行名是 agent-sandbox-client，导入仍为 agent_sandbox。配套客户端和服务端尚未发布到 PyPI 时，从同一固定提交同时安装：
python -m pip install "agent-sandbox-server @ https://github.com/Alibaba-Agent-Sandbox/python-sdk/archive/35da216a300f1e2e84254a1cf4b4a7ea98681505.tar.gz#subdirectory=server-sdk" "agent-sandbox-client @ https://github.com/Alibaba-Agent-Sandbox/python-sdk/archive/35da216a300f1e2e84254a1cf4b4a7ea98681505.tar.gz#subdirectory=client-sdk"用 Python SDK
下面是完整的脚本。AGENT_CODE 是 Agent 生成的那一段，我们把它原样交给沙箱。
import asyncio
from agent_sandbox import Sandbox
CSV = """region,amount
hangzhou,120
beijing,80
hangzhou,45
shanghai,200
beijing,30
"""
AGENT_CODE = '''
import csv
totals = {}
with open("/home/user/sales.csv", newline="") as f:
for row in csv.DictReader(f):
totals[row["region"]] = totals.get(row["region"], 0) + int(row["amount"])
for region, amount in sorted(totals.items(), key=lambda kv: -kv[1]):
print(f"{region:<8}{amount:>6}")
'''
async def main():
async with await Sandbox.create(template="base") as sandbox:
await sandbox.files.write("/home/user/sales.csv", CSV)
result = await sandbox.run_code(AGENT_CODE)
print(result.text)
print("exit code:", result.exit_code)
asyncio.run(main())几个要点：
async with结束时会自动销毁沙箱，不管脚本成功还是抛异常。run_code在沙箱里的解释器中执行代码。需要跑 shell 命令时用sandbox.commands.run(...)。- 检查
result.exit_code和result.stderr，把错误信息交还给 Agent，让它自己修脚本，这就是一个完整的“写、跑、改”循环。
脚本的输出是：
shanghai 200
hangzhou 165
beijing 110用命令行
同样的流程，用 abx 手动走一遍：
abx create --template base
abx upload <sandbox-id> ./sales.csv /home/user/sales.csv
abx upload <sandbox-id> ./analyze.py /home/user/analyze.py
abx exec <sandbox-id> -- python /home/user/analyze.py
abx kill <sandbox-id> --yesanalyze.py 就是上面 AGENT_CODE 里那段脚本，<sandbox-id> 换成 abx create 打印出来的值，结果直接打印在终端。需要拿回文件时用 abx download。用完一定要 abx kill：沙箱按存活时间占用额度，abx list 可以看到所有还在运行的沙箱。
让 Agent 自己调用
不想写这段胶水代码，可以让 IDE 里的 Agent 通过 MCP 直接使用沙箱：
abx mcp install --target cursor # 或 claude、vscode之后 Agent 创建沙箱、传文件、执行、销毁，都是工具调用。
这样做换来了什么
- 隔离：Agent 生成的代码在远端的一次性环境里运行，不读也不改你的本机文件。
- 可丢弃：沙箱用完销毁，错误的依赖和临时文件不会留下来。
- 可重复：每次都从同一个模板开始，同样的输入得到同样的环境。
它不是万能的。沙箱里的代码仍然能用你交给它的东西：传进去的文件、注入的环境变量。不要把不需要的密钥放进沙箱。