DE
Lektion 4.3Pro - Teil von Agentic School Pro

Sandboxes: sichere Code-Ausführung mit E2B, Daytona und Co.

Agent-generierten und nicht vertrauenswürdigen Code sicher in isolierten, wegwerfbaren Sandboxes ausführen statt auf deiner eigenen Maschine

24 min•Automation und agentische Systeme•Verfügbar

Was du lernst

  • Warum KI-generierten oder nicht vertrauenswürdigen Code lokal auszuführen wirklich riskant ist
  • Was eine Sandbox ist und wie E2B und Daytona wegwerfbare Umgebungen bereitstellen
  • Die drei Situationen, in denen du sandboxen musst: vom Nutzer eingereichter Code, nicht vertrauenswürdiger Agent-Output, parallele Experimente

Überblick

Ein Agent, der Code schreiben kann, ist auch ein Agent, der ihn ausführen will, und in dem Moment, in dem du beliebigen Code auf deinem Laptop oder Server ausführen lässt, kann eine schlechte Zeile Dateien löschen, Secrets aus deiner Umgebung leaken oder eine Verbindung öffnen, die du nicht beabsichtigt hast. Eine Sandbox löst das, indem sie dem Code einen frischen, isolierten, wegwerfbaren Computer zum Laufen gibt. Geht der Lauf schief, wirfst du die Sandbox weg und verlierst nichts. Diese Lektion erklärt das Risiko ehrlich, definiert, was eine Sandbox ist, stellt die wichtigsten Dienste vor und gibt dir eine klare Regel dafür, wann du eine nutzt und wann ein lokaler Lauf in Ordnung ist.

Was du lernst

Du lernst, warum es ein Security- und Zuverlässigkeitsrisiko ist, KI-generierten Code auf deiner eigenen Maschine auszuführen, was eine Sandbox tatsächlich bietet (Isolation, Wegwerfbarkeit, Ressourcenlimits), wie verwaltete Dienste wie E2B und Daytona eine auf Abruf für deinen Agent hochfahren, und die drei konkreten Situationen, die immer nach einer Sandbox verlangen. Du gehst hinaus und kannst pro Aufgabe entscheiden, ob Code lokal laufen kann oder eingesperrt werden muss.

Voraussetzungen

Kurse 1 bis 3, besonders das Secrets- und Security-Material aus Kurs 3. Du solltest verstehen, dass deine Maschine Umgebungsvariablen, SSH-Keys und eingeloggte Sessions hält, die jeder lokale Prozess lesen kann, denn genau das schützt eine Sandbox. Die API-Grundlagen zählen auch, da du diese Dienste über ihre SDKs steuerst.

Das Problem

Agentische Workflows generieren Code und müssen ihn dann ausführen, um zu sehen, ob er funktioniert, um Daten zu transformieren oder eine Anfrage zu erfüllen. Die Versuchung ist, ihn einfach laufen zu lassen - und für Code, den du geschrieben und geprüft hast, ist das in Ordnung. Aber Agent-Output ist nicht immer korrekt, und wenn irgendein Input von einem Nutzer oder dem offenen Web kam, ist er nicht immer freundlich. Ein einziges rm-Kommando, eine Endlosschleife, die deine CPU lahmlegt, ein Skript, das process.env liest und nach Hause telefoniert: das sind keine exotischen Fälle, das sind die Standard-Fehlermodi, wenn man nicht vertrauenswürdigen Code mit vollem Zugriff auf dein echtes System ausführt.

Deine Pro-Lektion wird freigeschaltet

Kommentare

Kommentare werden geladen.

Kommentar schreiben
KommentareWeiter
Nächster Schritt

Bereit, KI als Workflow zu nutzen?

Starte mit dem Starter-Pfad, speichere deinen Fortschritt lokal und synchronisiere alles später kostenlos mit deinem Konto.