kvcache-ai/AgentENV

它解決的問題

AgentENV 提供了一個可擴展的平台，用於運行 AI 代理執行程式碼或與軟體互動所需的隔離環境（沙盒）。它特別解決了在叢集上運行數百萬種不同環境時，不會耗盡本地磁碟空間，也不會浪費 CPU 和記憶體於閒置沙盒的挑戰。

如何運作

AgentENV 使用 Firecracker microVM 來建立輕量且隔離的沙盒。它採用多項技術優化，以維持高密度與高速度：

• 映像管理：使用 overlaybd 按需載入符合 OCI 標準的映像，允許映像總數超過本地磁碟容量。
• 快速生命週期：實作快照支援的啟動與恢復（低於 50ms）以及暫停（低於 100ms），以最小化資源浪費。
• 狀態管理：支援增量記憶體與檔案系統快照，並可將正在執行的環境「分叉」成多個獨立沙盒。
• 資源效率：使用 ublk 進行高效能 I/O，並透過記憶體氣球技術回收來賓記憶體，實現高記憶體超分配比例。

適用對象

專為訓練代理式強化學習（Reinforcement Learning）模型（如 Kimi K3）的開發者與研究人員設計，也適用於需要部署大規模、與 E2B 兼容的代理沙盒的使用者。

特色亮點

• 巨大規模：可在生產環境中擴展至 150 萬個映像。
• 快速恢復：啟動或恢復沙盒時間低於 50ms。
• 支援分叉：可將正在執行的環境複製成多個平行工作流程。
• E2B 兼容性：提供與 E2B SDK 相容的 HTTP API，可輕鬆整合至現有的代理工具中。