一个会话一台机器:microVM 从快照启动
官方的核心主张是「每个智能体一台机器」:每次会话获得一台独立的 microVM,包含 shell、文件系统、浏览器与网络,并且从快照启动——这意味着新会话不必从零安装依赖,而是从预置好的状态快速拉起。对做代码执行与数据分析的团队,这种「会话级隔离」比在同一台服务器上跑多个用户任务更安全,也更容易控制状态污染;代价是每个会话都有固定的启动与资源开销,批量任务需要评估并发上限。
深度介绍
官方的核心主张是「每个智能体一台机器」:每次会话获得一台独立的 microVM,包含 shell、文件系统、浏览器与网络,并且从快照启动——这意味着新会话不必从零安装依赖,而是从预置好的状态快速拉起。对做代码执行与数据分析的团队,这种「会话级隔离」比在同一台服务器上跑多个用户任务更安全,也更容易控制状态污染;代价是每个会话都有固定的启动与资源开销,批量任务需要评估并发上限。
上手路径很直接:安装 SDK、配置 API 密钥,然后创建沙箱并在其中执行命令,官方 README 给出的示例只有几行代码。JavaScript/TypeScript 与 Python 两条 SDK 覆盖了主流后端技术栈,命令行工具则便于脚本化与调试。对已有智能体循环的团队,接入方式通常是把「执行动作」这一步从本地进程替换为沙箱调用;建议先在一两个工具上试点,确认文件读写与超时行为符合预期后再全面切换。
除了通用沙箱,官方提供专门的代码解释器 SDK:调用执行代码的方法后可以拿到结构化的执行结果(包括文本输出与图表等产物),适合让模型「算一步、看结果、再决定下一步」的循环。对数据分析类智能体,这比让模型自己拼命令行更稳,因为结果对象里区分了标准输出、错误与富媒体产物。需要注意的是执行环境仍然是完整机器,安装依赖需要时间,建议把常用依赖放进自定义模板以减少每次启动的开销。
官方另提供桌面控制 SDK,暴露鼠标、键盘、截图、应用启动与桌面流等接口,用于计算机操作类智能体——这类智能体看到的不是命令行而是真实图形界面,因此需要截图与坐标点击这样的能力。官方站点的用例里也把「计算机操作」与编码、后台任务、强化学习并列。需要提醒的是这类场景对延迟与稳定性更敏感:网络抖动导致的点击偏移会直接造成误操作,建议在任务层加校验与重试,而不是完全信任单次点击结果。
官方站点列出的接口面覆盖了日常运维所需:暂停沙箱(保留状态以便后续继续)、把沙箱内的端口暴露为可访问地址、向沙箱写入文件,以及读取运行指标。这几项组合起来让沙箱更像一台「可托管的小机器」:长任务可以暂停再恢复,开发时可以直接访问服务端口预览,运行状况可以通过指标观察。生产接入时建议把这些调用统一封装,尤其是暂停与恢复的状态一致性,避免出现「以为暂停了其实还在计费」这类问题。
官方强调这是一条「边界」:沙箱是一台密封的 microVM,采用无共享内核的隔离方式,运行在自有 VPC 的私有子网中,入口仅开放加密端口并使用双向认证,出站流量默认封锁。对执行不可信代码的场景,这些限制正是核心价值——即使模型生成的代码被注入攻击,影响范围也应被限制在单个会话内。官方同时标注运行时为 Apache-2.0,并说明合规方面取得 SOC 2 Type II。具体条款与责任边界仍应以官方文档与合同为准。
官方给出的选择有三档:直接用官方云;把沙箱跑进自己的 AWS 或 GCP 账号;或按官方基础设施仓库的说明用 Terraform 自行部署。官方明确列出的自托管支持范围是 AWS 与 Google Cloud 已完成,Azure 与「通用 Linux 机器」尚未支持——这一点对已经与特定云厂商绑定的企业很关键,评估时应先确认目标环境是否在支持列表内,再决定是自带云还是等官方补齐。
官方站点给出的规模数据是十万家以上团队、财富 100 强中有 94 家注册使用,并称多家头部 AI 实验室与增长最快的 AI 创业公司在其上运行;用例覆盖编码、计算机操作、后台任务与强化学习 rollout。生态方面官方维护示例库(Cookbook)与代码解释器、桌面控制等独立组件仓库,便于按需取用。项目以 Apache-2.0 许可开源,核验时仓库约有 1.4 万 star,SDK、命令行与桌面组件以多包形式高频发布(最新一批集中在 2026 年 9 月 18 日)。
产品特点
每个智能体会话获得一台独立 microVM,内含 shell、文件系统、浏览器与网络,并从快照启动,避免每次从零安装依赖,同时把状态污染与风险限制在单个会话内。
除基础沙箱 SDK 外,官方提供代码解释器 SDK(结构化返回执行结果与图表产物)与桌面控制 SDK(鼠标、键盘、截图、应用与桌面流),覆盖代码执行与图形界面操作两类场景。
官方站点列出暂停沙箱、暴露端口、写入文件与读取指标等接口,使沙箱可被当作可托管的小机器使用,便于长任务、预览与运行状况观察。
官方强调密封 microVM、无共享内核、私有子网、入口加密与双向认证、出站默认封锁,并标注运行时为 Apache-2.0、取得 SOC 2 Type II;自托管支持 AWS 与 GCP。
最近动态
发布记录显示 2026 年 9 月 18 日发布了主 SDK e2b@2.51.0 与桌面控制 Python 包 @e2b/desktop-python@2.6.0;此前 9 月 16 日为 e2b@2.50.0、9 月 10 日为命令行 @e2b/cli@2.19.1、9 月 9 日为 @e2b/python-sdk@2.49.1。多包并行意味着升级时需同步核对 SDK 与命令行版本。
主 SDK 在 9 月 16 日与 9 月 18 日分别发布 2.50.0 与 2.51.0,节奏较快。生产环境建议固定版本并在测试环境验证沙箱创建、暂停与文件读写等关键路径后再升级。
桌面控制相关包(@e2b/desktop 与 @e2b/desktop-python)与代码解释器包独立发版,说明官方把「代码执行」与「图形界面操作」作为两条并行演进的路线;使用其中任一路线时以其组件仓库的发布说明为准。
截至核验时,官方基础设施仓库说明自托管通过 Terraform 部署,已完成支持 AWS 与 Google Cloud,Azure 与通用 Linux 机器尚未支持。是否放开更多环境以官方仓库当期说明为准。
E2B 是为 AI 智能体提供隔离执行环境的基础设施,官方把它称为「面向企业的 AI 智能体云」,核心主张是「每个智能体一台机器」:每次会话得到一台独立的 Firecracker microVM,内含 shell、文件系统、浏览器与网络,并从快照启动,从而不必每次从零安装依赖,同时把风险与状态污染限制在单个会话内。项目以 Apache-2.0 许可开源,核验时 GitHub 仓库约有 1.4 万 star;官方站点给出的规模数据是十万家以上团队使用、财富 100 强中有 94 家注册。 接入方式相当直接:安装 JavaScript/TypeScript 或 Python SDK、配置 API 密钥,即可创建沙箱并在其中执行命令;除基础沙箱外,官方还提供两条专门路线——代码解释器 SDK(执行代码并结构化返回文本与图表等产物,适合「算一步看结果」的循环)与桌面控制 SDK(鼠标、键盘、截图、应用启动与桌面流,面向操作图形界面的智能体)。官方站点列出的接口面还包括暂停沙箱、暴露端口、写入文件与读取指标,使沙箱可以被当作一台可托管的小机器使用。 安全与部署是它最强调的两点。官方把沙箱描述为一条边界:密封 microVM、无共享内核、运行在自有 VPC 的私有子网中、入口仅开放加密端口并使用双向认证、出站流量默认封锁,并标注运行时为 Apache-2.0、合规方面取得 SOC 2 Type II。部署上提供三档选择——官方云、跑进自有 AWS 或 GCP 账号,或按官方基础设施仓库用 Terraform 自行部署;官方明确列出自托管当前支持 AWS 与 Google Cloud,Azure 与通用 Linux 机器尚未支持。生态方面官方维护示例库(Cookbook)以及代码解释器、桌面控制等独立组件仓库,SDK 与命令行以多包形式高频发布。 使用前需要注意:自托管的支持范围有限,已经绑定特定云厂商的团队应先确认目标环境是否在列表内;会话级隔离意味着每个会话都有启动与资源开销,批量任务需要评估并发与配额;沙箱内安装依赖需要时间,建议把常用依赖固化进自定义模板;桌面控制类场景对延迟敏感,网络波动可能造成误操作,任务层应加校验与重试;官方给出的规模与合规信息来自其站点与文档,具体 SLA 与责任边界应以官方条款和合同为准。
核验信息
本页事实来自 E2B 官方渠道:GitHub 仓库 README(开源隔离沙箱定位、JavaScript 与 Python SDK 的安装与示例、代码解释器与桌面控制 SDK 的接入方式、示例库与自托管说明、自托管支持的云厂商清单)与许可文件(Apache-2.0)、发布页各包的版本与日期,以及官方站点(「面向企业的 AI 智能体云」定位与规模数据、用例与架构描述、microVM 与快照启动、生命周期与网络存储接口、安全边界与合规标注)与官方文档站。star 数、版本与支持范围核验于 2026 年 9 月 22 日,项目迭代较快,请以官方文档与发布说明为准。
E2B介绍页面对您是否有帮助?