.png?table=collection&id=1e16e373-c263-81c6-a9df-000bd9c77bef&t=1e16e373-c263-81c6-a9df-000bd9c77bef)
E2B深度解析：AI智能体的“专属云电脑”如何赋能未来？关注AIGC.bar获取最新AI资讯
type
status
date
slug
summary
tags
category
icon
password
网址
随着人工智能（AI）技术的飞速发展，特别是多智能体（Multi-Agent）系统的兴起，AI Agent 的基础设施（Infra）建设已成为其成功落地的关键瓶颈。在“计算机使用”（computer use）带来范式创新的大趋势下，为 AI Agent 配备专属、安全、高效的“云端电脑”显得尤为重要。本文将深入解读和扩展“Manus 背后的重要 Infra，E2B 如何给 AI Agents 配备‘专属电脑’？”这一主题，探讨E2B（Enabling Two-Way Binding）的技术理念、发展历程及其在AI Agent生态中的核心价值。更多AI前沿动态，请关注AI门户网站AIGC.bar。
E2B是什么？解密AI Agent的“专属云电脑”
E2B 成立于2023年，是一家专注于为AI Agent提供云端安全隔离沙盒环境的开源基础设施公司。简单来说，E2B为每个AI Agent提供了一个可以快速启动（约150毫秒）的微型虚拟机（microVM）。这个环境类似于AWS Firecracker，但专为AI Agent的需求进行了优化。
在这个专属的“云电脑”中，AI Agent可以：
* 执行多种编程语言的代码：目前以Python和JavaScript为主，满足不同Agent的开发需求。
* 使用浏览器进行网页交互：赋予Agent获取网络信息、操作网页应用的能力。
* 调用操作系统级别的工具：例如文件系统操作、安装依赖包等，给予Agent极大的灵活性。
* 创建和管理文件：支持Agent进行数据处理、报告生成等任务。
E2B的出现，解决了AI Agent在执行由大型语言模型（LLM）动态生成的、不可预知代码时面临的核心挑战：安全性、隔离性和环境一致性。
从代码解释器到通用运行时：E2B的进化之路
E2B的诞生并非一蹴而就。其创始人Vasek Mlejnsky和Tomas Valenta最初的项目是DevBook，一个面向开发者的交互式文档工具，这为后来的沙盒技术奠定了基础。
转折点：GPT-3.5发布后，团队尝试构建自动化工作流程的Agent，并利用DevBook的沙盒技术运行代码。一次偶然的Twitter分享获得了巨大关注，使他们意识到Agent代码执行环境的巨大潜力，从而在2023年3月正式创立E2B，并将重心转向沙盒环境。
关键发展：
1. 代码解释器定位：初期，E2B将产品定位为“代码解释器”（Code Interpreter）。这个概念清晰地传达了其核心价值——为AI进行数据分析、可视化、数学运算等需要执行代码的任务提供支持。许多用户因此理解并开始使用E2B。
2. “Computer Use”趋势的洞察：早在Anthropic等公司正式推出“computer use”概念之前，E2B就已开发出桌面版的沙盒环境。随着LLM能力的增强和Agent应用的增多（从实验走向生产），用户开始将沙盒用于更广泛的“计算机使用”场景，而不仅仅是运行代码片段。
3. 向通用运行时拓展：基于市场趋势和用户需求的变化，E2B果断调整定位，从单纯的代码解释器拓展为更通用的LLM或Agent运行时环境。
这一系列的精准定位和快速迭代，使得E2B的沙盒月创建量在一年内从4万飙升至1500万，实现了375倍的惊人增长，充分证明了市场对其价值的认可。
AI Agent为何需要“专属电脑”？E2B的核心价值
传统云计算环境主要为人类编写的、相对固定的应用程序设计。而AI Agent执行的代码通常由LLM动态生成，其行为具有不确定性和潜在风险。这就对运行环境提出了全新的要求：
- 安全性与隔离性：开发者需要确保不同用户或不同Agent的代码在严格隔离的环境中运行，防止恶意代码破坏系统或泄露敏感数据。E2B的沙盒机制为每个Agent提供了独立的运行空间。
- 权限与自由度：为了让Agent能完成复杂任务，需要赋予其足够的自由度，如访问文件系统、下载依赖、执行任意命令等。E2B在保证安全的前提下，力求提供最大的灵活性。
- 动态与高效：Agent任务往往是即时性的，需要快速创建和销毁运行环境。E2B的microVM能在150毫秒内启动，满足了这种敏捷性需求。
- 可扩展性：随着Agent应用规模的扩大，基础设施必须能够支持海量并发的沙盒实例。E2B的架构设计考虑了这一点。
许多开发者在项目初期可能尝试使用简单的serverless函数或在本地服务器上直接运行代码，但随着规模化运营的需求，上述挑战会日益凸显，促使他们转向像E2B这样专业的解决方案。
E2B的宏大愿景：成为AI时代的AWS
E2B的CEO Vasek Mlejnsky毫不掩饰其雄心：成为AI Agent时代的AWS（Amazon Web Services）。这意味着E2B的目标是构建一个自动化的基础设施平台，全面覆盖Agent从开发到部署的完整生命周期。
未来的E2B可能包括：
* GPU支持：满足更复杂的数据分析、小型模型训练、游戏内容生成等对计算资源有更高要求的任务。
* Agent应用托管：提供一站式的Agent应用部署和管理服务。
* 更完善的开发者工具链：简化Agent的构建、测试和迭代过程。
值得注意的是，E2B专注于解决基础设施层面的核心问题，如服务的可靠性（例如，当某个模型提供商宕机时如何自动切换）、动态代码执行的安全性等。他们相信LLM本身会持续进化，解决很多应用层面的复杂性，而基础设施的挑战则需要全新的思路和技术来攻克。
E2B的技术亮点与未来展望
为了更好地支持复杂的Agent交互和协作，E2B正在积极开发新功能：
- 持久化（Persistence）：目前已实现。用户可以暂停沙盒，并在未来某个时间点（如一个月后）将其恢复到暂停时的状态。这为Agent运行长时间任务或间歇性执行任务提供了可能。
- 分叉（Forking）与检查点（Checkpointing）：基于持久化能力，这些功能将允许单个Agent或多个Agent并行尝试不同的解决方案路径。类似于蒙特卡洛树搜索，每个节点可以是一个沙盒快照，可以分叉出去探索新的状态，最终找到最优解。这也能有效管理本地状态，避免任务失败后从头开始。
这些技术的引入，将极大增强AI Agent的鲁棒性、效率和智能水平。
结论
E2B通过提供安全、隔离、高效的云端沙盒环境，正在为AI Agent配备不可或缺的“专属电脑”。从最初的代码解释器到如今更通用的Agent运行时，E2B准确把握了AI技术发展的脉搏，解决了Agent在实际应用中面临的关键基础设施难题。其成为“AI时代AWS”的愿景，预示着未来AI Agent基础设施将更加完善和强大。
Loading...