理应资讯
软件研发智能化

Harbor 接入 Docker Sandboxes:智能体评测任务改在独立微虚拟机中跑,云端已测 64 并发

理应编辑室 ·

Docker 宣布开源智能体评测框架 Harbor 已对接 Docker Sandboxes:每个评测任务跑在独立微虚拟机里,本地与 Docker Cloud 可用同一套任务;云端实测可同时跑 64 个任务,稳定版计划 10 月 23 日落地。

InfoQ 10 月 22 日报道,Docker 宣布开源智能体评测框架 Harbor 已经可以和 Docker Sandboxes 一起用。评测编码智能体时,模型会安装依赖、改文件、执行命令,一套基准往往要重复成千上万次;Docker 工程师把这描述成“大规模跑不可信的、由 AI 写出来的代码”。除此之外还有“刷分”风险:智能体可能改测试或覆盖记分文件,而不是真正完成任务。Harbor 负责编排——跑任务、收分数、记日志,并支持 Terminal-Bench 一类基准——它需要的是既隔离又一致的执行环境。

接入后,每个任务进入一个 Docker Sandbox,也就是带独立内核的微虚拟机(microVM),智能体活动被关在虚拟机内,碰不到宿主机、其他任务或外部环境。在 Docker Cloud Sandboxes 里,还可以配置网络策略:任务搭建阶段允许拉取依赖,智能体真正开跑后再收紧外网,让不同智能体在同一网络条件下被比较,减轻结果不可复现的常见来源。Harbor 也支持 Docker Compose,多容器任务可以落在同一个云端 sandbox 里,服务与 sidecar 共用一台微虚拟机。

flowchart LR
  H[Harbor 编排:任务 / 打分 / 日志] --> S[Docker Sandbox 微虚拟机]
  S --> L[本地 Sandboxes]
  S --> C[Docker Cloud Sandboxes]
  C --> N[可配置网络:搭建放开 / 评测收紧]
  C --> M[Compose 多容器同 VM]

公告没有给出启动开销、单任务成本或分数方差的基准数据,目前公开的规模数字是云端 64 并发;更高上限需通过 Docker 渠道申请。对接已在 Docker Sandboxes 的 nightly 中可用,Docker 称将于 10 月 23 日进入稳定版。安装 Harbor 时带上 sbx extra,nightly 构建钉在 0.24.1.dev202610150414;云端运行需要开通 Cloud 的 Docker 账号,以及带 Cloud Sandboxes 权限的个人访问令牌,Harbor 从环境变量 SBX_DOCKER_USERNAME 与 SBX_DOCKER_PAT 读取。选择 sandbox 环境用 -e sbx,例如 harbor run -t hello-world/hello-world -a oracle -e sbx。本地路径在 sbx login 后通过 Docker Sandboxes CLI 运行,并加 --ek target=local;本地目前只支持 public / no-network 等模式,更细的网络策略绑定在 Cloud Sandboxes 上。

Harbor 一侧本来就有 Daytona、Modal、E2B、Runloop、LangSmith 等横向扩展后端;Docker Sandboxes 是新增选项之一。Docker 还在把 Sandboxes 接到 NanoClaw、GitHub Agentic Workflows 等运行时。需要说明的是:收紧网络能堵住一部分作弊通道,但公告并未声称能阻止 sandbox 内部改测试文件这类刷分行为。

# Harbor# Docker Sandboxes# 智能体评测# 微虚拟机# Terminal-Bench