mirror of
https://github.com/ThearchyHelios/AgentLab.git
synced 2026-11-19 02:51:58 +00:00
a16cdf3ab1
## 文件工具可读任意文件(含加密主密钥)
sandbox_session 从请求体直接拼进工作区路径,没有任何净化。传 ".." 就能把
根目录挪出工作区,之后 _resolve 的越界检查是在这个被挪走的根下做的,等于失效:
curl -X POST /api/tools/file_read/run -d '{"sandbox_session":"..","args":{"path":".secret_key"}}'
→ {"ok":true,"content":"8UygDbx9..."} # 加密所有 provider Key 的 Fernet 主密钥
根因是同一段净化逻辑被抄了五遍:四个沙箱后端各一份,文件工具那份漏抄了。
所以提到 config.sanitize_session 统一一份,五处共用;RunToolIn.sandbox_session
再加 pattern 做纵深防御——畸形 session 直接 422,而不是悄悄净化成 default。
## 并发代码节点互相覆盖入口脚本
同一 run 的节点共用一个沙箱会话,而入口脚本写死 main.py。README 主打的
"连线即并行"会让并排的代码节点在同一 superstep 并发执行,都写 main.py 就
互相覆盖——后写的赢,每个节点却都拿到 ok=True 和"自己的"返回值。
8 路并发同 session:7/8 执行了别人的代码,error 全为 None
改成每次执行生成唯一入口脚本(__entry_<uuid>.py),跑完即删。共享工作区语义
保留,跨节点传文件照常。四个后端同构改造,实测 8/16 路并发均 0 串味。
## 顺带修掉两个自己埋的坑
- conda 迁移把沙箱解释器隔离弄丢了:conda 环境 sys.prefix == sys.base_prefix,
于是"干净解释器"挑出来的就是项目环境自己,沙箱代码能 import cryptography
直接解密落库的 Key。改成实际探测候选解释器是否看得见敏感包,都不干净就
退回 -S 关掉 site-packages。README 那句承诺现在重新成立了。
- -I 在 3.11+ 隐含 -P,脚本目录不进 sys.path,代码节点的 files 参数(多文件)
在 seatbelt/bubblewrap 下一直是坏的,import helper 直接 ModuleNotFoundError。
换成 -s -E,隔离意图不变,同目录 import 恢复。
- microvm 的 files_written 取 FsEntry.name(不存在),塞进去的是对象 repr。
改取 path 的尾段。
沙箱回归 16 项通过(两档各 8 项)。
92 lines
2.9 KiB
Python
92 lines
2.9 KiB
Python
from __future__ import annotations
|
||
|
||
import abc
|
||
from typing import Any
|
||
from uuid import uuid4
|
||
|
||
from pydantic import BaseModel, Field
|
||
|
||
from app.core.config import settings
|
||
|
||
# 入口脚本的前缀。列"这次执行产出了哪些文件"时要把它们排掉——
|
||
# 它们是执行机制自己的临时文件,不是用户代码的产出。
|
||
ENTRY_PREFIX = "__entry_"
|
||
|
||
|
||
def entry_name(ext: str) -> str:
|
||
"""给这一次执行生成独立的入口脚本名。
|
||
|
||
同一个会话共用一个工作区(跨节点传文件要靠它),所以入口脚本**不能**
|
||
用固定的 main.py:一张图里并排的两个代码节点会在同一 superstep 并发执行,
|
||
都写 main.py 就会互相覆盖——后写的赢,而每个节点都以为跑的是自己的代码,
|
||
还都返回 ok。这是静默的结果污染,比报错难查得多。
|
||
"""
|
||
return f"{ENTRY_PREFIX}{uuid4().hex[:12]}{ext}"
|
||
|
||
|
||
class SandboxLimits(BaseModel):
|
||
timeout: int = Field(default_factory=lambda: settings.sandbox_timeout)
|
||
memory_mb: int = Field(default_factory=lambda: settings.sandbox_memory_mb)
|
||
cpus: float = Field(default_factory=lambda: settings.sandbox_cpus)
|
||
network: bool = Field(default_factory=lambda: settings.sandbox_network)
|
||
max_output: int = Field(default_factory=lambda: settings.sandbox_max_output)
|
||
|
||
|
||
class ExecResult(BaseModel):
|
||
ok: bool = True
|
||
exit_code: int = 0
|
||
stdout: str = ""
|
||
stderr: str = ""
|
||
duration_ms: int = 0
|
||
timed_out: bool = False
|
||
truncated: bool = False
|
||
backend: str = ""
|
||
files_written: list[str] = Field(default_factory=list)
|
||
error: str | None = None
|
||
|
||
def summary(self) -> str:
|
||
if self.timed_out:
|
||
return f"执行超时(>{'?'}s)"
|
||
if self.error:
|
||
return self.error
|
||
return self.stdout or self.stderr or "(无输出)"
|
||
|
||
|
||
class Sandbox(abc.ABC):
|
||
"""代码执行后端的统一接口。"""
|
||
|
||
name: str = "base"
|
||
|
||
@abc.abstractmethod
|
||
async def run(
|
||
self,
|
||
code: str,
|
||
*,
|
||
language: str = "python",
|
||
limits: SandboxLimits | None = None,
|
||
session_id: str | None = None,
|
||
env: dict[str, str] | None = None,
|
||
files: dict[str, str] | None = None,
|
||
) -> ExecResult:
|
||
"""执行一段代码。session_id 相同的调用共享同一个文件系统,
|
||
这样 agent 可以先写文件、再在下一步读回来。"""
|
||
|
||
async def health(self) -> dict[str, Any]:
|
||
return {"backend": self.name, "available": True}
|
||
|
||
async def cleanup(self, session_id: str) -> None:
|
||
return None
|
||
|
||
async def close(self) -> None:
|
||
return None
|
||
|
||
|
||
def truncate(text: str, limit: int) -> tuple[str, bool]:
|
||
if len(text) <= limit:
|
||
return text, False
|
||
half = limit // 2
|
||
return (
|
||
text[:half] + f"\n\n…(省略 {len(text) - limit} 字符)…\n\n" + text[-half:],
|
||
True,
|
||
)
|