Pydantic 的模型上下文協議（Model Context Protocol，MCP）釋出用於在沙箱中執行 Python 程式碼，這引發了開發者之間關於 Python 沙箱最佳方法的熱烈討論。這個在 Deno 中執行 Pyodide 來隔離執行 Python 程式碼的解決方案，在開發者社群中獲得了讚譽也受到了批評。
Python 沙箱的安全權衡
MCP Run Python 實現在 Pyodide 中執行 Python 程式碼，Pyodide 是一個在瀏覽器中執行的 Python 發行版，它在 Deno 的 JavaScript 執行時內部執行。雖然這種方法提供了與主機作業系統的隔離，但社群成員對其安全假設提出了擔憂。一些開發者指出，這種方法依賴於多層安全性—— Deno 的 WASM VM 和 Pyodide ——這兩者都可能包含漏洞或錯誤。這場爭論突顯了安全執行不受信任 Python 程式碼的根本挑戰，因為 CPython（標準 Python 實現）在設計時並沒有將沙箱作為主要功能。
「我更信任 WASM 沙箱，而不是 Docker 容器沙箱。WASM 引擎每天在全球幾乎所有瀏覽器中執行數十億次。這些安全問題會很快被發現。」
Python 沙箱方法在討論中提及
- Deno 中的 Pyodide (MCP Run Python)：使用基於 WASM 的隔離，安全性好但有效能開銷
- Wasmtime：直接在 Python 內部執行 WASM 容器中的 Python
- Firecracker 微型虛擬機器：更好的安全隔離但啟動時間較慢
- Linux 核心功能：用於沙箱的 Landlock、cgroups
- gVisor：容器沙箱技術
- 自定義沙箱：使用帶有自定義匯入器的 eval/exec（由 Temporal 提及）
- 基於 Seccomp 的監獄：用於具有受限系統呼叫的有限用例
效能考慮和替代方案
討論中分享的效能指標顯示，在基於 WASM 的沙箱中執行 Python 程式碼會帶來顯著的開銷。基準測試表明，在沙箱中執行一個簡單的 hello world 程式比標準 Python 執行慢約12倍，比同一程式的最佳化 C 實現慢近370倍。這種效能差距促使開發者探索替代方法，包括使用 Linux 核心功能如 Landlock 和 cgroups、firecracker 微型虛擬機器以及其他基於 WASM 的解決方案，如 wasmtime。
效能比較（Hello World程式）
| 實現方式 | 時間 | 相對效能 |
|---|---|---|
| 最佳化的 C | ~0.0006 秒 | 比 WASM 沙箱快368倍 |
| 標準 Python | ~0.019 秒 | 比 WASM 沙箱快12.3倍 |
| WASM Python 沙箱 | ~0.234 秒 | 基準 |
生態系統支援和實際應用
儘管存在效能問題，Pyodide 方法提供了令人驚訝的靈活性。社群成員注意到，複雜的依賴項如 scikit-learn 在這種環境中也能工作，使瀏覽器中的簡單機器學習體驗成為可能。這種能力使該解決方案對某些用例具有吸引力，特別是當安全性比原始效能更重要時。這種方法也反映了主要 AI 平臺使用的技術——例如，ChatGPT 使用 Pyodide 進行基於瀏覽器的程式碼執行，並在 Kubernetes 容器中使用 Jupyter 作為其程式碼直譯器功能。
AI 代理框架的更廣泛背景
MCP Run Python 實現是不斷增長的 AI 代理框架生態系統的一部分，這些框架使語言模型能夠安全地執行程式碼。一些開發者對這些框架的激增表示擔憂，將其與 JavaScript 生態系統中看到的碎片化相提並論。提到的替代方法包括 Dylibso 的 eval-py、更靈活但速度較慢的 firecracker VM，以及使用 seccomp 等工具構建的自定義沙箱解決方案。
尋找完美的 Python 沙箱解決方案仍在繼續，理想的方法很大程度上取決於特定的用例、安全要求和效能需求。隨著 AI 系統越來越需要安全地執行程式碼，這一領域可能會繼續創新和完善。