Harbor支持Docker Sandboxes隔离运行AI代理评估

Harbor现已接入Docker Sandboxes，能够把每个编程代理评估任务放入独立的微虚拟机（microVM）中执行，避免多个任务共用容器。任务既可在本地运行，也可部署到Docker Cloud Sandboxes；Docker已在云端完成64个并发任务的验证。

编程代理评估通常需要代理安装依赖、修改文件和执行命令，基准测试还会反复执行这些操作数千次，因此执行环境必须同时具备隔离性与一致性。Docker将这一场景定义为大规模运行不可信AI代码，并特别提到“奖励破解”风险：代理可能篡改测试或分数记录文件来获取及格结果，而不是完成真实任务。Harbor负责调度任务、收集分数和保存日志，并支持Terminal-Bench等基准。

Docker Sandbox使用具备独立内核的MicroVM，代理活动被限制在虚拟机内部，不能接触主机、其他任务或外部环境。云端版本还支持分阶段网络策略：任务初始化时可以下载依赖，正式运行代理时则限制互联网访问，让所有代理在相同网络条件下接受评估。借助Docker Compose，单个云沙箱还可运行包含服务与sidecar的多容器任务。

目前公告没有披露启动耗时、单任务成本或评估分数波动数据，已公布的规模指标仅为64个并发任务。需要更高并发上限的团队可联系Docker申请，关注延迟和成本的用户仍需自行测量。本地选项免费，云端使用费用则取决于Cloud Sandboxes服务。

该集成已出现在Docker Sandboxes夜间构建中，Docker称其于10月23日进入稳定版。Harbor可通过sbx扩展安装，夜间版本固定为0.24.1.dev202610150414。云端运行要求具备云访问权限的Docker账户和Cloud Sandboxes个人访问令牌，凭证从SBX_DOCKER_USERNAME与SBX_DOCKER_PAT读取，并可用“harbor run -t hello-world/hello-world -a oracle -e sbx”选择沙箱环境。

本地使用前需执行sbx login并通过Docker Sandboxes CLI登录，再在Harbor命令中加入“--ek target=local”。目前本地集成只支持公共模式或无网络模式，细粒度网络控制主要依赖云沙箱。网络限制能够减少部分作弊路径，但公告未说明如何阻止代理修改其可写测试文件等沙箱内奖励破解行为，相关设置可参考双方文档。

此次接入扩展了Harbor的沙箱后端，现有平台还包括Daytona、Modal、E2B、Runloop、Tensorlake、LangSmith、Blaxel、Novita Sandbox、EC2和Beam；此前新增的是LangSmith沙箱。Daytona支持通过docker-compose.yaml部署多容器任务，而Modal、E2B和Runloop不支持该能力。Docker还在把沙箱拓展到NanoClaw和GitHub Agentic Workflows：后者在gh-aw 0.82.9中加入支持，并提供独立Docker守护进程，可运行Testcontainers集成测试而无需挂载宿主机Socket。9月24日推出的Cloud Sandboxes还支持云端持续运行代理、OCI格式Kits及向CNCF提交Kits规范，第三方称默认会话为1小时、最长24小时，暂停沙箱不计计算费用。