来源：GitHub (★481)
URL: https://github.com/Th0rgal/sandboxed.sh
精读日期：2026-08-09
模型：DeepSeek V4 Flash（AI 生成，人工未审校）
正文获取：全文

一、核心论点/事实

  • sandboxed.sh 是一个自托管云编排器，专为自主 AI 编码代理设计，提供隔离的 Linux 工作区，支持 Claude Code、OpenCode、Codex、Gemini 和 Grok 五种运行时。
  • 系统采用双组件架构：协调器（Hermes，负责决策/协调）与执行器（sandboxed.sh，负责构建/执行），通过 MCP 和 SSE 通信。
  • 核心抽象为任务（Mission）：自主执行单元，代理在隔离容器中运行，可写代码、跑构建、开 PR，并带有模式（mode）和自主授权（autonomy grant）标签。
  • 项目通过 Git 后端 Library 版本化管理技能（skills）、工具、规则、代理和 MCP 配置，支持内联编辑。
  • 提供实时监控（CPU、内存、网络图表 + 任务时间线）、远程控制（启动/停止/监控代理）和 cron 式调度。
  • 支持多提供商故障转移链，带健康检查和速率限制回退；额外工具服务器（桌面/Playwright 等）在路由提供商被限流时启用。
  • 前端包括 Web 仪表盘（Next.js） 和 iOS 应用（SwiftUI），同一项目名册在三端渲染（Web、Hermes 桌面插件、iOS Projects 标签页）。

二、方法/架构拆解

  • 架构分层：
  • 协调层：Hermes 控制器 cron 按计划唤醒，读取控制对话 + GitHub + 项目状态，分派工作；控制对话是绑定到项目的持久会话，按路由寻址而非冻结 ID。
  • 执行层：sandboxed.sh 管理隔离工作区（systemd-nspawn / Docker），运行代理 harness，执行代码编写、构建、PR 提交。
  • 状态层：控制器通过 MCP 工具写入结构化项目状态（projects.db），状态摄取器将控制器状态尾部（status trailers）折叠进项目记录，保持名册最新。
  • 项目模型：任务是一等公民对象，具有模式（mode）、自主授权、追踪（tracks）和决策（decisions）；项目名册由三个界面渲染。
  • 隔离机制：容器化 Linux 环境（systemd-nspawn 推荐，Docker 可选），bash 命令和文件操作被正确限定作用域。
  • 配置管理：Library 是 Git 后端版本化仓库，包含技能、命令、规则、代理和 MCP 配置，支持内联编辑。
  • 运行时支持：Claude Code（官方编码代理，原生技能支持）、OpenCode（原生 CLI 后端支持 OpenAI/Google/xAI）。
  • 部署方式：git clone + cargo build，或从仪表盘一键部署；macOS 用户有快速部署指南。
  • MCP 集成：MCP 服务器管理带运行时状态和 Library 集成；协调器通过 MCP 工具（如 start_mission）驱动项目。

三、值得注意的局限/争议

作者承认的局限：

  • 容器隔离为推荐选项，但需手动取消注释配置（systemd-nspawn），默认可能未启用。
  • 系统是两部分架构的一部分，另一部分（MCP 能力助手）未在本文详述，存在集成依赖。

AI 判断的局限/争议：

  • 单项目驱动限制：协调器 cron 驱动"恰好一个项目"，多项目并行需额外设计，可能限制扩展性。
  • 状态一致性风险：结构化状态通过 MCP 写入 + 状态尾部折叠，但 SSE 事件流和 projects.db 的同步机制未明确，存在竞态条件风险。
  • 安全边界：代理可启动桌面应用、通过 VPN 访问 GPU、分析 DNA 数据，隔离容器虽限制文件系统，但网络和 GPU 暴露面未详细说明，安全审计缺失。
  • 依赖 Hermes 生态：协调器强绑定 Hermes（MCP 能力助手），非 Hermes 用户需适配，降低通用性。
  • GitHub 星标 481：项目处于早期阶段，生产环境验证不足，文档中"getting started"部分较简略。

四、与 RRLab 研究的关联

  • Harness 工程：sandboxed.sh 的多运行时编排（Claude Code/Codex/Gemini/Grok）和隔离工作区设计，可直接借鉴为 RRLab 的代理执行 harness 参考——特别是"任务"作为一等公民对象、Git 版本化 Library 管理技能/规则，可提升 RRLab 工具链的可复现性和版本控制能力。
  • 多模型协同：其"协调器决策 + 执行器构建"的双层架构（decide/coordinate vs build/execute）是典型的多模型协同模式，RRLab 可参考其 MCP 通信协议和状态尾部（status trailers）机制，设计更鲁棒的模型间协作接口。
  • 模型评测：任务模式（mode）和自主授权（autonomy grant）的概念可用于 RRLab 的评测体系——将评测任务建模为带模式标签的任务，通过 cron 调度和结构化状态追踪，实现自动化、可重复的模型能力评估。
  • Agent 落地：实时监控（CPU/内存/网络）、远程控制、多提供商故障转移链是 Agent 生产落地的关键工程组件，RRLab 在部署自主 Agent 时可复用这些模式，特别是速率限制回退和健康检查机制。
  • AI 原生产品：三端渲染同一项目名册（Web/iOS/桌面插件）的产品设计，以及"控制对话按路由寻址"的持久会话模型，为 RRLab 构建 AI 原生协作工具提供了交互范式参考。

本笔记由 DeepSeek V4 Flash 自动生成，未经人工审校。原文链接：https://github.com/Th0rgal/sandboxed.sh