Pydantic AI unterstützt E2B-Sandboxes jetzt nativ für Coding-Agenten

Den Agenten vom eigenen Rechner fernhalten

Pydantic argumentiert, ein Coding-Agent, der Befehle wie python -m unittest ausführt und Dateien auf einem Laptop bearbeitet, sei ein Risiko. Er würde mit den Rechten des Nutzers laufen, SSH-Schlüssel und produktive .env-Dateien wären in Reichweite, und niemand prüft jeden Befehl vor der Ausführung. Ein Agent, der auf eine Freigabe wartet, wäre nach Darstellung des Unternehmens kein Agent.

Mit E2B als nativem Anbieter laufen die Befehle in einer MicroVM, und laut Pydantic gelangt nichts aus der Umgebung des Nutzers in die Sandbox. Die Sandbox kann am Ende eines Laufs pausieren und beim nächsten Lauf mit unverändertem Dateisystem und Arbeitsspeicher fortgesetzt werden. Der Workspace wird über eine Referenz ohne Zugangsdaten identifiziert, sodass ein Durable Workflow ihn über einen Worker-Absturz hinweg weitertragen kann.

Für die Einrichtung dienen das Harness mit den Extras für E2B und Temporal sowie Extras für den Modellanbieter und Logfire fürs Tracing. Der Nutzer setzt E2B_API_KEY und den Schlüssel des Modellanbieters. E2BSandbox liefert nur die Ausführungsumgebung. Die Tools stellen die Capability Coder oder die schmaleren Capabilities Shell und FileSystem bereit, und diese Tools laufen nun in der Sandbox. Pydantic zufolge gibt es keinen eigenen E2B-Adapter und kein Template, das gebaut werden muss, weil das Standard-Template von E2B Python und git mitbringt.

Standardwerte und das Beispiel mit Pausieren und Fortsetzen

Pydantic nennt mehrere Standardwerte. Eine Sandbox lebt eine Stunde, sofern sandbox_timeout nicht gesetzt ist, und läuft die Zeit ab, pausiert E2B sie, statt sie zu beenden. Der Internetzugang ist aktiviert, solange nicht allow_internet_access=False übergeben wird. Pydantic AI beendet eine Sandbox nie, wenn ein Lauf endet: Die Lebensdauer liegt bei der Anwendung, die sie erzeugt hat, und eine vergessene Sandbox ist eine, für die man weiter zahlt. Das Standard-Template enthält pip, aber nicht uv.

Das erste Beispiel aus dem E2B-Cookbook nutzt ein kleines Python-CLI, das JSONL-Logs von API-Anfragen zusammenfasst. Seine Tests schlagen fehl, weil es Serverfehler falsch zählt und die p95-Latenz falsch berechnet. Im ersten Lauf liest der Agent Code und Tests und schreibt diagnosis.md, ohne den Quellcode anzufassen. Anschließend pausiert die Anwendung die Sandbox und bindet ein neues Backend allein über die Referenz an. Ein zweiter Lauf behebt den Fehler mithilfe der gespeicherten Diagnose und des Gesprächsverlaufs des ersten Laufs.

Das Cookbook beschränkt die Tool-Oberfläche bewusst: Shell stellt nur run_command bereit, FileSystem drei Dateitools, und der Internetzugang ist abgeschaltet. Pydantic merkt an, eine schmale Tool-Liste mache die Grenze leichter zu überblicken.

Das Beispiel überprüft außerdem die Arbeit des Agenten, statt seiner Zusammenfassung zu vertrauen. Es stellt die Testdatei aus einem vertrauenswürdigen Host-Fixture wieder her, bestätigt, dass die Eingabe-Logs nicht verändert wurden, und führt die Tests selbst aus. Vier Tests laufen durch, und das CLI gibt die richtigen Zahlen aus. Das Skript prüft per Assertion, dass Sandbox-ID und SHA-256-Prüfsummen vor und nach der Pause identisch sind, beendet dann die Sandbox und bestätigt, dass sie im Konto nicht mehr vorhanden ist.

Einen beendeten Worker mit Temporal überstehen

Das zweite Beispiel führt dieselbe Aufgabe in einem Temporal-Workflow aus. Zwischen den beiden Agentenläufen schickt die Demo dem Worker ein SIGKILL, ohne geordnetes Herunterfahren. Ein neuer Worker startet in derselben Task Queue, Temporal spielt die aufgezeichnete Historie erneut ab, und der Workflow setzt die Reparatur in der Sandbox fort, die der tote Worker hinterlassen hat.

Die einzige Änderung am Agenten besteht darin, TemporalDurability zur Capability-Liste hinzuzufügen, mit Activity-Einstellungen wie einem start_to_close_timeout von 45 Sekunden und einer Retry-Policy mit maximal zwei Versuchen.

Was das für Entwickler bedeutet

Für Teams, die Coding-Agenten mit Pydantic AI bauen, bietet die Änderung einen Weg zur isolierten Ausführung mit nur einer Zeile, mit einem Sandbox-Zustand, der sowohl einen Lauf als auch den steuernden Prozess überdauern kann. Aufräumen und Lebensdauer bleiben Aufgabe der Entwickler, die zudem bewusst über Internetzugang und die Breite der Tools entscheiden sollten, die sie dem Agenten geben.