Почему песочницы для AI-агентов создают критические вычислительные задержки?

Пятнадцать тысяч скриптов — публичных и сгенерированных большими языковыми моделями — легли в основу тестов новой архитектуры изоляции кода под названием Readie. Автономным системам всё чаще доверяют прямое исполнение создаваемых ими программ, но корпоративный сектор быстро упёрся в фундаментальную проблему: попытка защитить инфраструктуру с помощью обычных системных песочниц оборачивается существенными задержками и расходами вычислительных ресурсов. Аналитики нашей редакции свели воедино технические публикации и препринты за неделю — от репозитория arXiv до блогов Саймона Уиллисона и компании LangChain, — зафиксировав общий сдвиг: контроль ИИ-агентов окончательно смещается с текстовых фильтров на уровень изоляции среды выполнения.
Команда исследователей платформы LangChain подчёркивает простую механику ценности автономных систем: агенты искусственного интеллекта наиболее полезны, когда они могут совершать конкретные действия, а предоставление им возможности писать и запускать собственный код оказывается одной из самых высоко оценённых функций. Но свободный запуск скриптов на основном сервере создаёт неприемлемые риски компрометации данных или случайного повреждения рабочих систем. Как следствие, песочница агента становится обособленной средой, где модель может запускать написанный ею код, устанавливать необходимые пакеты и работать с локальными файлами без прямого доступа к хост-машине.
Контур внешней изоляции
Разработчик Саймон Уиллисон совместно с исследовательской лабораторией Prime Radiant исследовал практические методы безопасного выполнения сгенерированного кода, сосредоточившись на тестировании локальных моделей. В блоге лаборатории Prime Radiant авторы сформулировали так называемый паттерн внешней песочницы: код исполняется строго внутри изолированного контура, тогда как сам агент остаётся снаружи. Авторы проекта подготовили три варианта серверных реализаций этой схемы. Вариант external-sandbox-v86 использует сервер Node.js, запускающий операционную систему Alpine Linux внутри WebAssembly через эмулятор v86. Решение external-sandbox-container построено на веб-сервере Python и разворачивает окружение Alpine Linux внутри экземпляра Apple Containers. Третий инструмент, external-sandbox-quicksand, опирается на библиотеку Quicksand от Microsoft, объединяющую Alpine Linux и виртуализатор QEMU в едином пакете Python.
«Песочницы дают командам этот контроль. Они изолируют созданный искусственным интеллектом код, ограничивают его полномочия и формируют более надёжный периметр безопасности для выполнения агентами реальной работы».
В публикациях LangChain прямо подчёркивается эта защитная функция, ведь без ограничений агент получает доступ ко всей файловой системе и внутренним ресурсам. Дополнительно внешние контуры Уиллисона и Prime Radiant оснащаются сетевым прокси-сервером со списком разрешённых HTTP- и HTTPS-адресов. Этот шлюз позволяет инженерам вручную или программно контролировать хосты, к которым разрешено обращаться скриптам агента, предотвращая скрытую выгрузку конфиденциальных данных во внешнюю сеть.
Борьба со временем холодного старта
Однако надежная изоляция наталкивается на технические ограничения традиционных сред. В препринте cs.AI на arXiv разработчики системы Readie отмечают, что текущие кодовые песочницы страдают от медленного запуска, вне зависимости от того, используют ли они громоздкие универсальные образы или специализированные снимки памяти. Создать единый компактный образ, который покрывал бы любые библиотеки и датасеты, генерируемые агентами, на практике невозможно. Решая эту проблему, авторы Readie предложили концепцию обученных снимков запуска для низколатентных песочниц.
«Система Readie сокращает задержку запуска в 3–22 раза и общее время выполнения от начала до конца в 1,3–3,3 раза по сравнению с существующими решениями при аналогичном бюджете хранилища».
Суть инженерного решения авторов заключается в том, что вместо одного тяжёлого снимка формируется набор небольших оптимизированных снэпшотов. Каждый из них быстро инициализируется и покрывает свою часть типичных рабочих нагрузок, а вместе они закрывают основную массу задач автономного кода. Оптимизационный алгоритм, проверенный на 15 000 скриптов, доказал, что задержки ввода сред в эксплуатацию можно существенно снизить без раздувания дискового пространства.
Инфраструктурная изоляция агентов перестаёт быть факультативным экспериментом и закрепляется в статусе базового требования для любых прикладных запусков. Усложнение архитектуры неизбежно увеличивает накладные расходы на серверные мощности и сопровождение виртуализированных контуров. По мере масштабирования агентских систем именно способность балансировать между жёстким сетевым контролем и оптимизацией времени холодного старта определит техническую жизнеспособность автономных решений в корпоративной среде.
Источник: Редакция (исследование)