Harbor Adds Docker Sandboxes to Run Reproducible AI Agent Evals in Isolated MicroVMs

Harbor 添加 Docker 沠箱以在隔离的微虚拟机中运行可复现的 AI 代理评估 - InfoQ

InfoQ 首页 News Harbor 添加 Docker 沙箱以在隔离的微虚拟机中运行可复现的 AI 代理评估

DevOps

QCon 旧金山（11 月 16-20 日）：深入的技术会议。改变你思维方式的同行对话。

Harbor 添加 Docker 沙箱以在隔离的微虚拟机中运行可复现的 AI 代理评估

2026 年 10 月 22 日 4 分钟阅读

by

• Claudio Masolo

#### 关注我们

Youtube

232K 粉丝

Linkedin

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 赞

Bluesky

收听这篇文章 -

0:00

音频准备播放

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

• 阅读列表

Docker 宣布 Harbor（开源代理评估框架）现在可以与 Docker 沙箱配合使用。这一改进使每个评估任务都可以在自己的微虚拟机中运行。因此，任务不再共享容器，而是通过隔离提升性能。相同的任务可以在本地或 Docker Cloud 沙箱中运行，Docker 表示已在云环境中测试了 Harbor 处理 64 个并发任务的情况。

评估编码代理意味着让它安装软件包、编辑文件并运行命令，基准测试会重复这个过程数千次。Docker 工程师将此描述为在大规模运行不可信的 AI 编写代码。他们还指出奖励黑客行为，即代理通过篡改测试或覆盖记录其分数的文件来获得及格分数，而不是解决任务。Harbor 负责编排，它运行任务、收集分数并记录日志。它还支持 Terminal-Bench 等基准测试。它需要一个既隔离又一致的执行环境。

每个任务都在 Docker 沙箱中运行，这是一个拥有自己内核的微虚拟机，因此代理活动保留在虚拟机内，无法到达主机、其他任务或环境之外的任何地方。在 Docker Cloud 沙箱中，可配置的网络策略允许任务在设置期间拉取依赖项，然后在代理工作时限制互联网访问。这样，每个代理都在相同的网络条件下进行评估，解决了不可复现结果的常见原因。支持 Docker Compose，因此 Harbor 可以在单个云沙箱内运行多容器任务，服务和边车共享同一个微虚拟机。

该公告未提供关于启动开销、每任务成本或评估分数差异的基准数据。唯一明确的规模数据是 Docker 在云沙箱上测试的 64 个并发任务。更高的限制可通过 Docker 的联系渠道申请。对每任务延迟或成本敏感的团队需要自行测量这些指标。

该集成现已在 Docker 沙箱的夜间版本中提供，Docker 表示将在 10 月 23 日达到稳定版本。Harbor 通过安装 sbx 附加组件进行安装，夜间构建版本固定为 0.24.1.dev202610150414。云运行需要启用云访问的 Docker 账户。您还需要具有云沙箱权限的个人访问令牌。Harbor 从 SBX_DOCKER_USERNAME 和 SBX_DOCKER_PAT 环境变量读取此信息。运行时使用 -e sbx 标志选择沙箱环境，例如，harbor run -t hello-world/hello-world -a oracle -e sbx。文章将本地选项描述为免费，而云扩展则依赖于 Docker 的云沙箱服务。

Harbor 已经使用团队今天可以尝试在 nightly build 上进行集成，或者等待 10 月 23 日的稳定版本。本地运行在 sbx login 后通过 Docker Sandboxes CLI 进行，Harbor 命令中添加了 --ek target=local 参数。当前本地集成仅支持公共模式和无网络模式，受机器现有沙盒策略的限制。为公平比较而描述的更细粒度网络策略与 Cloud Sandboxes 绑定，因此需要该控制的团队应规划云路径。网络限制消除了作弊的一个途径，但文章并未声称能防止沙盒内的奖励破解，例如代理修改其可写入的测试文件。Harbor 和 Docker Sandboxes 文档涵盖了预集成的沙盒设置。

Docker 的 Harbor 集成增加了框架沙盒后端列表。它还扩展了与 Docker Sandboxes 的代理运行时集成范围。

在 Harbor 方面，框架展示了与云沙盒提供商的水平扩展集成。这些包括 Daytona、Modal、E2B、Runloop、Tensorlake、LangSmith、Blaxel、Novita Sandbox、EC2 和 Beam。更多细节可在其 GitHub 仓库中找到。Docker 之前新增的是 LangSmith。通过安装 langsmith extra，你可以在 LangSmith 生产沙盒中运行 evals。这通过与 Daytona、E2B 或 Modal 使用的相同接口实现。更多详情请参见 Towards AI。Harbor 的云部署文档建议选择 Daytona。Daytona 允许使用 docker-compose.yaml 文件进行多容器部署。相比之下，Modal、E2B 和 Runloop 不支持此功能。

除了 Harbor，Docker 还将 Sandboxes 集成到其他代理平台。NanoCo 与 Docker 合作，现在只需一条命令即可在 Docker 的 MicroVM 沙盒中部署基于爪子的代理平台 NanoClaw。此信息来自 DevOps Digest。2026 年 7 月，GitHub Agentic Workflows 将 Docker Sandboxes 作为支持的代理运行时添加，随 gh-aw 版本 0.82.9 一起发布。Docker 的操作指南称沙盒拥有自己的 Docker 守护进程。这种设置允许代理在不挂载主机 Docker 套接字的情况下运行基于 Testcontainers 的集成测试。Harbor 集成建立在 9 月 24 日 Cloud Sandboxes 发布的基础上。此次发布将本地沙盒隔离扩展到 Docker 管理的云基础设施。现在，即使笔记本电脑关闭，代理工作流也可以继续。第三方对此次发布的报道指出，默认会话时间为 1 小时，最大 24 小时，暂停的沙盒不产生计算费用。此次发布还引入了 Kits，以 OCI 镜像打包，Docker 承诺将提交 Kits 规范到 CNCF。NanoClaw 与 Docker Sandboxes 集成 +4

作者部分主包装器

关于作者

章节标题

每个作者的主包装器

#### Claudio Masolo

显示更多

显示更少

#### 本内容属于 DevOps 话题

##### 相关主题：

• DevOps

• Docker

• 代理 AI 架构

• 相关编辑

• 相关赞助商 AI 的物理限制：AI 如何重塑数据中心

• 相关赞助商 PostgreSQL 为时间序列规模而生 在不牺牲性能的情况下，用 PostgreSQL 处理海量时间序列数据。了解 Tiger Data 如何实现高速数据摄入、快速查询和可扩展存储。了解更多。

InfoQ 新闻通讯

每周二发送的InfoQ上周内容精选。加入超过25万名高级开发者的社区。查看示例

我们保护您的隐私。