本文为社区开发者@joeyczheng 原创投稿，Cube 持续征集最佳实践案例中，欢迎共建。

◆业务背景◆

trpc-agent-go 是腾讯开源的 Go 语言 Agent 开发框架，提供从模型调用、工具编排、记忆管理到代码执行（Code Interpreter）的完整能力。在真实业务中，Agent 经常需要执行 LLM 生成的 Python / JavaScript / Bash 代码，例如：

• 数据分析与可视化（pandas、matplotlib）；

• 业务报表生成（PDF、Excel、SVG 图表）；

• 动态脚本与一次性任务（爬虫、清洗、转换）；

• Agentic RL / Tool-Use 场景下的多轮代码执行与反馈闭环。

为此，trpc-agent-go 在codeexecutor/e2b 包中实现了与协议兼容的 CodeExecutor，支持把 Agent 生成的代码直接送入沙箱执行，并把 stdout / stderr、富媒体结果（PNG、PDF、SVG、HTML、Markdown）和工作区产物回流给上层 Agent。

◆核心痛点◆

直接在 Agent 进程或宿主容器里跑 LLM 生成的代码，会遇到几个生产级问题：

• 安全性：模型生成的代码不可信，可能读敏感文件、发起任意网络请求、消耗主机资源，必须有强隔离边界。
• 依赖与污染：Python 数据科学栈、Node 工具链、字体、临时文件相互影响，长生命周期进程易出现状态污染。
• 冷启动与并发：Agent 应用流量呈"突发 + 多会话"特征，传统容器秒级冷启动和较高内存占用难以扛住高并发短任务。
• 多轮一致性：多轮 Agent 经常需要"上一步生成的中间文件，下一步继续读"，纯 Function 化执行难以保留工作区状态。
• 海外 SaaS 依赖：直接接入 E2B 公有云会带来跨境网络、合规、计费等问题；自建一套兼容方案的成本不低。

◆基于 Cube Sandbox 的方案◆

Cube Sandbox 兼容 E2B 沙箱协议，因此 trpc-agent-go 的 e2b.CodeExecutor 可以零代码改动接入自建的 Cube Sandbox 集群，仅通过 Option 切换后端：

import (    "context"    "time"     "trpc.group/trpc-go/trpc-agent-go/codeexecutor/e2b") ce, err := e2b.New(    // 把 E2B 客户端指向自建的 Cube Sandbox 控制面    e2b.WithAPIURL("https://cube-sandbox.your-domain.internal"),    e2b.WithAPIKey("<token-issued-by-cube>"),     // 选择已经在 Cube 中构建好的 code-interpreter 模板    e2b.WithTemplate("code-interpreter-v1"),     // 沙箱级与执行级超时    e2b.WithSandboxTimeout(10*time.Minute),    e2b.WithExecutionTimeout(60*time.Second),     // 多轮 Agent 推荐开启会话级工作区，跨 turn 复用文件    e2b.WithWorkspacePersistence(e2b.WorkspacePersistencePerSession),)if err != nil {    panic(err)}defer ce.Close()

接入后，整体调用链如下：

LLM ──► Agent (trpc-agent-go)

            │            │  CodeExecutor.ExecuteCode / Engine            ▼      E2B 协议 (HTTP + envd)            │            ▼   Cube Sandbox 控制面 ──► KVM 微虚机（per session / per turn）                              ├─ Python / Node / Bash 内核                              ├─ 工作区目录 /tmp/run/<execID>                              └─ stdout / stderr / 文件产物 回流

trpc-agent-go 在这套链路上额外提供：

• 多语言适配：pickLanguage 自动把模型输出的 ```python、```ts、```bash 等转成 Cube Sandbox 内核可识别的语言标识。
• 富结果还原：把沙箱返回的 PNG / JPEG / PDF / SVG / LaTeX 等结果，自动解码成 codeexecutor.File 交给上层 Agent，作为多模态消息或附件回到对话流。
• 工作区抽象：CreateWorkspace、PutFiles、StageDirectory、Collect 等接口将文件 staging、收集产物的能力封装在沙箱内部进行，配合 WorkspacePersistencePerSession 让多轮对话天然共享中间文件。
• 生命周期可控：通过 WithSandboxID 复用已存在的 Cube 沙箱，或由 CodeExecutor 自己负责创建/销毁，便于实现"会话池"。

◆效果与收益◆

我们将 Agent 代码执行后端从公共 SaaS / 容器方案迁移到自建 Cube Sandbox 后，可以同时拿到几方面收益：

• 更强的安全边界：每次会话/每个 turn 一台独立 KVM 微虚机，硬件级隔离 + 网络策略，远好于共享内核的容器方案，可放心执行不可信代码。
• 更低的执行延迟与成本：Cube Sandbox 单实例 100ms 级交付、< 5MB 额外内存开销、单机百并发，让"Agent 一次思考一次开沙箱"成为可行的默认实践，避免长驻容器的资源浪费。
• 零侵入的私有化能力：得益于 E2B 协议兼容，trpc-agent-go 上层业务代码无需改动，只需切换 WithAPIURL / WithTemplate 即可在公有云 E2B 与私有化 Cube Sandbox 之间自由切换，满足合规与跨境网络要求。
• 更顺畅的多轮 Agent 体验：会话级工作区让"画一张图—基于这张图再回答—再导出 PDF"这类任务无需手动搬运中间文件，对 Agentic RL、Deep Research、数据分析助手等场景尤其友好。
• 可演进的模板治理：Cube Sandbox 的模板体系（如 code-interpreter-v1）让算法/平台团队可以在统一镜像中管理 Python 包、字体、JDK 等依赖，业务侧只需挑选模板即可。

◆参考资料◆

• 框架仓库：https://github.com/trpc-group/trpc-agent-go

• 相关源码：https://github.com/trpc-group/trpc-agent-go/tree/main/codeexecutor/e2b

• Cube Sandbox仓库：https://github.com/TencentCloud/CubeSandbox