Среда выполнения кода для AI-агентов в изолированных песочницах WebAssembly с лимитами CPU, памяти и времени на каждую задачу.
vndee/llm-sandbox
Python-библиотека для запуска кода, сгенерированного LLM, в изолированных песочницах через единый API для Docker, Kubernetes, Podman и локальных Linux- или Windows-бэкендов.
- Звёзды
- 1,144
- Форки
- 106
- Открытые issues
- 25
- Последний коммит
- 19 часов назад
Что это?
LLM Sandbox предоставляет единый Python API для выполнения кода, созданного языковыми моделями, в изолированной среде. Разработчик выбирает бэкенд — например, Docker, Kubernetes, Podman, Bubblewrap, NsJail или экспериментальные адаптеры для Windows, — настраивает ограничения ресурсов и сети, а затем вызывает одни и те же методы запуска, установки библиотек и копирования файлов независимо от выбранного бэкенда.
Библиотека поддерживает Python, JavaScript, Java, C++, Go и R, а также позволяет устанавливать объявленные библиотеки перед выполнением. В сессиях для работы с артефактами сохраняются созданные графики, а интерактивная сессия поддерживает Python IPython kernel в активном состоянии между вызовами, что удобно для работы в стиле ноутбука. Пул контейнеров позволяет заранее запускать и повторно использовать контейнеры при многократном выполнении кода, а MCP-сервер даёт клиентам, например Claude Desktop, возможность напрямую обращаться к песочнице.
В проекте есть примеры для одиннадцати агентных фреймворков, включая LangChain, LlamaIndex и CrewAI. Проверка политики безопасности носит только рекомендательный характер: она возвращает вердикт, но не блокирует выполнение, поэтому вызывающий код должен сам проверять скрипты перед запуском.
Ключевые возможности
- 01Единый API для Docker, Kubernetes, Podman, Bubblewrap, NsJail и адаптеров для Windows
- 02Настраиваемые ограничения CPU, памяти, сети и времени выполнения
- 03Поддержка Python, JavaScript, Java, C++, Go и R
- 04Установка объявленных библиотек перед запуском кода
- 05Сохранение графиков, созданных кодом на Python и R
- 06Пул контейнеров для повторного использования заранее запущенных контейнеров
- 07MCP-сервер для клиентов, например Claude Desktop
Сценарии использования
- Запуск кода, написанного агентом на базе LLM, до передачи результатов пользователю
- Добавление инструмента для выполнения кода в LangChain, CrewAI и аналогичные агентные фреймворки
- Выполнение недоверенных скриптов на локальном хосте Linux без Docker
- Безопасная генерация и отображение графиков чат-ассистентом
Быстрый старт
- 1
Установите пакет из PyPI
pip install llm-sandbox - 2
Установите дополнительный компонент Docker для наиболее распространённого бэкенда
pip install 'llm-sandbox[docker]' - 3
Запустите базовый пример на Python из README с помощью SandboxSession
Что важно знать
- Локальные бэкенды Linux используют общее ядро хоста и не обеспечивают изоляцию на уровне виртуальной машины.
- Адаптеры Windows находятся в экспериментальном статусе; поддержка языков и функций API ограничена.
- Для контейнерных бэкендов, таких как Docker, Kubernetes и Podman, нужна запущенная среда выполнения контейнеров.
В подборках
Темы
Частые вопросы
- Что такое llm-sandbox?
- Python-библиотека для запуска кода, сгенерированного LLM, в изолированных песочницах через единый API для Docker, Kubernetes, Podman и локальных Linux- или Windows-бэкендов. LLM Sandbox предоставляет единый Python API для выполнения кода, созданного языковыми моделями, в изолированной среде. Разработчик выбирает бэкенд — например, Docker, Kubernetes, Podman, Bubblewrap, NsJail или экспериментальные адаптеры для Windows, — настраивает ограничения ресурсов и сети, а затем вызывает одни и те же методы запуска, установки библиотек и копирования файлов независимо от выбранного бэкенда.
- llm-sandbox можно использовать бесплатно? Какая у него лицензия?
- llm-sandbox распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- llm-sandbox всё ещё поддерживается?
- Активно поддерживается. Последний коммит в llm-sandbox — 6 нояб. 2026 г..
- Для чего можно использовать llm-sandbox?
- Запуск кода, написанного агентом на базе LLM, до передачи результатов пользователю Добавление инструмента для выполнения кода в LangChain, CrewAI и аналогичные агентные фреймворки Выполнение недоверенных скриптов на локальном хосте Linux без Docker Безопасная генерация и отображение графиков чат-ассистентом
- Как установить llm-sandbox?
- Установите пакет из PyPI: pip install llm-sandbox Установите дополнительный компонент Docker для наиболее распространённого бэкенда: pip install 'llm-sandbox[docker]' Запустите базовый пример на Python из README с помощью SandboxSession
- Где скачать llm-sandbox?
- Исходный код и инструкции по установке — на GitHub: https://github.com/vndee/llm-sandbox
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Библиотека Python и REST API для запуска кода Python, сгенерированного LLM, в изолированном Docker-контейнере с ограничениями ресурсов, тайм-аутами и проверками безопасности.
Open-source-сервис песочниц для AI-агентов: запускает каждую задачу в аппаратно изолированной MicroVM, совместим с E2B SDK и стартует менее чем за 60 мс.
Платформа для запуска кода агентов и пользователей в изолированных Firecracker microVM под управлением через HTTP API.
Самостоятельно развёртываемая инфраструктура на Kubernetes запускает недоверенный код в лёгких VM-песочницах под управлением CLI, HTTP API и Python SDK.
Open-source среда выполнения песочниц для AI-агентов: изолированные окружения для запуска кода, команд, работы с файлами и браузерами на собственной инфраструктуре.