引言：
AI Agent 在执行复杂任务时，常需在浏览器、代码执行、文件系统之间切换。传统多沙箱方案面临环境割裂、数据搬运、鉴权复杂等问题。AIO Sandbox 通过一个 Docker 镜像整合所有能力，提供统一文件系统与鉴权，并支持镜像定制 ，提升了 Agent 任务执行与交付效率。
背景
随着 LLM 的持续演进，AI 的应用形态经历了三代跃迁：
-
Chatbot： 对话式交互，回答问题
-
Copilot： 辅助协作，提升效率
-
Agent： 自主执行，完成任务
Agent 能够自主感知环境、规划步骤、调用工具，能够像人类一样操作计算机 ：自动浏览网页收集信息、生成并运行代码分析数据、执行系统命令管理文件，甚至通过可视化界面完成复杂的多步骤操作。这种能力使 Agent 的交付成果接近甚至超越人类专业水准。
痛点
-
🧩 环境割裂： 多个单功能沙盒（如 E2B 支持代码执行，Browserbase 支持浏览器）迫使 Agent 通过 NAS/OSS 跨沙箱传输数据，增加延迟与复杂度。如：深度研究 Agent 完成『将一篇论文 Paper 做成 PPT』需在多沙箱间交换数十个中间文件（JSON 配置、图表图片、预览截图等），增加整个 Agent 系统复杂度和开销。
不同功能沙箱共享协作
-
🎁 定制困难： 不同类型的 Agent 需要预装不同的技术栈，传统沙箱提供统一的预装环境，既无法满足所有 Agent 的个性化需求。
不同 Agent 在沙盒环境的预装包不同
-
🔒 安全隔离难： 既要让 Agent 拿到真实系统能力（网络、文件、浏览器、GPU），又要强隔离避免越权与数据外泄。
-
🖥️ 可视化交互困难： 复杂 Agent 任务需要人工接管，功能沙箱需要集成 VNC、Terminal、VSCode 保持一致体验。分辨率切换、截图与 GUI 视觉操作。
-
🌐 浏览器环境复杂度高： 反自动化与指纹风控，CDP 不稳定性、带用户名密码的代理支持不完善、GUI 操作缺失。
一台配置完善的电脑能显著提升人类的办公效率；同样，一个功能强大的沙箱环境也能提升 Agent 的任务质量与执行速度。
介绍
一句话介绍：AIO Sandbox 在一个沙盒内集成浏览器、代码执行、终端、可视化接管、正反向代理、MCP、鉴权等基础功能，可根据需求进行沙盒环境定制，让不同的 Agent“在一个环境容器内中更高效地完成任务”。
-
官网：sandbox.agent-infra.com
-
Github：github.com/agent-infra/sandbox
-
API：sandbox.agent-infra.com/api
-
论文：arxiv.org/pdf/2509.02544#S2.SS2
AIO（All-in-One）沙箱
特性
- 📦 开箱即用： 通过***/mcp*** 协议直连沙箱能力，同时提供API / SDK 定制沙箱工具集。
- 🚀 秒启动： 沙盒全服务启动在秒级完成，预缓存/冷启动后达到毫秒级拉起。
- 🌈 定制化： 各垂直场景的 Agent 需配套领域工具与依赖；AIO 以统一镜像基座，用约定式路由和服务配置支持按需扩展。
- 🌐浏览器： 集成 Web Infra 的 RS 轻量内核，提供 CDP、截图、纯视觉 GUI 操作、Proxy 代理配置。
- 🔄 人工接管： 提供 浏览器 VNC、Code Server、Terminal，支持任务中途人工接管 与调试。
- 📡 代理与转发： 支持带账密的正向代理；将***{port}-{domain}*** 泛域名或***/proxy|/absproxy/{port}*** 路径映射到沙箱内服务（便于预览/演示）。
- 🔒安全鉴权： JWT Bearer 访问控制；对无法携带 Header 的链接提供短时票据（Short-Lived Ticket）。
AIO Sandbox
示例
指令
帮我设计一个有趣的网站，为在上小学的孩子介绍侏罗纪和白垩纪时期的蜥脚类恐龙。希望网站是卡通风格的。
回放
Replay：
使用的 AIO 功能
浏览器操作
- DOM 操作（/v1/browser/info ）
- 截图（/v1/browser/screenshot ）
- 视觉操作（/v1/browser/actions ）
执行命令（/v1/shell/exec ）
文本编辑器工具（/v1/file/str_replace_editor ）
端口转发（反向代理）
指令
搜索关于字节跳动Seed1.6模型的新闻，然后以现代风格编写一个网页并部署
回放
Replay：
指令
根据这张 OSWorld 图片，请在互联网上查找最新信息并为其设计一个现代化的网站。
回放
Replay：
指令
玩 Poki 2048 游戏
回放
Replay：
更多见：https://seed-tars.com/showcase/ui-tars-2
快速上手
云端
一键部署 All-in-One Sandbox 应用--函数服务-火山引擎：
https://www.volcengine.com/docs/6662/1851199
云函数部署 AIO Sandbox
本地
前置需要安装 Docker（见文末参考1），一键本地启动：
docker run --rm -it -p 8080:8080 enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest
本地 Docker 启动
系统架构
整体
AIO Sandbox 面向 Agent 提供 Browser、File、Shell、Code 等基础能力，提供可扩展性 支持开发者根据 Agent 需求组合与定制专属沙箱 （如 AIO Sandbox for 移动端/医疗/法务/金融/科研 ）。
沙箱定制程度依次递增：
-
Standard（开箱即用）： 通过***/mcp*** 接入点对 Agent 即插即用，适用于快速 PoC Agent 验证。
-
Custom Toolset（工具 / Skills 扩展）： 不改镜像，基于 SDK / API 增加或编排工具（如增加 web_search 搜索）；同时扩展出 Skills 实现特定沙盒任务的自动化处理。
-
Custom Image（定制镜像）： 基于 FROM aio.sandbox 基础镜像，安装特定的基础依赖（如多媒体/图像处理等），挂载自定义服务（例如 /custom_tools/ocr 图像识别）。
Sandbox 可扩展架构
基础组件
AIO Sandbox 组件图
浏览器
面向 Agent 的浏览器环境，核心在于提供出 CDP 和 VNC，主流 Browser Use 框架都可以直接使用；
AIO 提供了基于 x11 的浏览器 GUI 视觉操作接口，可以与 CDP 方式组合出更高效、更低风控率的 Browser Use 方案。
AIO Sandbox Browser 架构
CDP
CDP （Chrome Devtools Protocol）是一种用于与 Chrome 或 Chromium 浏览器通信的协议，通过 WebSocket 提供浏览器控制 API，可以执行导航与加载、DOM 操作、JS 执行/调试、网络拦截与模拟、截图与渲染、安全与权限等。
为更直观了解，以下示例是用 CDP 发起一个 navigate 页面导航指令：
'/Applications/Google Chrome.app/Contents/MacOS/Google Chrome' \
--disable-gpu \
--user-data-dir=./test \
--remote-debugging-port=9222 \
https://www.chromestatus.com
访问 http://localhost:9222/json/version ，其中webSocketDebuggerUrl 就是 CDP 地址：
$ curl http://localhost:9222/json/version
{
"Browser": "Chrome/141.0.7390.66",
"Protocol-Version": "1.3",
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/141.0.0.0 Safari/537.36",
"V8-Version": "14.1.146.11",
"WebKit-Version": "537.36 (@95681a3c3d516c397b75ff45b8980c1088666775)",
"webSocketDebuggerUrl": "ws://localhost:9222/devtools/browser/a6c5f19f-5d24-4bed-ba08-9c15cf5aeedb"
}
与 CDP 建立 WebSocket 连接后，就可以执行浏览器指令：
Navigate www.toutiao.com
注：AIO Sandbox 不直接暴露 CDP 接口 /json/version ，而是通过 uvicorn 服务中转 CDP 并增加了心跳检测，避免出现 ws 断连问题。
GUI 视觉操作
截图
不同于基于 CDP 的截图，视觉的截图 /v1/browser/screenshot 是带 Tabs（即整个浏览器窗口），操作也是面向整个浏览器窗口。
GUI 浏览器截图（Tabs）
基于 CDP 的页面截图（Page）
不同于 CDP 的浏览器操作，视觉操作***/v1/browser/actions*** 上模拟人类 行为进行点击、输入、滑动等操作，可以减少目标网站的风控策略。
统一动作空间
将 GUI 操作抽象为可组合的最小原子动作，如移动鼠标、点击、拖动、滚动、按键、输入文本，以及额外的工具函数如等待，尽可能对齐 VLM 视觉模型在执行实际动作的一致性。
action_type
|
描述
|
必需参数
|
可选参数
| |
MOVE_TO
|
移动鼠标到指定位置
| x, y |
| |
MOVE_REL
|
移动当前鼠标的相对位置
|
x_offset，y_offset
|
| | CLICK |
点击操作
|
|
x, y, button, num_clicks
| |
MOUSE_DOWN
|
按下鼠标按钮
|
|
button
| |
MOUSE_UP
|
释放鼠标按钮
|
|
button
| |
RIGHT_CLICK
|
右键点击
|
|
x, y
| |
DOUBLE_CLICK
|
双击
|
|
x, y
| |
DRAG_TO
|
拖拽到指定位置
|
x, y
|
| |
DRAG_REL
|
当前鼠标拖拽的相对位置
|
x_offset，y_offset
|
| |
SCROLL
|
滚动操作
|
|
dx, dy
| |
TYPING
|
输入文本
|
text
|
| |
PRESS
|
按键
|
key
|
| |
KEY_DOWN
|
按下键盘按键
|
key
|
| |
KEY_UP
|
释放键盘按键
|
key
|
| |
HOTKEY
|
组合键
|
keys (数组) 例如：["ctrl", "c"]
|
| |
WAIT
|
等待
|
duration 时间（秒 s）
|
|
接管
当 Browser Use 遇到要登录的情况，一般需要人工接管，需要提供可交互的浏览器界面，目前有两种做法：
-
VNC 接管：AIO Sandbox 提供 /vnc/index.html 页面，用户可直接交互。
-
前端通过 CDP 连接，在 Canvas 上实时重绘完整浏览器界面；我们把前端部分封装了一个组件 @agent-infra/browser-ui。如下左为实际浏览器，右为 browser-ui 投屏：
两种接管方式的差异大致如下：
对比维度
|
VNC
|
Canvas+CDP（Chrome DevTools Protocol）
| |
技术原理
|
远程桌面协议，传输整个屏幕像素
| 通过 CDP 控制浏览器，Canvas 渲染内容 | |
传输协议
|
RFB (Remote Framebuffer)
|
WebSocket + CDP
| | 传输内容 |
完整浏览器画面（有 Tabs）
|
仅浏览器当前 page 内容（默认没有 Tabs，可以单独实现）
| |
带宽占用
|
高（10-50 Mbps）
|
低（1-5 Mbps）
| |
延迟
|
较高（50-200ms）
|
较低（10-50ms）
| |
稳定性
|
不易断连
|
易断连，需要手动增加与 CDP 心跳，避免断连
| |
CPU占用
|
高（桌面编码）
|
低（仅浏览器渲染）
| |
内存占用
|
高（需要完整桌面环境）
|
低（仅浏览器进程）
| |
控制范围
|
整个浏览器
|
仅浏览器内部页面
| |
自动化能力
|
基础（鼠标键盘模拟）
|
强大（DOM操作、网络拦截、JS注入等）
| |
多窗口支持
|
✅ 支持
|
❌ 仅单个浏览器窗口
| |
文件操作
|
✅ 可以操作本地文件
|
❌ 受浏览器沙箱限制
|
命令行解释器
对于 Coding Agent，大部分任务都可以通过命令行执行完成。设计 Shell 模块时，以 OpenHands 的 CmdRunAction （见文末参考2）为执行引擎，配合 tmux，实现多会话（multi-session）执行能力。
文件操作
文件/代码编辑只需要两个工具就足够：
- 文件增改查： 封装文件读取/写入/列目录/新建/上传/下载等基础 I/O，配合路径校验与权限控制，覆盖通用文件操作场景。
- 文本编辑器： 实现面向模型的细粒度编辑工具 str_replace_editor（见文末参考3），支持：
-
view （查看文件或目录，含行范围）
-
str_replace （精确字符串替换）
-
insert （按行插入，旧版支持）
-
undo_edit （撤销）
代码执行
综合权衡语言覆盖与镜像体积，使用 Sandbox Fusion（见文末参考4） 里的 Python 3.10/3.11/3.12 与Node.js 22 运行时，并为代码执行提供一体化的安全隔离环境。
MCP Servers 聚合器
通过统一入口***/mcp*** 聚合多个 MCP Server（例如 chrome-devtools-mcp），支持参数级过滤 ，并可为工具名添加前缀 （namespacing）。
/mcp 支持 MCP Servers 过滤
按 search 过滤 MCP Servers，后续将扩展标签（tags ）与类别（category ）等多维过滤，减少冗余调用并降低模型 token 开销。
代理
在 Agent 沙箱里，一般涉及两类场景，分别对应正反向代理：
-
正向代理： Browser Use Agent 可访问私有/全球网络
-
反向代理： Coding Agent 在沙箱内开发的服务对外开放，供用户侧预览
正向代理
使用 TinyProxy 代理服务器，绕过地理限制、访问受限内容或在企业内网中提供安全访问。
AIO Sandbox 正向代理原理
为什么 Chrome 有***--proxy-server*** 指定代理，为什么要引入 TinyProxy 代理服务器？
在 Chromium 官方文档（见文末参考5）写明不会使用任何嵌入在代理设置里的用户名/密码（例如 http://user:pass@host:port 这种），认证要走单独的质询弹窗，影响整个 Browser Use 使用（如下图）：
带用户名密码代理会出现弹窗
反向代理
AIO Sandbox 反向代理原理
提供两种访问 Sandbox 内部服务端口的方法：
-
subdomain 泛域名转发（推荐）： 只要满足 {domain} 的域名格式，都会被转发到沙盒内的端口上。
-
subpath 子路径转发： 会遇到非常多问题：对于路由敏感服务（如前端项目）会因为额外的***/proxy|absproxy/${端口}*** 路径造成资源匹配 404。
鉴权
Agent 在沙箱里会产生用户数据，为了在不侵入、不修改任何既有业务路由配置、同时不增加未来扩展的路由配置的心智负担的前提下，实现 AIO Sandbox 全局统一鉴权，在内部 Nginx 网关层设计了**“非对称加密+JWT”反向代理架构** 来实现鉴权：
如何开启（一次配置）
- 生成密钥对
openssl genrsa -out private_key.pem 2048
openssl rsa -in private_key.pem -pubout -out public_key.pem
echo "密钥对生成完毕！"
- 启动服务（带公钥开启鉴权），使用环境变量 JWT_PUBLIC_KEY
export JWT_PUBLIC_KEY=$(cat public_key.pem | base64)
JWT_PUBLIC_KEY="${JWT_PUBLIC_KEY}"
签发 JWT
业务服务用私钥生成一个有效期为 1 小时的 JWT，以下是简化的脚本来生成 JWT，实际中业务后端应使用成熟的 JWT 库：
# 这是一个简化的脚本来生成JWT，实际中业务后端应使用成熟的 JWT 库 base64url_encode() { openssl base64 -e -A | tr '+/''-_' | tr -d '='; }
header='{"alg":"RS256","typ":"JWT"}'
exp_time=$(($(date +%s) + 3600))
payload="{\"exp\":${exp_time}}"
to_be_signed="$(echo -n "$header" | base64url_encode).$(echo -n "$payload" | base64url_encode)"
signature=$(echo -n "$to_be_signed" | openssl dgst -sha256 -sign private_key.pem | base64url_encode)
jwt="${to_be_signed}.${signature}"echo "JWT已生成: ${jwt}"
使用
- Header 鉴权
curl --silent -X GET "http://localhost:8080/v1/sandbox" \
-H "Authorization: Bearer ${jwt}"
-
短时票据鉴权示例（以 VNC 页面访问为例）：直接访问无法通过加 Header 方式完成鉴权 ，只能通过***?ticket=*** 票据以 query 参数方式发起访问。
- 使用 JWT 从通用端点获取票据（默认有效期是 30s，要增加通过 TICKET_TTL_SECONDS 环境变量配置）
echo"使用JWT换取通用的一次性票据..."
ticket_response=$(curl --silent -X POST "http://localhost:8080/tickets" \
-H "Authorization: Bearer ${jwt}")
ticket=$(echo"$ticket_response" | jq -r .ticket)
expires=$(echo"$ticket_response" | jq -r .expires_in)
echo"获取成功！票据: ${ticket}, 有效期: ${expires}秒"
- 客户端构建并使用 VNC URL：现在，就可以使用获取到的 ${ticket} 变量来构建 VNC URL 并发起访问了。
# Bash脚本模拟客户端拼接URL
vnc_url="http://localhost:8080/vnc/index.html?ticket=${ticket}&path=websockify%3Fticket%3D${ticket}"
echo"客户端构建的最终URL: ${vnc_url}"
# 模拟访问 (实际应在浏览器中进行)
# curl -I "${vnc_url}"
扩展与生态
定制镜像
在 AIO 里，会按约定目录方式，自动挂载服务进程（supervisord）和服务路由（Nginx）
-
服务进程目录：/opt/gem/supervisord/.conf*
-
路由目录：/opt/gem/nginx/.conf*
如果在 AIO 镜像基础上定制服务和路由，可参考以下镜像代码：
FROM enterprise-public-cn-beijing.cr.volces.com/vefaas-public/all-in-one-sandbox:latest
# ----------------------
# 安装额外系统依赖（若有）
# installed path: /usr/bin/*
# ----------------------
RUN set -eux; \
apt-get update; \
apt-get install -y --no-install-recommends \
${your_system_dep} \
--no-install-recommends; \
# clean up
apt-get clean && \
rm -rf /var/lib/apt/lists/*;
# ----------------------
# npm 安装（若有）
#
# ----------------------
RUN npm i -g ${your_npm_package}
# ----------------------
# python pip 安装（若有）
# installed path: /usr/local/bin/*
# ----------------------
RUN pip install ${your_python_package}
# 添加自定义 Server 服务
COPY ./supervisord.agent_server.conf /opt/tiger/run/supervisord/agent_server.conf
# 绑定 Nginx 路由
COPY ./nginx.agent_server.conf /opt/gem/nginx/nginx.agent_server.conf
# # 若不需要 AIO 里的服务，可进行删除，例如 Code Server
# ## 删除 Code Server 进程和路由
# RUN rm -rf /opt/gem/supervisord/supervisord.code_server.conf
# ## 删除 Code Server 路由
# RUN rm -rf /opt/gem/nginx/code_server.conf
SDK 集成
借助 fern（见文末参考6）将 AIO Sandbox 里的接口文档直接转成 Python / Go / Node.js SDK，以 Python 为例，几行代码串联起 AIO Sandbox 里的核心功能：
from agent_sandbox import Sandbox
client = Sandbox(base_url="http://localhost:8080")
# Execute Shell
shell_res = client.shell.exec_command(command="ls -la")
print(shell_res.data.output) # /home/gem
# Browser Screenshot
screenshot = client.browser.screenshot()
print(screenshot)
# Get Browser CDP
browser_info = client.browser.get_browser_info()
cdp_url = browser_info.data.cdp_url # ws://
# Read File
file_res = client.file.read_file(file="/home/gem/.bashrc")
print(file_res.data.content)
更多使用示例参考：agent-infra/sandbox#exampleshttps://github.com/agent-infra/sandbox/tree/62e910bae02239f69f749b16a1a78d8deb30c533/examples
browser-use
只需增加 4 行代码接入社区的 browser-use（https://github.com/browser-use/browser-use）：
browser-use + AIO Sandbox
完整代码见：文末参考7
LangGraph-DeepAgents
LangGraph-DeepAgents + AIO Sandbox
完整代码见：langgraph-deepagents#main.py
自定义工具集
可使用 API / SDK 来组合 Agent 所需要的高阶工具集，例如 link_reader给 url 地址返回页面内容：
from openai import OpenAI
from agent_sandbox import Sandbox
import json
client = OpenAI(
api_key="your_api_key",
)
sandbox = Sandbox(base_url="http://localhost:8080")
tools = [{
"type": "function",
"function": {
"name": "link_reader",
"description": "渲染并读取网页，返回标题、正文与最终URL（基于CDP）。",
"parameters": {
"type": "object",
"properties": {
"url": {"type": "string", "format": "uri"},
"timeout_ms": {"type": "integer", "default": 30000}
},
"required": ["url"]
}
}
}]
asyncdeflink_reader(url: str, timeout_ms: int = 30_000) -> dict:
cdp_url = sandbox.browser.get_browser_info().cdp_url
asyncwith async_playwright() as p:
browser = await p.chromium.connect_over_cdp(cdp_url)
try:
page = await browser.new_page()
await page.goto(url, wait_until="networkidle", timeout=timeout_ms)
title = await page.title()
text = await page.evaluate("document.body.innerText || ''")
return {"final_url": page.url, "title": title, "text": text[:8000]}
finally:
await browser.close()
部署
目前最佳的公有云部署形态是函数计算，并基于 Sandbox 指定实例访问能力：
一键部署 All-in-One Sandbox 应用--函数服务-火山引擎：
https://www.volcengine.com/docs/6662/1851199
火山引擎- 函数服务 - 一键部署 AIO
总结与展望
AIO Sandbox 提供一体化、可定制 的基座环境（Agent Env），使 Agent 能在同一环境内完成浏览、执行代码、运行命令与文件操作等多样化任务，并支持根据不同 Agent 定制专属的领域沙盒。这一沙盒体系也将伴随 Agent 智能上限的提升与开发者创造力的激发，持续进化与扩展。
后续，我们将围绕稳定性、可观测性 与生态集成 持续打磨，不断完善评测体系与最佳实践，推动 AIO Sandbox 在更多大规模、高要求的 Agent 应用场景中实现稳健落地与高效运行。
附录
名词解释
名词
|
解释
| |
Agent
|
在 LLM 语境下，AI Agent 是某种能自主理解意图、规划决策、执行复杂任务的智能体。Agent 并非ChatGPT 升级版，它不仅告诉你“如何做”，更会帮你去做。如果CoPilot是副驾驶，那么Agent就是主驾驶。类似人类“做事情”的过程，Agent的核心功能，可以归纳为三个步骤的循环：感知（Perception）、规划（Planning）和行动（Action）。
| |
Copilot
|
Copilot 是指一种基于人工智能的辅助工具，通常与特定的软件或应用程序集成，旨在帮助用户提高工作效率。Copilot 系统通过分析用户的行为、输入、数据和历史记录，提供实时建议、自动化任务或增强功能，帮助用户做出决策或简化操作。
| | AIO |
All-In-One，指将多种能力（Browser、Code Execution、Shell、File、可视化接管、鉴权、代理等）在单一镜像/实例内集成，减少跨环境切换与数据搬运。
| |
Sandbox
|
受控、隔离的执行环境。用于运行浏览器、代码或命令行，控制资源与权限，降低对宿主系统的影响与风险。
| |
CDP
|
CDP （Chrome Devtools Protocol）是一种用于与 Chrome 或 Chromium 浏览器通信的协议。它允许开发人员通过发送命令和接收事件来与浏览器进行交互，以便进行调试、分析和自动化浏览器操作。CDP 提供了一组定义了浏览器行为和功能的 API（Application Programming Interface)。
| |
VNC
|
VNC 是一套“远程桌面共享/控制”技术与工具族，基于 RFB（Remote Framebuffer）协议 工作。核心思想：把远程主机的屏幕帧缓冲（像素）编码后通过网络传输到客户端，同时把客户端的键盘、鼠标事件回放到远程主机，实现跨平台远程操作。
| |
MCP
|
Model Context Protocol（模型上下文协议） 是一个开放协议，它规范了应用程序如何为LLMs提供上下文。可以将MCP想象为AI应用的USB-C端口。就像USB-C提供了一种标准方式，让你的设备连接到各种外设和配件，MCP也提供了一种标准方式，让你的AI模型连接到不同的数据源和工具。
| |
Browser Use
|
Agent 通过浏览器完成搜索、登录、点击、表单填写、下载等任务的总称，既可走 CDP 指令，也可走 GUI 视觉操作。
| |
OpenHands
|
OpenHands 是一个开源的 AI 软件开发代理平台（AI Software Developer Agent Platform），用于训练、评测和运行能够在真实开发环境中“自主编程”的大语言模型（LLM）。它最初以 OpenDevin 名义发布，后更名为 OpenHands，由 All Hands AI 社区维护。
|
参考
- Docker：
https://www.docker.com/get-started/ 2. CmdRunAction：
https://github.com/All-Hands-AI/OpenHands/blob/2bbe15a329e35f5156cdafcbe63c3fd54978ff98/openhands/runtime/utils/bash.py#L494-L681 3. str_replace_editor：
https://docs.claude.com/zh-CN/docs/agents-and-tools/tool-use/text-editor-tool 4. Sandbox Fusion：
https://bytedance.github.io/SandboxFusion/ 5. Chromium 官方文档：
https://buildwithfern.com/learn/sdks/overview/introduction 7. 完整代码：
https://github.com/agent-infra/sandbox/blob/b950470e6d70eabf9941b9a98a0affd15dd2e86c/sdk/python/examples/browser-use-integration/main.py 8. UI-TARS-2 Technical Report: Advancing GUI Agent with Multi-Turn Reinforcement Learning：
https://arxiv.org/pdf/2509.02544 9. AIO Sandbox: All-in-One Sandbox for AI Agents & Developers：
https://medium.com/coding-nexus/aio-sandbox-all-in-one-sandbox-for-ai-agents-developers-b0a5ca4cf2a8 10. Agentic AI基础设施实践经验系列（二）：专用沙盒环境的必要性与实践方案：
https://aws.amazon.com/cn/blogs/china/agentic-ai-sandbox-practice/ 11. Writing effective tools for AI agents—using AI agents：
https://www.anthropic.com/engineering/writing-tools-for-agents 12. Unifying the Computer Use Action Space：