개념

베타 기능

샌드박스 에이전트는 베타입니다. API, 기본값, 지원 기능의 세부 사항은 일반 제공 전에 변경될 수 있으며, 시간이 지나면서 더 고급 기능이 추가될 수 있습니다.

현대적인 에이전트는 파일 시스템의 실제 파일을 다룰 수 있을 때 가장 잘 작동합니다. 샌드박스 에이전트는 특화된 도구와 셸 명령을 사용하여 대규모 문서 세트를 검색 및 조작하고, 파일을 편집하고, 아티팩트를 생성하고, 명령을 실행할 수 있습니다. 샌드박스는 모델에 지속적인 작업 공간을 제공하며, 에이전트는 이를 사용해 사용자를 대신하여 작업을 수행할 수 있습니다. Agents SDK의 샌드박스 에이전트는 샌드박스 환경과 결합된 에이전트를 쉽게 실행할 수 있도록 도와주며, 파일 시스템에 적절한 파일을 배치하고 샌드박스를 조율하여 대규모로 작업을 쉽게 시작, 중지, 재개할 수 있게 합니다.

에이전트가 필요로 하는 데이터를 중심으로 작업 공간을 정의합니다. GitHub 리포지토리, 로컬 파일 및 디렉터리, 합성 작업 파일, S3 또는 Azure Blob Storage 같은 원격 파일 시스템, 그리고 사용자가 제공하는 기타 샌드박스 입력에서 시작할 수 있습니다.

SandboxAgent는 여전히 Agent입니다. instructions, prompt, tools, handoffs, mcp_servers, model_settings, output_type, 가드레일, 훅 같은 일반적인 에이전트 표면을 유지하며, 여전히 일반 Runner API를 통해 실행됩니다. 달라지는 것은 실행 경계입니다:

• SandboxAgent는 에이전트 자체를 정의합니다. 일반적인 에이전트 구성에 더해 default_manifest, base_instructions, run_as 같은 샌드박스별 기본값과 파일 시스템 도구, 셸 접근, 스킬, 메모리, 컴팩션 같은 기능을 포함합니다.
• Manifest는 파일, 리포지토리, 마운트, 환경을 포함하여 새 샌드박스 작업 공간의 원하는 시작 콘텐츠와 레이아웃을 선언합니다.
• 샌드박스 세션은 명령이 실행되고 파일이 변경되는 라이브 격리 환경입니다.
• SandboxRunConfig는 예를 들어 세션을 직접 주입하거나, 직렬화된 샌드박스 세션 상태에서 다시 연결하거나, 샌드박스 클라이언트를 통해 새 샌드박스 세션을 생성하는 방식으로 실행이 해당 샌드박스 세션을 얻는 방법을 결정합니다.
• 저장된 샌드박스 상태와 스냅샷을 사용하면 이후 실행에서 이전 작업에 다시 연결하거나 저장된 콘텐츠로 새 샌드박스 세션을 시드할 수 있습니다.

Manifest는 새 세션 작업 공간 계약이지, 모든 라이브 샌드박스에 대한 전체 기준 정보는 아닙니다. 실행의 유효 작업 공간은 대신 재사용된 샌드박스 세션, 직렬화된 샌드박스 세션 상태, 또는 실행 시 선택된 스냅샷에서 올 수 있습니다.

이 페이지 전체에서 "샌드박스 세션"은 샌드박스 클라이언트가 관리하는 라이브 실행 환경을 의미합니다. 이는 Sessions에 설명된 SDK의 대화형 Session 인터페이스와 다릅니다.

외부 런타임은 여전히 승인, 트레이싱, 핸드오프, 재개 bookkeeping을 담당합니다. 샌드박스 세션은 명령, 파일 변경, 환경 격리를 담당합니다. 이러한 분리는 이 모델의 핵심입니다.

구성 요소의 결합 방식

샌드박스 실행은 에이전트 정의와 실행별 샌드박스 구성을 결합합니다. runner는 에이전트를 준비하고, 라이브 샌드박스 세션에 바인딩하며, 이후 실행을 위해 상태를 저장할 수 있습니다.

flowchart LR
    agent["SandboxAgent<br/><small>full Agent + sandbox defaults</small>"]
    config["SandboxRunConfig<br/><small>client / session / resume inputs</small>"]
    runner["Runner<br/><small>prepare instructions<br/>bind capability tools</small>"]
    sandbox["sandbox session<br/><small>workspace where commands run<br/>and files change</small>"]
    saved["saved state / snapshot<br/><small>for resume or fresh-start later</small>"]

    agent --> runner
    config --> runner
    runner --> sandbox
    sandbox --> saved

샌드박스별 기본값은 SandboxAgent에 유지됩니다. 실행별 샌드박스 세션 선택은 SandboxRunConfig에 유지됩니다.

수명 주기를 세 단계로 생각해 보세요:

1. SandboxAgent, Manifest, 기능으로 에이전트와 새 작업 공간 계약을 정의합니다.
2. Runner에 샌드박스 세션을 주입, 재개, 또는 생성하는 SandboxRunConfig를 제공하여 실행을 수행합니다.
3. runner가 관리하는 RunState, 명시적 샌드박스 session_state, 또는 저장된 작업 공간 스냅샷에서 나중에 이어서 진행합니다.

셸 접근이 가끔 사용하는 도구 하나에 불과하다면 도구 가이드의 호스티드 셸로 시작하세요. 작업 공간 격리, 샌드박스 클라이언트 선택, 또는 샌드박스 세션 재개 동작이 설계의 일부라면 샌드박스 에이전트를 선택하세요.

사용 시점

샌드박스 에이전트는 작업 공간 중심 워크플로에 적합합니다. 예를 들면 다음과 같습니다:

• 코딩 및 디버깅, 예를 들어 GitHub 리포지토리의 이슈 보고에 대한 자동 수정 조율과 대상 테스트 실행
• 문서 처리 및 편집, 예를 들어 사용자의 재무 문서에서 정보를 추출하고 완성된 세금 양식 초안 작성
• 파일 기반 검토 또는 분석, 예를 들어 답변 전에 온보딩 패킷, 생성된 보고서, 아티팩트 번들 확인
• 격리된 멀티 에이전트 패턴, 예를 들어 각 검토자나 코딩 하위 에이전트에 자체 작업 공간 제공
• 다단계 작업 공간 태스크, 예를 들어 한 실행에서 버그를 수정하고 나중에 회귀 테스트를 추가하거나, 스냅샷 또는 샌드박스 세션 상태에서 재개

파일이나 살아 있는 파일 시스템에 접근할 필요가 없다면 Agent를 계속 사용하세요. 셸 접근이 가끔 필요한 기능 하나라면 호스티드 셸을 추가하세요. 작업 공간 경계 자체가 기능의 일부라면 샌드박스 에이전트를 사용하세요.

샌드박스 클라이언트 선택

로컬 개발에는 UnixLocalSandboxClient로 시작하세요. 컨테이너 격리나 이미지 일관성이 필요하면 DockerSandboxClient로 이동하세요. 제공자 관리 실행이 필요하면 호스티드 제공자로 이동하세요.

대부분의 경우 SandboxRunConfig에서 샌드박스 클라이언트와 그 옵션만 변경되며, SandboxAgent 정의는 그대로 유지됩니다. 로컬, Docker, 호스티드, 원격 마운트 옵션은 샌드박스 클라이언트를 참고하세요.

핵심 구성 요소

계층	주요 SDK 구성 요소	답하는 질문
에이전트 정의	SandboxAgent, Manifest, 기능	어떤 에이전트가 실행되며, 어떤 새 세션 작업 공간 계약에서 시작해야 하나요?
샌드박스 실행	SandboxRunConfig, 샌드박스 클라이언트, 라이브 샌드박스 세션	이 실행은 어떻게 라이브 샌드박스 세션을 얻으며, 작업은 어디에서 실행되나요?
저장된 샌드박스 상태	RunState 샌드박스 페이로드, session_state, 스냅샷	이 워크플로는 어떻게 이전 샌드박스 작업에 다시 연결하거나 저장된 콘텐츠로 새 샌드박스 세션을 시드하나요?

주요 SDK 구성 요소는 이러한 계층에 다음과 같이 대응됩니다:

구성 요소	담당 범위	질문
SandboxAgent	에이전트 정의	이 에이전트는 무엇을 해야 하며, 어떤 기본값이 함께 이동해야 하나요?
Manifest	새 세션 작업 공간 파일 및 폴더	실행이 시작될 때 파일 시스템에 어떤 파일과 폴더가 있어야 하나요?
Capability	샌드박스 네이티브 동작	이 에이전트에 어떤 도구, 지침 조각, 또는 런타임 동작을 연결해야 하나요?
SandboxRunConfig	실행별 샌드박스 클라이언트 및 샌드박스 세션 소스	이 실행은 샌드박스 세션을 주입, 재개, 또는 생성해야 하나요?
RunState	runner가 관리하는 저장된 샌드박스 상태	이전 runner 관리 워크플로를 재개하고 그 샌드박스 상태를 자동으로 이어받고 있나요?
SandboxRunConfig.session_state	명시적으로 직렬화된 샌드박스 세션 상태	RunState 외부에서 이미 직렬화한 샌드박스 상태에서 재개하고 싶나요?
SandboxRunConfig.snapshot	새 샌드박스 세션을 위한 저장된 작업 공간 콘텐츠	새 샌드박스 세션이 저장된 파일과 아티팩트에서 시작해야 하나요?

실용적인 설계 순서는 다음과 같습니다:

1. Manifest로 새 세션 작업 공간 계약을 정의합니다.
2. SandboxAgent로 에이전트를 정의합니다.
3. 기본 제공 또는 사용자 지정 기능을 추가합니다.
4. 각 실행이 RunConfig(sandbox=SandboxRunConfig(...))에서 샌드박스 세션을 얻는 방식을 결정합니다.

샌드박스 실행 준비 방식

실행 시 runner는 해당 정의를 구체적인 샌드박스 기반 실행으로 변환합니다:

1. SandboxRunConfig에서 샌드박스 세션을 확인합니다. session=...을 전달하면 해당 라이브 샌드박스 세션을 재사용합니다. 그렇지 않으면 client=...를 사용해 세션을 생성하거나 재개합니다.
2. 실행의 유효 작업 공간 입력을 결정합니다. 실행이 샌드박스 세션을 주입하거나 재개하는 경우, 기존 샌드박스 상태가 우선합니다. 그렇지 않으면 runner는 일회성 매니페스트 오버라이드 또는 agent.default_manifest에서 시작합니다. 이 때문에 Manifest만으로 모든 실행의 최종 라이브 작업 공간이 정의되지는 않습니다.
3. 기능이 결과 매니페스트를 처리하도록 합니다. 이를 통해 기능은 최종 에이전트가 준비되기 전에 파일, 마운트, 또는 기타 작업 공간 범위 동작을 추가할 수 있습니다.
4. 고정된 순서로 최종 instructions를 구성합니다: SDK의 기본 샌드박스 프롬프트, 또는 명시적으로 오버라이드한 경우 base_instructions, 그다음 instructions, 기능 지침 조각, 원격 마운트 정책 텍스트, 렌더링된 파일 시스템 트리 순서입니다.
5. 기능 도구를 라이브 샌드박스 세션에 바인딩하고 준비된 에이전트를 일반 Runner API를 통해 실행합니다.

샌드박싱은 턴의 의미를 바꾸지 않습니다. 턴은 여전히 단일 셸 명령이나 샌드박스 동작이 아니라 모델 단계입니다. 샌드박스 측 작업과 턴 사이에는 고정된 1:1 매핑이 없습니다. 일부 작업은 샌드박스 실행 계층 내부에 머무를 수 있고, 다른 작업은 또 다른 모델 단계가 필요한 도구 결과, 승인, 또는 기타 상태를 반환할 수 있습니다. 실용적인 규칙으로는, 샌드박스 작업이 발생한 뒤 에이전트 런타임이 또 다른 모델 응답을 필요로 할 때만 추가 턴이 소비됩니다.

이러한 준비 단계 때문에 SandboxAgent를 설계할 때 주로 고려해야 하는 샌드박스별 옵션은 default_manifest, instructions, base_instructions, capabilities, run_as입니다.

SandboxAgent 옵션

다음은 일반적인 Agent 필드에 더해 제공되는 샌드박스별 옵션입니다:

옵션	권장 사용처
default_manifest	runner가 생성하는 새 샌드박스 세션의 기본 작업 공간
instructions	SDK 샌드박스 프롬프트 뒤에 추가되는 역할, 워크플로, 성공 기준
base_instructions	SDK 샌드박스 프롬프트를 대체하는 고급 우회 수단
capabilities	이 에이전트와 함께 이동해야 하는 샌드박스 네이티브 도구 및 동작
run_as	셸 명령, 파일 읽기, 패치 같은 모델 대상 샌드박스 도구의 사용자 ID

샌드박스 클라이언트 선택, 샌드박스 세션 재사용, 매니페스트 오버라이드, 스냅샷 선택은 에이전트가 아니라 SandboxRunConfig에 속합니다.

default_manifest

default_manifest는 runner가 이 에이전트를 위해 새 샌드박스 세션을 생성할 때 사용하는 기본 Manifest입니다. 에이전트가 일반적으로 시작해야 하는 파일, 리포지토리, 보조 자료, 출력 디렉터리, 마운트에 사용하세요.

이는 기본값일 뿐입니다. 실행은 SandboxRunConfig(manifest=...)로 이를 오버라이드할 수 있으며, 재사용되거나 재개된 샌드박스 세션은 기존 작업 공간 상태를 유지합니다.

instructions 및 base_instructions

여러 프롬프트에서도 유지되어야 하는 짧은 규칙에는 instructions를 사용하세요. SandboxAgent에서 이러한 instructions는 SDK의 샌드박스 기본 프롬프트 뒤에 추가되므로, 기본 제공 샌드박스 안내를 유지하면서 자체 역할, 워크플로, 성공 기준을 추가할 수 있습니다.

SDK 샌드박스 기본 프롬프트를 대체하려는 경우에만 base_instructions를 사용하세요. 대부분의 에이전트는 이를 설정하지 않아야 합니다.

위치	용도	예시
instructions	에이전트를 위한 안정적인 역할, 워크플로 규칙, 성공 기준	"온보딩 문서를 검사한 다음 핸드오프하세요.", "최종 파일을 output/에 작성하세요."
base_instructions	SDK 샌드박스 기본 프롬프트의 전체 대체	사용자 지정 저수준 샌드박스 래퍼 프롬프트
사용자 프롬프트	이 실행을 위한 일회성 요청	"이 작업 공간을 요약하세요."
매니페스트의 작업 공간 파일	더 긴 작업 사양, 리포지토리 로컬 지침, 또는 범위가 제한된 참고 자료	repo/task.md, 문서 번들, 샘플 패킷

instructions의 좋은 사용 예는 다음과 같습니다:

• examples/sandbox/unix_local_pty.py는 PTY 상태가 중요한 경우 에이전트를 하나의 인터랙티브 프로세스 안에 유지합니다.
• examples/sandbox/handoffs.py는 검사 후 샌드박스 검토자가 사용자에게 직접 답변하는 것을 금지합니다.
• examples/sandbox/tax_prep.py는 최종 작성 파일이 실제로 output/에 저장되도록 요구합니다.
• examples/sandbox/docs/coding_task.py는 정확한 검증 명령을 고정하고 작업 공간 루트 기준 패치 경로를 명확히 합니다.

사용자의 일회성 작업을 instructions에 복사하거나, 매니페스트에 속해야 하는 긴 참고 자료를 삽입하거나, 기본 제공 기능이 이미 주입하는 도구 문서를 반복하거나, 모델이 실행 시 필요로 하지 않는 로컬 설치 노트를 섞지 마세요.

instructions를 생략해도 SDK는 기본 샌드박스 프롬프트를 포함합니다. 이는 저수준 래퍼에는 충분하지만, 대부분의 사용자 대상 에이전트는 여전히 명시적인 instructions를 제공해야 합니다.

capabilities

기능은 샌드박스 네이티브 동작을 SandboxAgent에 연결합니다. 기능은 실행이 시작되기 전에 작업 공간을 구성하고, 샌드박스별 지침을 추가하고, 라이브 샌드박스 세션에 바인딩되는 도구를 노출하고, 해당 에이전트의 모델 동작이나 입력 처리를 조정할 수 있습니다.

기본 제공 기능에는 다음이 포함됩니다:

기능	추가할 때	참고
Shell	에이전트에 셸 접근이 필요합니다.	exec_command를 추가하고, 샌드박스 클라이언트가 PTY 상호작용을 지원하는 경우 write_stdin도 추가합니다.
Filesystem	에이전트가 파일을 편집하거나 로컬 이미지를 검사해야 합니다.	apply_patch와 view_image를 추가합니다. 패치 경로는 작업 공간 루트 기준 상대 경로입니다.
Skills	샌드박스에서 스킬 탐색과 구체화를 사용하고 싶습니다.	.agents 또는 .agents/skills를 수동으로 마운트하는 대신 이를 선호하세요. Skills는 스킬을 인덱싱하고 샌드박스 안에 구체화해 줍니다.
Memory	후속 실행에서 메모리 아티팩트를 읽거나 생성해야 합니다.	Shell이 필요합니다. 라이브 업데이트에는 Filesystem도 필요합니다.
Compaction	장기 실행 흐름에서 컴팩션 항목 이후 컨텍스트 줄이기가 필요합니다.	모델 샘플링과 입력 처리를 조정합니다.

기본적으로 SandboxAgent.capabilities는 Capabilities.default()를 사용하며, 여기에는 Filesystem(), Shell(), Compaction()이 포함됩니다. capabilities=[...]를 전달하면 해당 목록이 기본값을 대체하므로, 계속 사용하려는 기본 기능을 포함하세요.

스킬의 경우 원하는 구체화 방식에 따라 소스를 선택하세요:

• Skills(lazy_from=LocalDirLazySkillSource(...))는 큰 로컬 스킬 디렉터리에 적합한 기본값입니다. 모델이 먼저 인덱스를 발견하고 필요한 것만 로드할 수 있기 때문입니다.
• LocalDirLazySkillSource(source=LocalDir(src=...))는 SDK 프로세스가 실행 중인 파일 시스템에서 읽습니다. 샌드박스 이미지나 작업 공간 내부에만 존재하는 경로가 아니라, 원래의 호스트 측 스킬 디렉터리를 전달하세요.
• Skills(from_=LocalDir(src=...))는 미리 스테이징하려는 작은 로컬 번들에 더 적합합니다.
• Skills(from_=GitRepo(repo=..., ref=...))는 스킬 자체가 리포지토리에서 와야 할 때 적합합니다.

LocalDir.src는 SDK 호스트의 소스 경로입니다. skills_path는 load_skill이 호출될 때 스킬이 스테이징되는 샌드박스 작업 공간 내부의 상대 대상 경로입니다.

스킬이 이미 .agents/skills/<name>/SKILL.md 같은 위치 아래 디스크에 있다면, LocalDir(...)가 해당 소스 루트를 가리키도록 하고 그래도 Skills(...)를 사용해 노출하세요. 다른 샌드박스 내부 레이아웃에 의존하는 기존 작업 공간 계약이 없다면 기본 skills_path=".agents"를 유지하세요.

적합한 경우 기본 제공 기능을 선호하세요. 기본 제공 기능이 다루지 않는 샌드박스별 도구나 지침 표면이 필요할 때만 사용자 지정 기능을 작성하세요.

개념

매니페스트

Manifest는 새 샌드박스 세션의 작업 공간을 설명합니다. 작업 공간 root를 설정하고, 파일과 디렉터리를 선언하고, 로컬 파일을 복사해 넣고, Git 리포지토리를 클론하고, 원격 스토리지 마운트를 연결하고, 환경 변수를 설정하고, 사용자나 그룹을 정의하고, 작업 공간 외부의 특정 절대 경로에 대한 접근 권한을 부여할 수 있습니다.

매니페스트 항목 경로는 작업 공간 기준 상대 경로입니다. 절대 경로일 수 없으며 ..로 작업 공간을 벗어날 수 없습니다. 이를 통해 작업 공간 계약이 로컬, Docker, 호스티드 클라이언트 전반에서 이식 가능하게 유지됩니다.

작업이 시작되기 전에 에이전트가 필요로 하는 자료에는 매니페스트 항목을 사용하세요:

매니페스트 항목	용도
File, Dir	작은 합성 입력, 보조 파일, 또는 출력 디렉터리
LocalFile, LocalDir	샌드박스 안에 구체화해야 하는 호스트 파일 또는 디렉터리
GitRepo	작업 공간으로 가져와야 하는 리포지토리
S3Mount, GCSMount, R2Mount, AzureBlobMount, BoxMount, S3FilesMount 같은 마운트	샌드박스 내부에 나타나야 하는 외부 스토리지

Dir는 합성 자식 항목에서 또는 출력 위치로 샌드박스 작업 공간 안에 디렉터리를 생성합니다. 호스트 파일 시스템에서 읽지는 않습니다. 기존 호스트 디렉터리를 샌드박스 작업 공간으로 복사해야 할 때는 LocalDir를 사용하세요.

LocalFile.src와 LocalDir.src는 기본적으로 SDK 프로세스 작업 디렉터리를 기준으로 확인됩니다. 소스는 extra_path_grants로 포함되지 않는 한 해당 기본 디렉터리 아래에 있어야 합니다. 이를 통해 로컬 소스 구체화가 나머지 샌드박스 매니페스트와 동일한 호스트 경로 신뢰 경계 안에 유지됩니다.

마운트 항목은 어떤 스토리지를 노출할지 설명하고, 마운트 전략은 샌드박스 백엔드가 해당 스토리지를 연결하는 방식을 설명합니다. 마운트 옵션과 제공자 지원은 샌드박스 클라이언트를 참고하세요.

좋은 매니페스트 설계란 일반적으로 작업 공간 계약을 좁게 유지하고, 긴 작업 지침은 repo/task.md 같은 작업 공간 파일에 넣고, 지침에서는 repo/task.md 또는 output/report.md 같은 작업 공간 상대 경로를 사용하는 것을 의미합니다. 에이전트가 Filesystem 기능의 apply_patch 도구로 파일을 편집하는 경우, 패치 경로는 셸 workdir가 아니라 샌드박스 작업 공간 루트 기준 상대 경로임을 기억하세요.

extra_path_grants는 에이전트가 작업 공간 외부의 구체적인 절대 경로를 필요로 하거나, 매니페스트가 SDK 프로세스 작업 디렉터리 외부의 신뢰된 로컬 소스를 복사해야 할 때만 사용하세요. 예로는 임시 도구 출력을 위한 /tmp, 읽기 전용 런타임을 위한 /opt/toolchain, 또는 샌드박스에 구체화해야 하는 생성된 스킬 디렉터리가 있습니다. grant는 로컬 소스 구체화, SDK 파일 API, 그리고 백엔드가 파일 시스템 정책을 강제할 수 있는 경우 셸 실행에 적용됩니다:

from agents.sandbox import Manifest, SandboxPathGrant

manifest = Manifest(
    extra_path_grants=(
        SandboxPathGrant(path="/tmp"),
        SandboxPathGrant(path="/opt/toolchain", read_only=True),
    ),
)

extra_path_grants가 포함된 매니페스트는 신뢰할 수 있는 구성으로 취급하세요. 애플리케이션이 해당 호스트 경로를 이미 승인하지 않은 한, 모델 출력이나 기타 신뢰할 수 없는 페이로드에서 grant를 로드하지 마세요.

스냅샷과 persist_workspace()는 여전히 작업 공간 루트만 포함합니다. 추가로 grant된 경로는 런타임 접근 권한일 뿐, 지속되는 작업 공간 상태가 아닙니다.

권한

Permissions는 매니페스트 항목의 파일 시스템 권한을 제어합니다. 이는 샌드박스가 구체화하는 파일에 관한 것이며, 모델 권한, 승인 정책, API 자격 증명에 관한 것이 아닙니다.

기본적으로 매니페스트 항목은 소유자가 읽기/쓰기/실행할 수 있고, 그룹 및 기타 사용자가 읽기/실행할 수 있습니다. 스테이징된 파일이 비공개, 읽기 전용, 또는 실행 가능이어야 할 때 이를 오버라이드하세요:

from agents.sandbox import FileMode, Permissions
from agents.sandbox.entries import File

private_notes = File(
    text="internal notes",
    permissions=Permissions(
        owner=FileMode.READ | FileMode.WRITE,
        group=FileMode.NONE,
        other=FileMode.NONE,
    ),
)

Permissions는 소유자, 그룹, 기타 권한 비트와 해당 항목이 디렉터리인지 여부를 별도로 저장합니다. 직접 만들거나, Permissions.from_str(...)로 모드 문자열에서 파싱하거나, Permissions.from_mode(...)로 OS 모드에서 파생할 수 있습니다.

사용자는 작업을 실행할 수 있는 샌드박스 ID입니다. 해당 ID가 샌드박스에 존재해야 한다면 매니페스트에 User를 추가한 다음, 셸 명령, 파일 읽기, 패치 같은 모델 대상 샌드박스 도구가 그 사용자로 실행되어야 할 때 SandboxAgent.run_as를 설정하세요. run_as가 매니페스트에 아직 없는 사용자를 가리키면 runner가 유효 매니페스트에 이를 추가합니다.

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import FileMode, Manifest, Permissions, SandboxAgent, SandboxRunConfig, User
from agents.sandbox.entries import Dir, LocalDir
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

analyst = User(name="analyst")

agent = SandboxAgent(
    name="Dataroom analyst",
    instructions="Review the files in `dataroom/` and write findings to `output/`.",
    default_manifest=Manifest(
        # Declare the sandbox user so manifest entries can grant access to it.
        users=[analyst],
        entries={
            "dataroom": LocalDir(
                src="./dataroom",
                # Let the analyst traverse and read the mounted dataroom, but not edit it.
                group=analyst,
                permissions=Permissions(
                    owner=FileMode.READ | FileMode.EXEC,
                    group=FileMode.READ | FileMode.EXEC,
                    other=FileMode.NONE,
                ),
            ),
            "output": Dir(
                # Give the analyst a writable scratch/output directory for artifacts.
                group=analyst,
                permissions=Permissions(
                    owner=FileMode.ALL,
                    group=FileMode.ALL,
                    other=FileMode.NONE,
                ),
            ),
        },
    ),
    # Run model-facing sandbox actions as this user, so those permissions apply.
    run_as=analyst,
)

result = await Runner.run(
    agent,
    "Summarize the contracts and call out renewal dates.",
    run_config=RunConfig(
        sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
    ),
)

파일 수준 공유 규칙도 필요하다면 사용자와 매니페스트 그룹 및 항목 group 메타데이터를 조합하세요. run_as 사용자는 샌드박스 네이티브 작업을 실행하는 주체를 제어하고, Permissions는 샌드박스가 작업 공간을 구체화한 뒤 해당 사용자가 어떤 파일을 읽고, 쓰고, 실행할 수 있는지를 제어합니다.

스냅샷 사양

SnapshotSpec은 새 샌드박스 세션이 저장된 작업 공간 콘텐츠를 어디에서 복원하고 어디로 다시 지속해야 하는지를 알려줍니다. 이는 샌드박스 작업 공간에 대한 스냅샷 정책이며, session_state는 특정 샌드박스 백엔드를 재개하기 위한 직렬화된 연결 상태입니다.

로컬 지속 스냅샷에는 LocalSnapshotSpec을 사용하고, 앱이 원격 스냅샷 클라이언트를 제공하는 경우 RemoteSnapshotSpec을 사용하세요. 로컬 스냅샷 설정을 사용할 수 없을 때는 무작동 스냅샷이 fallback으로 사용되며, 고급 호출자는 작업 공간 스냅샷 지속성을 원하지 않을 때 이를 명시적으로 사용할 수 있습니다.

from pathlib import Path

from agents.run import RunConfig
from agents.sandbox import LocalSnapshotSpec, SandboxRunConfig
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=UnixLocalSandboxClient(),
        snapshot=LocalSnapshotSpec(base_path=Path("/tmp/my-sandbox-snapshots")),
    )
)

runner가 새 샌드박스 세션을 만들면 샌드박스 클라이언트가 해당 세션을 위한 스냅샷 인스턴스를 빌드합니다. 시작 시 스냅샷을 복원할 수 있으면 샌드박스는 실행이 계속되기 전에 저장된 작업 공간 콘텐츠를 복원합니다. 정리 시 runner가 소유한 샌드박스 세션은 작업 공간을 아카이브하고 스냅샷을 통해 다시 지속합니다.

snapshot을 생략하면 런타임은 가능한 경우 기본 로컬 스냅샷 위치를 사용하려고 시도합니다. 이를 설정할 수 없으면 무작동 스냅샷으로 fallback합니다. 마운트된 경로와 임시 경로는 지속되는 작업 공간 콘텐츠로 스냅샷에 복사되지 않습니다.

샌드박스 수명 주기

수명 주기 모드는 SDK 소유와 개발자 소유 두 가지입니다.

sequenceDiagram
    participant App
    participant Runner
    participant Client
    participant Sandbox

    App->>Runner: Runner.run(..., SandboxRunConfig(client=...))
    Runner->>Client: create or resume sandbox
    Client-->>Runner: sandbox session
    Runner->>Sandbox: start, run tools
    Runner->>Sandbox: stop and persist snapshot
    Runner->>Client: delete runner-owned resources

    App->>Client: create(...)
    Client-->>App: sandbox session
    App->>Sandbox: async with sandbox
    App->>Runner: Runner.run(..., SandboxRunConfig(session=sandbox))
    Runner->>Sandbox: run tools
    App->>Sandbox: cleanup on context exit / aclose()

샌드박스가 한 번의 실행 동안만 살아 있으면 되는 경우 SDK 소유 수명 주기를 사용하세요. client, 선택적 manifest, 선택적 snapshot, 클라이언트 options를 전달하면 runner가 샌드박스를 생성하거나 재개하고, 시작하고, 에이전트를 실행하고, 스냅샷 기반 작업 공간 상태를 지속하고, 샌드박스를 종료하고, 클라이언트가 runner 소유 리소스를 정리하도록 합니다.

result = await Runner.run(
    agent,
    "Inspect the workspace and summarize what changed.",
    run_config=RunConfig(
        sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
    ),
)

샌드박스를 미리 생성하거나, 여러 실행에서 하나의 라이브 샌드박스를 재사용하거나, 실행 후 파일을 검사하거나, 직접 생성한 샌드박스를 대상으로 스트리밍하거나, 정리 시점을 정확히 결정하고 싶을 때는 개발자 소유 수명 주기를 사용하세요. session=...을 전달하면 runner는 해당 라이브 샌드박스를 사용하지만 대신 닫지는 않습니다.

sandbox = await client.create(manifest=agent.default_manifest)

async with sandbox:
    run_config = RunConfig(sandbox=SandboxRunConfig(session=sandbox))
    await Runner.run(agent, "Analyze the files.", run_config=run_config)
    await Runner.run(agent, "Write the final report.", run_config=run_config)

일반적인 형태는 컨텍스트 매니저입니다. 진입 시 샌드박스를 시작하고, 종료 시 세션 정리 수명 주기를 실행합니다. 앱에서 컨텍스트 매니저를 사용할 수 없다면 수명 주기 메서드를 직접 호출하세요:

sandbox = await client.create(
    manifest=agent.default_manifest,
    snapshot=LocalSnapshotSpec(base_path=Path("/tmp/my-sandbox-snapshots")),
)
try:
    await sandbox.start()
    await Runner.run(
        agent,
        "Analyze the files.",
        run_config=RunConfig(sandbox=SandboxRunConfig(session=sandbox)),
    )
    # Persist a checkpoint of the live workspace before doing more work.
    # `aclose()` also calls `stop()`, so this is only needed for an explicit mid-lifecycle save.
    await sandbox.stop()
finally:
    await sandbox.aclose()

stop()은 스냅샷 기반 작업 공간 콘텐츠만 지속합니다. 샌드박스를 해체하지는 않습니다. aclose()는 전체 세션 정리 경로입니다. 중지 전 훅을 실행하고, stop()을 호출하고, 샌드박스 리소스를 종료하고, 세션 범위 종속성을 닫습니다.

SandboxRunConfig 옵션

SandboxRunConfig는 샌드박스 세션이 어디에서 오는지, 그리고 새 세션을 어떻게 초기화할지를 결정하는 실행별 옵션을 보관합니다.

샌드박스 소스

이 옵션들은 runner가 샌드박스 세션을 재사용, 재개, 또는 생성해야 하는지를 결정합니다:

옵션	사용 시점	참고
client	runner가 샌드박스 세션을 생성, 재개, 정리해 주기를 원할 때	라이브 샌드박스 session을 제공하지 않는 한 필요합니다.
session	이미 직접 라이브 샌드박스 세션을 생성했을 때	호출자가 수명 주기를 소유하며, runner는 해당 라이브 샌드박스 세션을 재사용합니다.
session_state	직렬화된 샌드박스 세션 상태는 있지만 라이브 샌드박스 세션 객체는 없을 때	client가 필요합니다. runner는 해당 명시적 상태에서 소유 세션으로 재개합니다.

실제로 runner는 다음 순서로 샌드박스 세션을 확인합니다:

1. run_config.sandbox.session을 주입하면 해당 라이브 샌드박스 세션이 직접 재사용됩니다.
2. 그렇지 않고 실행이 RunState에서 재개되는 경우, 저장된 샌드박스 세션 상태가 재개됩니다.
3. 그렇지 않고 run_config.sandbox.session_state를 전달하면 runner가 해당 명시적으로 직렬화된 샌드박스 세션 상태에서 재개합니다.
4. 그렇지 않으면 runner가 새 샌드박스 세션을 생성합니다. 이 새 세션에는 제공된 경우 run_config.sandbox.manifest를 사용하고, 그렇지 않으면 agent.default_manifest를 사용합니다.

새 세션 입력

이 옵션들은 runner가 새 샌드박스 세션을 생성할 때만 의미가 있습니다:

옵션	사용 시점	참고
manifest	일회성 새 세션 작업 공간 오버라이드를 원할 때	생략하면 agent.default_manifest로 fallback합니다.
snapshot	새 샌드박스 세션이 스냅샷에서 시드되어야 할 때	재개와 유사한 흐름 또는 원격 스냅샷 클라이언트에 유용합니다.
options	샌드박스 클라이언트에 생성 시점 옵션이 필요할 때	Docker 이미지, Modal 앱 이름, E2B 템플릿, 타임아웃, 유사한 클라이언트별 설정에 일반적입니다.

구체화 제어

concurrency_limits는 병렬로 실행될 수 있는 샌드박스 구체화 작업량을 제어합니다. 큰 매니페스트나 로컬 디렉터리 복사에 더 엄격한 리소스 제어가 필요할 때 SandboxConcurrencyLimits(manifest_entries=..., local_dir_files=...)를 사용하세요. 특정 제한을 비활성화하려면 해당 값을 None으로 설정하세요.

archive_limits는 아카이브 추출에 대한 SDK 측 리소스 검사를 제어합니다. SDK 기본 임계값을 활성화하려면 archive_limits=SandboxArchiveLimits()를 설정하거나, 아카이브에 더 엄격한 리소스 제어가 필요할 때 SandboxArchiveLimits(max_input_bytes=..., max_extracted_bytes=..., max_members=...) 같은 명시적 값을 전달하세요. SDK 아카이브 리소스 제한이 없는 기본 동작을 유지하려면 archive_limits=None으로 두거나, 특정 제한만 비활성화하려면 개별 필드를 None으로 설정하세요.

몇 가지 영향을 염두에 둘 필요가 있습니다:

• 새 세션: manifest=와 snapshot=은 runner가 새 샌드박스 세션을 생성할 때만 적용됩니다.
• 재개와 스냅샷: session_state=는 이전에 직렬화된 샌드박스 상태에 다시 연결하는 반면, snapshot=은 저장된 작업 공간 콘텐츠에서 새 샌드박스 세션을 시드합니다.
• 클라이언트별 옵션: options=는 샌드박스 클라이언트에 따라 달라집니다. Docker와 많은 호스티드 클라이언트에는 필요합니다.
• 주입된 라이브 세션: 실행 중인 샌드박스 session을 전달하면 기능 기반 매니페스트 업데이트가 호환되는 비마운트 항목을 추가할 수 있습니다. manifest.root, manifest.environment, manifest.users, manifest.groups를 변경하거나, 기존 항목을 제거하거나, 항목 유형을 교체하거나, 마운트 항목을 추가 또는 변경할 수는 없습니다.
• Runner API: SandboxAgent 실행은 여전히 일반 Runner.run(), Runner.run_sync(), Runner.run_streamed() API를 사용합니다.

전체 예제: 코딩 작업

이 코딩 스타일 예제는 좋은 기본 시작점입니다:

import asyncio
from pathlib import Path

from agents import ModelSettings, Runner
from agents.run import RunConfig
from agents.sandbox import Manifest, SandboxAgent, SandboxRunConfig
from agents.sandbox.capabilities import (
    Capabilities,
    LocalDirLazySkillSource,
    Skills,
)
from agents.sandbox.entries import LocalDir
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

EXAMPLE_DIR = Path(__file__).resolve().parent
HOST_REPO_DIR = EXAMPLE_DIR / "repo"
HOST_SKILLS_DIR = EXAMPLE_DIR / "skills"
TARGET_TEST_CMD = "sh tests/test_credit_note.sh"


def build_agent(model: str) -> SandboxAgent[None]:
    return SandboxAgent(
        name="Sandbox engineer",
        model=model,
        instructions=(
            "Inspect the repo, make the smallest correct change, run the most relevant checks, "
            "and summarize the file changes and risks. "
            "Read `repo/task.md` before editing files. Stay grounded in the repository, preserve "
            "existing behavior, and mention the exact verification command you ran. "
            "Use the `$credit-note-fixer` skill before editing files. If the repo lives under "
            "`repo/`, remember that `apply_patch` paths stay relative to the sandbox workspace "
            "root, so edits still target `repo/...`."
        ),
        # Put repos and task files in the manifest.
        default_manifest=Manifest(
            entries={
                "repo": LocalDir(src=HOST_REPO_DIR),
            }
        ),
        capabilities=Capabilities.default() + [
            Skills(
                lazy_from=LocalDirLazySkillSource(
                    # This is a host path read by the SDK process.
                    # Requested skills are copied into `skills_path` in the sandbox.
                    source=LocalDir(src=HOST_SKILLS_DIR),
                )
            ),
        ],
        model_settings=ModelSettings(tool_choice="required"),
    )


async def main(model: str, prompt: str) -> None:
    result = await Runner.run(
        build_agent(model),
        prompt,
        run_config=RunConfig(
            sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
            workflow_name="Sandbox coding example",
        ),
    )
    print(result.final_output)


if __name__ == "__main__":
    asyncio.run(
        main(
            model="gpt-5.5",
            prompt=(
                "Open `repo/task.md`, use the `$credit-note-fixer` skill, fix the bug, "
                f"run `{TARGET_TEST_CMD}`, and summarize the change."
            ),
        )
    )

examples/sandbox/docs/coding_task.py를 참고하세요. 이 예제는 Unix 로컬 실행 전반에서 결정적으로 검증할 수 있도록 작은 셸 기반 리포지토리를 사용합니다. 실제 작업 리포지토리는 물론 Python, JavaScript 또는 그 밖의 어떤 것이어도 됩니다.

일반적인 패턴

위의 전체 예제에서 시작하세요. 많은 경우 동일한 SandboxAgent를 그대로 유지하면서 샌드박스 클라이언트, 샌드박스 세션 소스, 또는 작업 공간 소스만 변경할 수 있습니다.

샌드박스 클라이언트 전환

에이전트 정의는 그대로 두고 실행 구성만 변경하세요. 컨테이너 격리나 이미지 일관성이 필요하면 Docker를 사용하고, 제공자 관리 실행을 원하면 호스티드 제공자를 사용하세요. 예제와 제공자 옵션은 샌드박스 클라이언트를 참고하세요.

작업 공간 오버라이드

에이전트 정의는 그대로 두고 새 세션 매니페스트만 교체하세요:

from agents.run import RunConfig
from agents.sandbox import Manifest, SandboxRunConfig
from agents.sandbox.entries import GitRepo
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=UnixLocalSandboxClient(),
        manifest=Manifest(
            entries={
                "repo": GitRepo(repo="openai/openai-agents-python", ref="main"),
            }
        ),
    ),
)

동일한 에이전트 역할을 여러 리포지토리, 패킷, 또는 작업 번들에 대해 실행해야 하지만 에이전트를 다시 빌드하고 싶지 않을 때 사용하세요. 위의 검증된 코딩 예제는 일회성 오버라이드 대신 default_manifest로 동일한 패턴을 보여줍니다.

샌드박스 세션 주입

명시적 수명 주기 제어, 실행 후 검사, 또는 출력 복사가 필요할 때 라이브 샌드박스 세션을 주입하세요:

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import SandboxRunConfig
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

client = UnixLocalSandboxClient()
sandbox = await client.create(manifest=agent.default_manifest)

async with sandbox:
    result = await Runner.run(
        agent,
        prompt,
        run_config=RunConfig(
            sandbox=SandboxRunConfig(session=sandbox),
        ),
    )

실행 후 작업 공간을 검사하거나 이미 시작된 샌드박스 세션을 대상으로 스트리밍하고 싶을 때 사용하세요. examples/sandbox/docs/coding_task.py와 examples/sandbox/docker/docker_runner.py를 참고하세요.

세션 상태에서 재개

RunState 외부에서 샌드박스 상태를 이미 직렬화했다면 runner가 그 상태에서 다시 연결하도록 하세요:

from agents.run import RunConfig
from agents.sandbox import SandboxRunConfig

serialized = load_saved_payload()
restored_state = client.deserialize_session_state(serialized)

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=client,
        session_state=restored_state,
    ),
)

샌드박스 상태가 자체 스토리지나 작업 시스템에 있고 Runner가 여기서 직접 재개하기를 원할 때 사용하세요. 직렬화/역직렬화 흐름은 examples/sandbox/extensions/blaxel_runner.py를 참고하세요.

스냅샷에서 시작

저장된 파일과 아티팩트에서 새 샌드박스를 시드하세요:

from pathlib import Path

from agents.run import RunConfig
from agents.sandbox import LocalSnapshotSpec, SandboxRunConfig
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=UnixLocalSandboxClient(),
        snapshot=LocalSnapshotSpec(base_path=Path("/tmp/my-sandbox-snapshot")),
    ),
)

새 실행이 agent.default_manifest만이 아니라 저장된 작업 공간 콘텐츠에서 시작해야 할 때 사용하세요. 로컬 스냅샷 흐름은 examples/sandbox/memory.py를, 원격 스냅샷 클라이언트는 examples/sandbox/sandbox_agent_with_remote_snapshot.py를 참고하세요.

Git에서 스킬 로드

로컬 스킬 소스를 리포지토리 기반 소스로 교체하세요:

from agents.sandbox.capabilities import Capabilities, Skills
from agents.sandbox.entries import GitRepo

capabilities = Capabilities.default() + [
    Skills(from_=GitRepo(repo="sdcoffey/tax-prep-skills", ref="main")),
]

스킬 번들에 자체 릴리스 주기가 있거나 여러 샌드박스에서 공유되어야 할 때 사용하세요. examples/sandbox/tax_prep.py를 참고하세요.

도구로 노출

도구 에이전트는 자체 샌드박스 경계를 가질 수도 있고 상위 실행의 라이브 샌드박스를 재사용할 수도 있습니다. 재사용은 빠른 읽기 전용 탐색기 에이전트에 유용합니다. 다른 샌드박스를 생성, 하이드레이션, 스냅샷하는 비용 없이 상위 에이전트가 사용 중인 정확한 작업 공간을 검사할 수 있기 때문입니다.

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import FileMode, Manifest, Permissions, SandboxAgent, SandboxRunConfig, User
from agents.sandbox.entries import Dir, File
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

coordinator = User(name="coordinator")
explorer = User(name="explorer")

manifest = Manifest(
    users=[coordinator, explorer],
    entries={
        "pricing_packet": Dir(
            group=coordinator,
            permissions=Permissions(
                owner=FileMode.ALL,
                group=FileMode.ALL,
                other=FileMode.READ | FileMode.EXEC,
                directory=True,
            ),
            children={
                "pricing.md": File(
                    content=b"Pricing packet contents...",
                    group=coordinator,
                    permissions=Permissions(
                        owner=FileMode.ALL,
                        group=FileMode.ALL,
                        other=FileMode.READ,
                    ),
                ),
            },
        ),
        "work": Dir(
            group=coordinator,
            permissions=Permissions(
                owner=FileMode.ALL,
                group=FileMode.ALL,
                other=FileMode.NONE,
                directory=True,
            ),
        ),
    },
)

pricing_explorer = SandboxAgent(
    name="Pricing Explorer",
    instructions="Read `pricing_packet/` and summarize commercial risk. Do not edit files.",
    run_as=explorer,
)

client = UnixLocalSandboxClient()
sandbox = await client.create(manifest=manifest)

async with sandbox:
    shared_run_config = RunConfig(
        sandbox=SandboxRunConfig(session=sandbox),
    )

    orchestrator = SandboxAgent(
        name="Revenue Operations Coordinator",
        instructions="Coordinate the review and write final notes to `work/`.",
        run_as=coordinator,
        tools=[
            pricing_explorer.as_tool(
                tool_name="review_pricing_packet",
                tool_description="Inspect the pricing packet and summarize commercial risk.",
                run_config=shared_run_config,
                max_turns=2,
            ),
        ],
    )

    result = await Runner.run(
        orchestrator,
        "Review the pricing packet, then write final notes to `work/summary.md`.",
        run_config=shared_run_config,
    )

여기서 상위 에이전트는 coordinator로 실행되고, 탐색기 도구 에이전트는 같은 라이브 샌드박스 세션 안에서 explorer로 실행됩니다. pricing_packet/ 항목은 other 사용자에게 읽기 가능하므로 탐색기가 빠르게 검사할 수 있지만, 쓰기 비트는 없습니다. work/ 디렉터리는 coordinator의 사용자/그룹에만 제공되므로, 상위 에이전트는 탐색기가 읽기 전용으로 남아 있는 동안 최종 아티팩트를 작성할 수 있습니다.

도구 에이전트에 실제 격리가 필요하다면 자체 샌드박스 RunConfig를 제공하세요:

from docker import from_env as docker_from_env

from agents.run import RunConfig
from agents.sandbox import SandboxRunConfig
from agents.sandbox.sandboxes.docker import DockerSandboxClient, DockerSandboxClientOptions

rollout_agent.as_tool(
    tool_name="review_rollout_risk",
    tool_description="Inspect the rollout packet and summarize implementation risk.",
    run_config=RunConfig(
        sandbox=SandboxRunConfig(
            client=DockerSandboxClient(docker_from_env()),
            options=DockerSandboxClientOptions(image="python:3.14-slim"),
        ),
    ),
)

도구 에이전트가 자유롭게 변경하거나, 신뢰할 수 없는 명령을 실행하거나, 다른 백엔드/이미지를 사용해야 할 때 별도의 샌드박스를 사용하세요. examples/sandbox/sandbox_agents_as_tools.py를 참고하세요.

로컬 도구 및 MCP와 결합

동일한 에이전트에서 일반 도구를 계속 사용하면서 샌드박스 작업 공간을 유지하세요:

from agents.sandbox import SandboxAgent
from agents.sandbox.capabilities import Shell

agent = SandboxAgent(
    name="Workspace reviewer",
    instructions="Inspect the workspace and call host tools when needed.",
    tools=[get_discount_approval_path],
    mcp_servers=[server],
    capabilities=[Shell()],
)

작업 공간 검사가 에이전트 작업의 일부에 불과할 때 사용하세요. examples/sandbox/sandbox_agent_with_tools.py를 참고하세요.

메모리

향후 샌드박스 에이전트 실행이 이전 실행에서 학습해야 한다면 Memory 기능을 사용하세요. 메모리는 SDK의 대화형 Session 메모리와 별개입니다. 메모리는 학습 내용을 샌드박스 작업 공간 내부의 파일로 증류하고, 이후 실행은 해당 파일을 읽을 수 있습니다.

설정, 읽기/생성 동작, 멀티턴 대화, 레이아웃 격리는 에이전트 메모리를 참고하세요.

구성 패턴

단일 에이전트 패턴이 명확해지면, 다음 설계 질문은 더 큰 시스템에서 샌드박스 경계를 어디에 둘 것인지입니다.

샌드박스 에이전트는 여전히 SDK의 나머지 부분과 함께 구성됩니다:

• 핸드오프: 문서 중심 작업을 비샌드박스 접수 에이전트에서 샌드박스 검토자로 넘깁니다.
• Agents as tools: 여러 샌드박스 에이전트를 도구로 노출합니다. 일반적으로 각 Agent.as_tool(...) 호출에 run_config=RunConfig(sandbox=SandboxRunConfig(...))를 전달하여 각 도구가 자체 샌드박스 경계를 갖도록 합니다.
• MCP 및 일반 함수 도구: 샌드박스 기능은 mcp_servers 및 일반 Python 도구와 공존할 수 있습니다.
• 에이전트 실행: 샌드박스 실행은 여전히 일반 Runner API를 사용합니다.

특히 다음 두 가지 패턴이 일반적입니다:

• 워크플로 중 작업 공간 격리가 필요한 부분에만 비샌드박스 에이전트가 샌드박스 에이전트로 핸드오프
• 오케스트레이터가 여러 샌드박스 에이전트를 도구로 노출하며, 일반적으로 각 Agent.as_tool(...) 호출마다 별도의 샌드박스 RunConfig를 사용하여 각 도구가 자체 격리 작업 공간을 갖도록 함

턴 및 샌드박스 실행

핸드오프와 에이전트-도구 호출은 별도로 설명하는 것이 도움이 됩니다.

핸드오프에서는 여전히 하나의 최상위 실행과 하나의 최상위 턴 루프가 있습니다. 활성 에이전트는 바뀌지만 실행이 중첩되지는 않습니다. 비샌드박스 접수 에이전트가 샌드박스 검토자로 핸드오프하면, 같은 실행의 다음 모델 호출이 샌드박스 에이전트를 위해 준비되고, 해당 샌드박스 에이전트가 다음 턴을 수행하는 주체가 됩니다. 즉, 핸드오프는 같은 실행의 다음 턴을 어느 에이전트가 소유하는지를 바꿉니다. examples/sandbox/handoffs.py를 참고하세요.

Agent.as_tool(...)에서는 관계가 다릅니다. 외부 오케스트레이터는 도구 호출을 결정하기 위해 하나의 외부 턴을 사용하고, 해당 도구 호출은 샌드박스 에이전트에 대한 중첩 실행을 시작합니다. 중첩 실행에는 자체 턴 루프, max_turns, 승인, 그리고 보통 자체 샌드박스 RunConfig가 있습니다. 하나의 중첩 턴으로 끝날 수도 있고 여러 턴이 걸릴 수도 있습니다. 외부 오케스트레이터 관점에서는 이 모든 작업이 여전히 하나의 도구 호출 뒤에 있으므로, 중첩 턴은 외부 실행의 턴 카운터를 증가시키지 않습니다. examples/sandbox/sandbox_agents_as_tools.py를 참고하세요.

승인 동작도 같은 분리를 따릅니다:

• 핸드오프에서는 샌드박스 에이전트가 이제 해당 실행의 활성 에이전트이므로 승인이 같은 최상위 실행에 유지됩니다.
• Agent.as_tool(...)에서는 샌드박스 도구 에이전트 내부에서 발생한 승인도 외부 실행에 표시되지만, 저장된 중첩 실행 상태에서 오며 외부 실행이 재개될 때 중첩 샌드박스 실행을 재개합니다.

추가 자료

• 빠른 시작: 샌드박스 에이전트 하나를 실행합니다.
• 샌드박스 클라이언트: 로컬, Docker, 호스티드, 마운트 옵션을 선택합니다.
• 에이전트 메모리: 이전 샌드박스 실행의 학습 내용을 보존하고 재사용합니다.
• examples/sandbox/: 실행 가능한 로컬, 코딩, 메모리, 핸드오프, 에이전트 구성 패턴.