# \#sandbox **URL:** https://discuss.pytorch.kr/tag/sandbox/5739.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [OpenShell: AI 에이전트의 파일, 네트워크, 자격증명 접근을 선언형 정책으로 제한하는 NVIDIA 샌드박스 런타임](https://discuss.pytorch.kr/t/openshell-ai-nvidia/12079)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 2, 2026, 3:00오전 UTC](https://discuss.pytorch.kr/t/openshell-ai-nvidia/12079 "2026-10-02T03:00:11Z")
핵심 요약 OpenShell은 AI 에이전트를 격리된 샌드박스에서 실행하고, 파일과 시스템 호출, 네트워크 연결을 YAML 정책으로 제한하는 NVIDIA의 오픈소스 런타임입니다. 제공자(Provider)로 연결한 API 키는 에이전트에게 실제 값 대신 의미 없는 플레이스홀더로만 전달되고, 실제 키는 샌드박스 밖의 감독 프로세스가 정책이 허용한 엔드포인트로 가는 요청에만 채워 넣습니다. 정책 변경은 SMT(Satisfiability Modulo Theories) 솔버 기반 정책 증명기(Policy Prover)가 먼저 검사하며, 새로운 호스트에서의 자격증명 사용이나 새 HTTP 메서드 추가처럼 위험한 확장은 자동 승인되지 않고 사람의 검토를 기다립니다. 2026년 9월 말 공개된 0.1.0은 0.0.x에서 그대로 업그레이드할 수 없는 대규모 변경 릴리스이고, 2026년 10월 1일 기준 NemoClaw는 여전히 0.0.x의 마지막 릴리스인 OpenShell 0.0.116에 고정되어 있습니다. OpenShell 소개 코딩 에이전트가 쓸모 있으려면 파일을 읽고, 패키지를 설치하고, API를 호출하고, 자격증명을 사용할 수 있어야 합니다. 같은 권한은 그대로 위험이 됩니다. 에이전트가 소스 코드를 허가되지 않은 서버로 올리거나, ~/.ssh의 키를 읽거나, 승인되지 않은 모델 제공자로 사내 데이터를 보낼 수 있기 때문입니다. 컨테이너에 넣는 것만으로는 이 문제가 풀리지 않습니다. 컨테이너 안에 API 키가 환경 변수로 들어가 있고 외부 네트워크가 열려 있다면, 에이전트는 그 키를 어디로든 보낼 수 있습니다. 이번에 소개하는 OpenShell은 NVIDIA가 이 문제를 겨냥해 공개한, 에이전트가 무엇에 접근할 수 있는지를 정책으로 선언하고 커널 수준에서 강제하는 에이전트용 샌드박스 런타임입니다. OpenShell은 크게 2가지 방식으로 에이전트의 행동을 통제합니다: 하나는 실행 시점에 모든 파일 접근, 시스템 호출, 네트워크 연결을 커널 기능으로 검사하는 것… --- ## [Paw Work: 보고 있는 웹 페이지에서 고른 요소를 편집 가능한 오피스 파일로 바꾸는 크롬 확장](https://discuss.pytorch.kr/t/paw-work/11879)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 10, 2026, 11:30오전 UTC](https://discuss.pytorch.kr/t/paw-work/11879 "2026-09-10T11:30:07Z")
Paw Work 소개 로그인해서 보고 있는 페이지의 내용을 표나 문서로 정리하는 일은 아직 손으로 복사해 붙이는 작업으로 남아 있습니다. 브라우저를 다루는 AI 에이전트는 여러 갈래로 나왔지만, 별도의 헤드리스(Headless) 브라우저를 새로 띄우거나 브라우저 자체를 갈아타는 형태가 많아서 이미 로그인해 둔 세션과 지금 화면에 떠 있는 페이지를 그대로 쓰기 어렵습니다. 대화형 도구에 페이지를 물어보면 페이지를 설명하는 글이 돌아오지, 열어서 계속 고칠 수 있는 파일이 돌아오지는 않습니다. Paw Work는 이 문제를 브라우저 안에서 푸는 Chrome 확장 프로그램(Manifest V3)입니다. 확장의 선택 모드를 켜고 지금 열어 둔 페이지에서 이미지, 표, 텍스트, 블록, 링크를 직접 클릭한 다음, 사이드패널에 원하는 결과를 문장으로 적으면 됩니다. 돌아오는 것은 페이지를 요약한 채팅 답변이 아니라 살아 있는 캔버스 위에 열리는 편집 가능한 파일입니다. 저자는 프로젝트를 소개하면서 웹을 대신 돌아다니는 무인 조작 에이전트도, 터미널 코딩 에이전트도 아니라고 밝혀 둡니다. 사용자가 범위를 정하고 확장은 그 범위 안에서 확인 가능한 결과물을 돌려주는 분업입니다. 기술 구성은 브라우저 안에서 끝나도록 짜여 있습니다. 에이전트 루프는 Vercel AI SDK 7의 ToolLoopAgent를 쓰고, 스프레드시트와 문서는 Univer, 포스터와 슬라이드는 tldraw 캔버스가 담당하며, 사이트 결과물은 실제 HTML로 나옵니다. 모델이 만든 자바스크립트는 확장에 함께 담긴 WASM(WebAssembly) 샌드박스에서만 돌고, 만들어진 파일은 브라우저의 IndexedDB와 OPFS에 남습니다. 계정도 Paw Work 서버도 없고, 모델 키는 사용자가 직접 넣는 BYOK(Bring Your Own Key) 방식입니다. Paw Work과 기존 브라우저 에이전트 방식의 비교 브라우저를 다루는 AI 도구를 실행 형태로 갈라 보면, Paw Work가 어느 자리를 노리는… --- ## [AgentENV: Kimi K3의 강화학습을 구동하는 셀프호스팅 에이전트 샌드박스 런타임](https://discuss.pytorch.kr/t/agentenv-kimi-k3/11555)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 10, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/agentenv-kimi-k3/11555 "2026-08-10T06:30:08Z")
AgentENV 소개 코딩 에이전트나 코드 인터프리터를 운영해 본 팀은 실행 환경에서 같은 딜레마를 만납니다. 모델이 만든 코드를 그대로 돌리려면 격리가 필요한데, 컨테이너는 호스트 커널을 공유하니 격리 경계가 얕고, 가상 머신은 경계가 확실한 대신 부팅이 느려 태스크마다 새 환경을 띄우기엔 비쌉니다. 에이전트 강화학습처럼 환경 수가 수천 개 단위로 올라가면 문제가 한 단계 더 커집니다. 환경 대부분은 모델이 다음 행동을 고민하는 동안 아무것도 하지 않으면서 CPU와 메모리를 붙들고 있고, 롤아웃마다 필요한 이미지가 달라 노드마다 이미지를 미리 받아 두는 비용도 함께 늘어납니다. AgentENV(줄여서 AENV)는 이 지점을 겨냥한 셀프호스팅 샌드박스 런타임입니다. 샌드박스 하나가 Firecracker 마이크로VM 하나로 뜨기 때문에 격리는 커널 단위로 확보하고, 그 위에 스냅샷 기반 부팅을 얹어 시작과 재개를 50밀리초 안에 끝냅니다. 일시정지는 100밀리초 안에 완료되어, 쉬고 있는 환경이 자원을 붙들고 있을 이유가 사라집니다. 이미지는 overlaybd를 통해 필요한 블록만 그때그때 내려받고 로컬 디스크는 크기가 정해진 캐시로 동작하므로, 전체 이미지 용량이 디스크보다 커도 클러스터 전체에서 빠른 시작 속도가 유지됩니다. 만든 곳은 kvcache-ai이며, 프로젝트는 자신들이 "Kimi K3의 에이전트 강화학습(agentic RL) 학습을 구동한다" 고 밝히고 있습니다. 구현 언어는 Rust이고, 서버와 함께 aenv CLI가 제공되며 HTTP API는 E2B와 호환되도록 설계되어 있습니다. 현재 최신 릴리즈는 v0.1.1입니다. AgentENV와 기존 샌드박스 방식의 차이 에이전트용 실행 환경을 마련하는 방법은 크게 두 갈래였습니다. 하나는 컨테이너를 태스크마다 띄우는 방식으로, 가볍고 익숙하지만 샌드박스가 호스트 커널을 공유합니다. 다른 하나는 E2B 같은 호스팅 서비스를 쓰는 방식으로, 운영 부담은 줄지만 모델이 만든 코드와 그 코드가 만… --- ## [CubeSandbox: 60ms 안에 부팅되는 AI 에이전트용 하드웨어 격리 샌드박스](https://discuss.pytorch.kr/t/cubesandbox-60ms-ai/11146)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 9, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/cubesandbox-60ms-ai/11146 "2026-07-09T03:30:14Z")
CubeSandbox 소개 CubeSandbox는 AI 에이전트가 생성한 코드를 안전하게 실행하기 위한 고성능 샌드박스 서비스입니다. LLM이 만들어낸 코드는 신뢰할 수 없다는 전제에서 출발해야 하는데, Docker 컨테이너는 호스트와 커널을 공유하기 때문에 커널 취약점을 통한 탈출 위험이 남고, 전통적인 가상 머신은 격리 수준은 높지만 부팅에 수 초가 걸리고 메모리 오버헤드도 큽니다. 에이전트 하나가 수십 번씩 코드를 실행하고 동시에 수백 개의 에이전트가 돌아가는 환경에서는 이 두 방식 모두 한계가 뚜렷합니다. CubeSandbox는 RustVMM과 KVM 위에 구축한 MicroVM으로 이 문제를 풉니다. 샌드박스마다 전용 Guest OS 커널을 부여해 하드웨어 수준의 격리를 확보하면서도, 콜드 스타트 60ms 이내, 인스턴스당 메모리 오버헤드 5MB 미만이라는 수치를 제시합니다(README Benchmarks 각주 기준, 단일 동시성 60ms, 50개 동시 생성 시 평균 67ms, P95 90ms, P99 137ms). 덕분에 한 노드에서 수천 개의 샌드박스를 돌리는 고밀도 배포가 가능합니다. Tencent Cloud가 개발해 2026년 4월 v0.1.0으로 공개했으며, 단일 노드 배포부터 다중 노드 클러스터 확장까지 지원합니다. E2B SDK와 API가 호환되어 기존 E2B 기반 코드는 URL 환경 변수 하나만 바꾸면 그대로 동작한다고 안내하고 있으며, CNCF Landscape에도 등재되어 있습니다. 2026년 7월 공개된 v0.5.0에서는 유휴 샌드박스를 자동으로 중지·재개하는 AutoPause, Terraform 기반 원클릭 클러스터 배포, ARM64 네이티브 지원이 추가되었습니다. CubeSandbox와 기존 실행 환경 비교 AI 에이전트 코드 실행이라는 맥락에서 CubeSandbox가 README에 정리한 비교표는 다음과 같습니다. 항목 Docker 컨테이너 전통적인 VM CubeSandbox 격리 수준 낮음 (커널 공… --- ## [OpenAI, Windows용 Codex의 안전한 샌드박스 구축 여정 공개: AppContainer부터 write-restricted Token, Windows Firewall까지](https://discuss.pytorch.kr/t/openai-windows-codex-appcontainer-write-restricted-token-windows-firewall/10252)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 17, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/openai-windows-codex-appcontainer-write-restricted-token-windows-firewall/10252 "2026-05-17T09:30:18Z")
Codex와 샌드박스, 그리고 Windows라는 까다로운 환경 OpenAI Codex는 개발자의 노트북 위에서 동작하는 코딩 에이전트입니다. CLI 형태로 실행되거나 VS Code 확장 또는 데스크톱 앱 안에서 동작하며, 키보드 앞에 앉아 있는 사람과 클라우드에서 실행되는 모델 사이의 대화를 중개하면서 파일 편집, 테스트 실행, Git 브랜치 생성 같은 작업을 자동으로 수행합니다. 즉 Codex는 "사람이 할 수 있는 모든 일을 모델이 대신 해 주는" 도구이며, 동시에 그렇기 때문에 적절히 통제되지 않으면 위험할 수 있는 도구이기도 합니다. 이런 코딩 에이전트가 사용자 시스템 위에서 안전하게 동작하려면 샌드박스(sandbox) 가 필수입니다. 샌드박스란 운영체제가 강제하는 제약된 실행 환경으로, 에이전트가 명령어를 실행할 때 권한이 낮은 상태로 출발하고 그 자식 프로세스 전체에 동일한 경계가 전파되도록 만들어 줍니다. macOS에는 Seatbelt가 있고, Linux에는 seccomp이나 bubblewrap처럼 잘 다듬어진 격리 도구가 있습니다. 그러나 Microsoft Windows는 이러한 기능을 기본적으로 제공하지 않습니다. OpenAI가 최근 공개한 엔지니어링 블로그 "Building a safe, effective sandbox to enable Codex on Windows"는 바로 이 빈자리를 어떻게 메웠는지를 다룹니다. 2025년 9월에 합류한 Codex 엔지니어가 Windows용 샌드박스를 처음부터 설계하면서 마주친 선택지들, 그리고 그 과정에서 폐기된 첫 번째 프로토타입과 최종적으로 채택된 "elevated sandbox" 아키텍처까지를 솔직하게 풀어 놓은 글입니다. 이번 글에서는 그 내용을 따라가면서, Codex가 AppContainer, Windows Sandbox, Mandatory Integrity Control, SID, write-restricted token, Windows Firewall 등을 어떻게 조합해 안전성과 사… --- ## [OpenAI, Codex의 Auto-review 모드 공개: 별도의 에이전트가 샌드박스 경계의 행동을 자동으로 심사 (feat. GPT-5.4 Thinking)](https://discuss.pytorch.kr/t/openai-codex-auto-review-feat-gpt-5-4-thinking/10180)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 12, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/openai-codex-auto-review-feat-gpt-5-4-thinking/10180 "2026-05-12T21:30:29Z")
Auto-review 소개 OpenAI가 자사 코딩 에이전트 Codex의 새로운 권한 모드인 Auto-review를 지난 4월 말 공개했습니다. 그동안 Codex 사용자는 두 가지 모드 중 하나를 선택해야 했습니다. 매번 인간의 승인을 요구하는 Default 모드(approval\_policy = "on-request") 와 모든 행동을 자유롭게 허용하는 Full Access 모드가 그것입니다. 전자는 마찰이 너무 잦아 장시간 백그라운드 작업이 사실상 불가능하고, 후자는 샌드박스가 사실상 무력화되어 자격증명 탈취, 데이터 유출, 악성 코드 실행 같은 위험을 환경 차원에서 막을 수 없다는 문제가 있었습니다. Auto-review는 이 양극단 사이의 새로운 길을 제시합니다. 샌드박스 경계에서 인간 사용자에게 묻는 대신, 별도의 Codex 에이전트가 그 요청을 심사하고 승인 여부를 결정합니다. 이 별도 에이전트는 사용자의 의도, 실행 환경, 보안 정책, 그리고 해당 행동이 가져올 영향을 종합적으로 고려해 판단을 내립니다. OpenAI는 이 모드가 내부 보안 팀이 수용할 정도로 보수적이면서도 연구 및 배포 워크플로우를 방해하지 않을 만큼 매끄럽게 작동한다고 평가합니다. 실제로 OpenAI 사내에서는 Codex Desktop의 토큰 사용량 중 다수가 이미 Auto-review 모드에서 발생하고 있으며, 그 비중은 계속 늘어나는 추세라고 합니다. 수동 승인 모드 대비 세션이 사용자에게 멈춰서 묻는 빈도가 약 200배 줄어들면서도, 인간이라면 멈췄을 행동들을 상당수 잡아내고 있다는 점이 핵심입니다. 더불어 위 사례에 따르면, 1만 건의 행동 중 9,280건은 샌드박스 내부에서 그대로 실행되고, 경계를 넘어선 720건 중에서도 713건은 Auto-review가 승인했으며, 거부된 7건 중 4건은 Codex 스스로 더 안전한 우회 경로를 찾아 작업을 이어갔습니다. 사용자에게 멈춰 물은 것은 단 3건에 불과했습니다. 승인 마찰이 오히려 보안을 해치는 역설 흥미로운… --- ## [Cloudflare Dynamic Workers: 컨테이너보다 100배 빠른 실행 환경을 제공하는 AI 에이전트 코드 샌드박스 오픈 베타](https://discuss.pytorch.kr/t/cloudflare-dynamic-workers-100-ai/9471)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 31, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/cloudflare-dynamic-workers-100-ai/9471 "2026-03-31T06:30:19Z")
Cloudflare Dynamic Workers 소개 AI 에이전트가 사용자 요청을 처리하기 위해 코드를 직접 생성하고 실행하는 방식, 이른바 코드 모드(Code Mode) 가 주목받고 있습니다. Cloudflare가 지난 2025년 9월 소개한 Code Mode는 에이전트가 도구 호출을 순차적으로 수행하는 대신, API를 호출하는 코드를 직접 작성하여 실행하는 접근법입니다. 실제로 MCP 서버를 TypeScript API로 변환하는 것만으로 토큰 사용량을 81%까지 줄일 수 있다는 것이 입증되었습니다. 그런데 에이전트가 AI가 즉석에서 생성한 코드를 실행하려면, 그 코드가 실행될 안전한 공간이 필요합니다. AI가 생성한 코드를 애플리케이션 안에서 직접 eval()로 실행하는 것은 매우 위험합니다. 악의적인 사용자가 AI를 유도하여 취약점을 삽입하는 프롬프트 인젝션 공격이 가능하기 때문입니다. 따라서 샌드박스(Sandbox), 즉 애플리케이션과 격리된 실행 환경이 반드시 필요합니다. 현재 업계에서는 이 용도로 Linux 컨테이너를 주로 사용하지만, 컨테이너는 부팅에 수백 밀리초, 메모리는 수백 메가바이트가 필요하고, 실행 간 재사용 시 보안이 취약해지는 문제가 있습니다. Cloudflare가 2026년 3월 24일 발표한 Dynamic Worker Loader 는 이 문제에 대한 새로운 해답입니다. Cloudflare Workers 플랫폼의 핵심 기술인 V8 아이솔레이트를 활용하여, 컨테이너 대비 100배 빠르고 10~100배 더 메모리 효율적인 경량 샌드박스를 제공합니다. 현재 유료 Workers 플랜 사용자를 대상으로 오픈 베타로 제공되고 있습니다. 컨테이너의 한계와 V8 Isolate의 등장 AI 에이전트가 소비자 규모로 확산되면, 즉 모든 최종 사용자가 하나 이상의 에이전트를 갖고 각 에이전트가 코드를 작성하는 세상이 된다면, 컨테이너 기반 샌드박스는 현실적으로 감당하기 어렵습니다. 컨테이너 기반 샌드박스 서비스들은 대부분 동시 샌드박스 수와… --- ## [Zeroboot: 복사 후 쓰기 포크 방식으로 몇 밀리초 이내에 VM 샌드박스를 생성하는 AI 에이전트용 실행 환경](https://discuss.pytorch.kr/t/zeroboot-vm-ai/9348)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 25, 2026, 12:30오전 UTC](https://discuss.pytorch.kr/t/zeroboot-vm-ai/9348 "2026-03-25T00:30:59Z")
Zeroboot 소개 AI 에이전트가 코드를 실행할 때 가장 큰 병목 중 하나는 실행 환경을 준비하는 시간입니다. 보안을 위해 격리된 환경이 필요하지만, 매번 새로운 가상 머신(VM)을 부팅하면 수백 밀리초에서 수 초가 걸립니다. Zeroboot는 이 문제를 파이어크래커(Firecracker) 스냅샷과 복사 후 쓰기(Copy-on-Write, CoW) 메모리 매핑을 조합하여 해결합니다. 새로운 VM 샌드박스를 0.79ms(p50 기준) 만에 생성할 수 있으며, 각 샌드박스는 하드웨어 수준에서 격리된 실제 KVM 가상 머신입니다. Rust로 작성되었으며, Apache 2.0 라이선스로 공개된 오픈소스 프로젝트입니다. 기존의 AI 코드 실행 서비스들은 컨테이너나 마이크로VM을 매번 새로 시작하는 방식을 사용하기 때문에 생성 지연 시간이 수십~수백 밀리초에 달합니다. E2B의 경우 샌드박스당 약 128MB의 메모리를 사용하며, 생성 지연은 p50 기준 약 150ms입니다. Zeroboot는 이미 부팅되고 초기화된 VM의 메모리와 CPU 상태를 스냅샷으로 저장해두고, 요청이 들어올 때마다 그 스냅샷을 CoW 방식으로 복제하는 접근법을 택합니다. 결과적으로 샌드박스 하나당 메모리 사용량은 약 265KB에 불과하며, 1000개의 샌드박스를 동시에 생성하는 데 815ms밖에 걸리지 않습니다. Zeroboot과 기존 서비스의 주요 특징들을 비교하면 다음과 같습니다: 지표 Zeroboot E2B microsandbox Daytona 생성 지연 p50 0.79ms ~150ms ~200ms ~27ms 생성 지연 p99 1.74ms ~300ms ~400ms ~90ms 샌드박스당 메모리 ~265KB ~128MB ~50MB ~50MB Zeroboot의 동작 원리 Zeroboot의 핵심은 세 단계로 구성됩니다. Firecracker snapshot ──► mmap(MAP\_PRIVATE) ──► KVM VM + 복원된 CPU 상태 … --- ## [OpenSandbox: Alibaba가 오픈소스로 공개한 AI 에이전트를 위한 범용 샌드박스 플랫폼](https://discuss.pytorch.kr/t/opensandbox-alibaba-ai/9177)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 10, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/opensandbox-alibaba-ai/9177 "2026-03-10T21:30:24Z")
OpenSandbox 소개 최근 대규모 언어 모델(LLM)을 기반으로 한 코딩 에이전트(Coding Agent)나 GUI 에이전트 등 복잡한 작업을 자율적으로 수행하는 AI 애플리케이션이 폭발적으로 증가하고 있습니다. 이러한 에이전트들은 스스로 코드를 작성하고 시스템 명령어와 파일에 접근하여 작업을 수행하게 되는데, 이 과정에서 생성된 코드를 안전하게 실행하고 테스트할 수 있는 철저히 격리된 환경의 중요성이 대두되었습니다. 에이전트가 호스트 시스템에 직접 접근할 경우, 의도치 않은 시스템 손상이나 악의적인 동작으로 인한 심각한 보안 위험이 발생할 수 있기 때문입니다. OpenSandbox는 이러한 문제를 해결하기 위해 알리바바(Alibaba)에서 오픈소스로 공개한 AI 애플리케이션 전용 범용 샌드박스 플랫폼입니다. 이 플랫폼은 단순히 코드만 실행하는 것을 넘어, AI 코드 실행, 에이전트 평가, 강화 학습(RL) 훈련 등 다양한 시나리오에 맞춰 안전하고 독립적인 실행 환경을 제공하는 데 중점을 둡니다. 복잡한 환경을 제어해야 하는 개발자들을 위해 다국어 SDK와 통합된 API를 지원하여, 어플리케이션 내에 샌드박스 환경을 매끄럽게 연동할 수 있도록 설계되었습니다. 특히 OpenSandbox는 로컬 환경에서 가볍게 테스트할 수 있는 Docker 기반의 런타임부터, 대규모 분산 스케줄링이 필요한 엔터프라이즈 환경을 위한 고성능 Kubernetes 런타임까지 모두 지원합니다. 이를 통해 개발자는 복잡한 인프라나 네트워크 격리 설정에 대한 부담 없이, 오직 안전하고 효율적인 AI 에이전트의 동작과 확장에만 집중할 수 있습니다. OpenSandbox vs. 기존 샌드박스 환경 비교 전통적인 Docker 기반의 컨테이너 환경은 애플리케이션을 패키징하고 실행하기 위한 설정이 비교적 간단하지만, 호스트의 커널을 공유하기 때문에 컨테이너 탈출(Container Breakout) 취약점 등 강력한 격리성을 보장하기 어려운 한계가 있습니다. 반면, OpenSandbo… --- ## [BoxLite: AI 에이전트를 위한, 안전하고 가벼운 샌드박스 런타임 (no daemon, no dependencies)](https://discuss.pytorch.kr/t/boxlite-ai-no-daemon-no-dependencies/8415)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [12월 14, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/boxlite-ai-no-daemon-no-dependencies/8415 "2025-12-14T03:30:25Z")
BoxLite 소개 BoxLite는 AI 에이전트와 같이 신뢰할 수 없는 코드 실행이 필요한 환경을 위해 설계된, 임베딩 가능한(Embeddable) 가상 머신 런타임입니다. SQLite가 데이터베이스를 위한 가볍고 신뢰성 높은 솔루션인 것처럼, BoxLite는 "작고, 빠르고, 안정적인" 철학을 바탕으로 컨테이너를 하드웨어 레벨에서 격리된 경량 가상 머신(VM) 내부에서 실행하는 것을 목표로 합니다. 최근 AI 에이전트의 활용도가 높아지면서, 에이전트가 자유롭게 코드를 작성하고 패키지를 설치하며 시스템을 탐색할 수 있는 능력이 중요해졌습니다. 하지만 호스트 시스템에서 이러한 자유를 허용하는 것은 보안상 큰 위험이 따릅니다. BoxLite는 AI에게는 완전한 리눅스 환경(자유)을 제공하고, 호스트 시스템에는 강력한 보안(격리)을 보장함으로써 이 딜레마를 해결합니다. ┌─────────────────────────────────────────────────────────────┐ │ Your Application │ │ ┌──────────────────────────────────────────────────────┐ │ │ │ BoxLite Runtime (embedded library) │ │ │ │ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ │ │ │ │ Box A │ │ Box B │ │ Box C │ │ │ │ │ │ (micro-VM) │ │ (micro-VM) │ │ (micro-VM) │ │ │ │ │ │ ┌─────────┐ │ │ ┌─────────┐ │ │ ┌─────────┐ │ │ │ │ │ │ │Container│ │ │ │Container│ │ │ │Contai… --- ## [ERA Agent: AI가 생성한 코드의 안전한 실행을 위한 로컬 샌드박스](https://discuss.pytorch.kr/t/era-agent-ai/8316)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 28, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/era-agent-ai/8316 "2025-11-28T03:30:30Z")
ERA 소개 ERA Agent는 AI 에이전트가 생성한 코드를 안전하게 실행할 수 있도록 지원하는 오픈 소스 로컬 샌드박스 도구입니다. 최근 LLM(Large Language Model)의 발전으로 AI가 코드를 작성하고 실행하여 복잡한 작업을 수행하는 '에이전트(Agent)' 활용이 늘어나고 있습니다. 하지만 AI가 생성한 코드를 로컬 머신에서 직접 실행하는 것은 보안상 매우 위험하며, 의존성 충돌이나 시스템 손상을 유발할 수 있습니다. ERA Agent는 이러한 문제를 해결하기 위해 격리된 마이크로 VM(MicroVM) 환경을 제공하여, 개발자가 안심하고 AI 생성 코드를 실행하고 테스트할 수 있게 합니다. Claude 3.5 Sonnet이나 GPT-4o와 같은 고성능 모델은 복잡한 Python 스크립트를 작성하여 데이터 분석이나 파일 조작을 수행할 수 있습니다. 그러나 rm -rf와 같은 위험한 명령어가 포함되거나, 호스트 시스템의 환경 변수를 덮어쓰는 등의 사고를 방지하기 위해 안전한 실행 환경(Sandbox)이 필수적입니다. 기존의 Docker 컨테이너보다 더 가볍고 빠르며, 상태(State)를 유지할 수 있는 샌드박스 솔루션이 요구되고 있습니다. flowchart LR subgraph Local\["Local Runner (macOS / Linux)"\] direction TB Repo\["Git / local source"\] CLI\["agent CLI (Go binary)"\] Storage\["Case-sensitive volume\\n(AGENT\_STATE\_DIR, Buildah, krunvm)"\] VM\["MicroVMs via krunvm\\n(buildah-backed images)"\] Repo --\> CLI CLI --\> VM CLI --\> Storage Storage --- VM end s… --- ## [Anthropic, Claude Code를 브라우저에서 사용할 수 있는 Claude Code on the Web 공개](https://discuss.pytorch.kr/t/anthropic-claude-code-claude-code-on-the-web/7989)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 21, 2025, 5:00오전 UTC](https://discuss.pytorch.kr/t/anthropic-claude-code-claude-code-on-the-web/7989 "2025-10-21T05:00:00Z")
Claude Code 소개 Anthropic이 최근 발표한 Claude Code on the Web은 브라우저에서 직접 코딩 작업을 수행할 수 있도록 지원하는 새로운 기능입니다. 기존에는 터미널을 통해 수행하던 코딩 세션을 이제 웹 환경에서 바로 실행할 수 있으며, 버그 수정, 루틴한 작업 자동화, 병렬 개발 등의 목적에 특히 최적화되어 있습니다. 현재는 베타 버전으로 연구용(preview)으로 공개되었으며, Anthropic이 관리하는 클라우드 인프라에서 안전하게 실행됩니다. Claude Code on the Web 서비스는 특히 개발자들이 반복적인 작업을 효율적으로 처리하고, 여러 저장소를 동시에 관리하며, 코드를 빠르게 배포할 수 있도록 돕습니다. 사용자는 GitHub 저장소를 연결한 뒤, 간단히 해야 할 작업을 설명하면 Claude가 클라우드 환경에서 코드를 작성하고 Pull Request(PR)를 자동으로 생성합니다. 이를 통해 개발팀은 코드 품질을 유지하면서도 작업 속도를 크게 높일 수 있습니다. 이 새로운 기능은 단순히 Claude의 기존 코드 작성 능력을 확장한 것이 아니라, 실제 개발 워크플로우에 직접 통합되는 것을 목표로 합니다. 특히 여러 프로젝트를 병렬적으로 다루거나, 테스트 주도 개발(TDD)을 자동화하려는 팀에게 유용한 도구로 자리 잡을 것으로 보입니다. GitHub Copilot 등과의 비교 Claude Code on the Web은 GitHub Copilot이나 Replit’s Ghostwriter 같은 AI 코딩 도우미와 비교될 수 있습니다. 하지만 그 접근 방식에서 뚜렷한 차이를 보입니다. Copilot이 주로 IDE 내에서 코드 제안을 제공하는 반면, Claude Code는 클라우드 기반의 작업 위임(delegate) 모델을 채택했습니다. 즉, 사용자가 직접 코드를 작성하지 않아도 Claude가 원격 환경에서 구현을 수행하고 PR을 생성합니다. 이 방식은 특히 대규모 저장소나 반복적인 유지…