E2B

E2B 是一款用于在安全的云沙盒中运行 AI 生成代码的开源基础设施。这家捷克裔美国初创公司由 Vasek Mlejnsky 和 Tomas Valenta 于 2023 年创立，旨在解决一个特定的问题：当 AI 智能体编写代码时，必须有一个环境能够安全、大规模地实际运行这些代码，同时不会将主机系统或其他租户置于风险之中。E2B 提供了这一执行层。每个沙盒都是一个由 Firecracker 微型虚拟机（microVM）驱动的隔离 Linux 环境，这与 AWS 为 Lambda 构建的虚拟机管理程序技术相同，这意味着每次执行都会获得一个专用的轻量级内核，而不是与相邻租户共享内核。该公司在 2025 年 7 月由 Insight Partners 领投的 A 轮融资中筹集了 $21M，使总融资额达到 $32M，并报告称 88% 的财富 100 强企业正在使用该平台，其客户还包括 Perplexity、Hugging Face、Manus 和 Groq。

其核心产品是沙盒：一台可编程的、临时的 Linux 计算机，AI 智能体可以通过 Python 或 TypeScript SDK 对其进行控制。智能体可以编写并运行 Python、JavaScript、Ruby、C++ 或任何兼容 Linux 的语言；通过 pip、npm 或 apt 安装包；管理文件；打开终端；并在每个会话中运行长达 24 小时的长进程。E2B 还提供了一个 Code Interpreter SDK，用于将丰富的输出（图表、表格、数据框）流式传输回调用应用程序；一个带有 VNC 的 Desktop 沙盒，供需要图形界面的智能体使用；以及一条自托管路径，供希望在自己的云上运行该技术栈的团队使用。Apache-2.0 许可证涵盖了完整的 SDK 和核心运行时。截至 2026 年 4 月，其主仓库在 GitHub 上拥有 12,000 颗星、883 个分支，并保持着活跃的每周发布节奏。

E2B 在 2026 年 4 月的实际功能

E2B 的沙盒是一个有状态的 Linux 环境：它在会话期间保持持久化，因此智能体可以在第一步安装包，在第二步写入文件，并在第三步运行从该包导入的代码——而无需重启。在同一 AWS 区域内，沙盒的启动时间不到 200 毫秒，免费层的默认规格为 2 vCPU 和 0.5GB RAM，在 Pro 和 Enterprise 层可扩展至 16 vCPU 和 64GB RAM。Hobby 层的会话最长持续 1 小时，Pro 层为 24 小时，并具备 30 天暂停功能，可在保留沙盒状态的同时暂停计费。

Code Interpreter SDK 扩展了基础沙盒，以支持数据科学工作流。它将执行输出（包括 matplotlib 图表、pandas DataFrames 以及标准 stdout/stderr）作为类型化数据块流式传输回调用应用程序。Perplexity 使用此 SDK 在搜索结果中内联渲染交互式图表：当用户提出数据密集型问题时，Perplexity 的智能体会编写 Python 代码，在 E2B 沙盒中运行，然后图表就会出现在答案中。Perplexity 的 CTO Denis Yarats 这样描述此次集成：“我们在不到一周的时间内就让 E2B 跑了起来。现在我们每个月都在运行数百万个 E2B 沙盒。”

E2B Desktop 提供了一个带有 VNC 访问权限的图形化沙盒，供需要控制浏览器或桌面应用程序的智能体使用。Manus 是 2025 年初最受瞩目的自主研究智能体系统之一，它就依赖于这一功能。Manus 的联合创始人 Tao Zhang 解释道：“Manus 使用了 27 种不同的工具，它需要 E2B 来提供一台完整的虚拟计算机。”

框架兼容性涵盖了 LangChain、LlamaIndex、LangGraph、AutoGen 以及任何自定义智能体技术栈。模型兼容性刻意保持了与 LLM 无关的特性：E2B 支持 OpenAI、Anthropic、Mistral、Llama、Groq 以及任何生成代码文本的模型。这种无关性是一个深思熟虑的设计选择——该平台将自身定位为基础设施，而不是将团队锁定在特定模型供应商的中间层。

E2B 与 Modal 和 Anthropic Code Execution 的定位对比

在 2026 年，有三个平台主导了 AI 智能体代码执行领域，它们在机制上的差异对生产环境的决策至关重要。

Modal 使用 gVisor 容器进行隔离：这是一种在操作系统层面拦截 Linux 系统调用的虚拟化方法，在提供安全性的同时避免了完整虚拟机管理程序的开销。这使得 Modal 的容器启动更快（P95 冷启动时间不到一秒），且每 CPU 秒的成本更低（$0.0000131/s，而 E2B 为 $0.000014/s），但 gVisor 通过系统调用过滤器在租户之间共享主机内核。E2B 的 Firecracker 微型虚拟机为每个沙盒提供专用的内核，这使得内核级别的漏洞利用变得更加困难。Modal 的主要市场是大规模的 GPU 推理和 ML 训练：它提供 H100、H200 和 B200 GPU 访问并按秒计费，截至 2025 年 7 月，其 GPU 内存快照功能将 vLLM 的冷启动时间从 45 秒降至 5 秒以下。Modal 将智能体沙盒作为次要功能提供。E2B 则完全不提供 GPU 访问。构建同时需要 GPU 推理的智能体系统的开发者，通常会将 E2B（用于代码执行）与 Modal（用于模型服务）结合使用，而不是在两者之间二选一。

Anthropic's Code Execution tool 对于已经完全基于 Claude 进行构建的团队来说是最简单的路径。它将 Python 执行作为原生 API 工具提供，通过现有的 Claude token 定价进行计费，无需单独的基础设施账户。代价是严重的供应商锁定：该工具仅在调用 Claude 模型时可用。它仅支持 Python（不支持 JavaScript，没有终端），在调用之间没有持久化的文件系统，并且不允许在预装的科学计算栈之外安装自定义包。对于运行多模型技术栈或希望随着时间推移切换模型的团队来说，Anthropic 的工具会产生技术债务。E2B 支持任何 LLM，并且沙盒状态在会话内的多个智能体步骤中保持持久化。E2B 路径需要更多的集成工作和单独的计费关系，但能产生更具可移植性的架构。

“作为 OpenAI's Code Interpreter 的高级替代方案，E2B 彻底改变了我们智能体的能力。”——Kevin J. Scott，Groq CTO/CIO，E2B 主页，2025 年

“E2B 允许我们在实验中启动数百个沙盒，从而横向扩展训练运行。”——Lewis Tunstall，Hugging Face 研究工程师，E2B 主页，2025 年

智能体沙盒的真实体验

运行一个基础沙盒大约需要 10 分钟。安装 SDK（pip install e2b），创建 API 密钥，只需三行 Python 代码即可运行第一个沙盒。文档中包含了针对 Anthropic、OpenAI 和开源模型集成的实用 cookbook 示例。几家客户（Lindy、Manus）报告称在不到一天的时间内完成了全面集成。“端到端集成 E2B 只花了一个小时。性能非常出色，”Manus 的 CTO Maciej Donajski 说道。

对于智能体构建者来说，处理短期任务的日常体验通常非常简单。沙盒启动，智能体运行代码，返回结果，沙盒关闭。计费是真正的按秒计算，因此 3 秒的代码执行成本不到一美分。当任务变得更长、更具并行性时，问题就会出现。沙盒超时配置存在已记录的边缘情况：GitHub issue #879（2025 年）描述了一位用户设置了 24 小时的超时，但沙盒在五分钟内就被驱逐了。E2B 的文档将其标记为一个已知的痛点，称超时系统是“E2B 中最令人困惑的概念”。运行大型并行智能体管道的团队报告称，当智能体扇出到数十个并发沙盒或在执行中途停滞时，按秒计费的成本会迅速且不可预测地飙升。Hobby 或 Pro 层没有内置的成本上限或断路器机制。

自定义模板允许团队预先安装依赖项，以便沙盒以预先构建的环境启动，而不是在每次执行时从头开始运行 pip install。这对于生产工作负载非常重要，因为在冷启动时花费 10 秒钟安装包是不可接受的。模板以类似 Dockerfile 的格式定义，并发布到 E2B 的注册表中。

E2B 适合哪些用户

E2B 的最佳适用场景是构建生产级 AI 智能体的团队，这些团队需要将代码执行作为一项独立的、与 LLM 无关的基础设施服务。财富 100 强企业的采用反映了一个特定的企业用例：一家大公司有多个使用不同模型供应商的 AI 项目，而 E2B 成为了所有这些项目的通用执行层。Hugging Face 使用 E2B 进行强化学习评估管道，并行启动数百个沙盒来对模型输出进行评分。Perplexity 使用它来为每月数亿次搜索中的数据分析功能提供支持。Groq 使用它来将智能体的能力扩展到纯语言生成之外。

构建智能体框架或智能体产品的独立开发者是另一个明确的受众群体。Apache-2.0 许可证、活跃的 GitHub 社区（12K 颗星）以及详细的 cookbook 示例，使得 E2B 无需企业采购流程即可轻松上手。带有 $100 一次性额度的免费层足以在承诺使用 $150/month 的 Pro 层之前，对工作流进行原型设计和验证。

需要 GPU 访问权限、需要存活超过 24 小时的长期持久化环境，或者致力于单一 LLM 供应商的团队，会发现其他平台更合适。$150/month 的起步价，且在免费层和 Pro 层之间没有中间层，造成了一个定价断崖，这促使一些独立开发者转向自托管或寻找替代方案。

E2B 不是什么

E2B 不是一个通用的无服务器计算平台。它没有 GPU 访问权限，没有模型服务，也没有任意规模的批处理。需要运行 ML 推理、微调或在 GPU 上运行数据管道的开发者应该考虑 Modal 或 RunPod。E2B 专注于为智能体提供一个安全运行代码的地方，这种专注既是它的优势，也是它的边界。

E2B 不是一个智能体框架。它对智能体的结构、内存的管理方式或工具调用的排序方式没有任何预设。它与 LangChain、AutoGen 和自定义技术栈集成，但并不取代它们。寻找完整智能体平台的团队应该评估 LangGraph、CrewAI 或 Autogen 作为编排层，并将 E2B 作为执行基座接入。

E2B 不是一个长期的持久化开发环境。会话最长为 24 小时，并且没有内置机制来设置检查点和恢复多日任务。如果团队构建的产品需要用户返回到正在进行的工作区（例如一个能记住数周项目的个人编码助手），将会触及会话长度的上限，并需要在其之上构建状态管理。Daytona 和 Northflank 能更好地处理生命周期更长的工作区模式。

自托管需要基础设施方面的专业知识。虽然开源代码是可用的，但在您自己的硬件或云账户上运行 Firecracker 微型虚拟机需要 Terraform 知识、Firecracker 配置经验以及持续的运维维护。自托管路径是一个选项，但它不是开箱即用的。BYOC 和托管的本地部署仅限 Enterprise 层提供。