企业官网建设流程全解析

OpenSandbox MCP服务器实战：5步让Claude Code和Cursor直接驱动AI沙箱

【免费下载链接】OpenSandboxSecure, Fast, and Extensible Sandbox runtime for AI agents.项目地址: https://gitcode.com/GitHub_Trending/ope/OpenSandbox

OpenSandbox 是面向 AI Agent 的安全、快速、可扩展的 AI 沙箱运行时，而它的MCP服务器正是把沙箱能力"接线"到 Claude Code、Cursor 等 MCP 客户端的关键桥梁：装上opensandbox-mcp后，你的 AI 编程助手就能用自然语言直接创建 AI 沙箱、执行命令、读写文件，全程无需你手动敲 CLI。本文是一份面向新手的完整指南，从安装配置到实战场景，帮你 10 分钟打通"AI 助手 + 沙箱"工作流。

1. OpenSandbox MCP服务器是什么？

先建立一个直观认知：

一句话总结：LLM 说"帮我跑个脚本"，MCP 工具替它在隔离沙箱里执行，危险操作不再碰你的宿主机。

官方 MCP 文档位于 docs/sdks/mcp.md，服务端源码在 sdks/mcp/sandbox/python/，工具注册与实现的完整逻辑可以查看 server.py。

2. 最快安装步骤：先启动OpenSandbox服务器

MCP 服务器只是一个"翻译层"，它背后需要一台运行中的 OpenSandbox 服务器。本地最简路径（需要 Docker）：

uvx opensandbox-server init-config ~/.sandbox.toml --example docker uvx opensandbox-server

启动成功后终端会打印监听地址（默认localhost:8080），类似下图：

3. MCP服务器安装与配置

一键安装

两种方式任选其一：

# 方式一：直接安装官方包（推荐） pip install opensandbox-mcp opensandbox-mcp --domain localhost:8080 --protocol http # 方式二：从源码运行 cd sdks/mcp/sandbox/python uv sync uv run opensandbox-mcp

配置要点

MCP 服务器只有 5 个核心配置项，记住两个环境变量即可上手：

命令行覆盖示例：

opensandbox-mcp --api-key "$OPEN_SANDBOX_API_KEY" --domain "$OPEN_SANDBOX_DOMAIN"

4. Claude Code 与 Cursor 接入实战

最快配置方法：Claude Code 一条命令接入

claude mcp add opensandbox-sandbox --transport stdio -- \ opensandbox-mcp --api-key "$OPEN_SANDBOX_API_KEY" --domain "$OPEN_SANDBOX_DOMAIN"

如果 MCP 服务器跑在 streamable-http 模式，则接入 HTTP 端点：

claude mcp add opensandbox-sandbox --transport http http://localhost:8000/mcp

Cursor 接入：改一段 JSON

在 Cursor 的 MCP 配置文件中加入：

{ "mcpServers": { "opensandbox-sandbox": { "command": "opensandbox-mcp", "args": [ "--api-key", "${OPEN_SANDBOX_API_KEY}", "--domain", "${OPEN_SANDBOX_DOMAIN}" ] } } }

HTTP 模式则只需一行："url": "http://localhost:8000/mcp"。

5. 完整工具清单：AI能替你做什么？

MCP 服务器共暴露 3 大类 19 个工具，覆盖沙箱全生命周期：

沙箱管理（9个）

• sandbox_create创建沙箱sandbox_connect接管已有沙箱
• sandbox_kill销毁sandbox_get_info查看详情sandbox_list列表
• sandbox_renew续期sandbox_healthcheck健康检查
• sandbox_get_metrics资源指标sandbox_get_endpoint获取端口访问地址

命令执行（2个）

• command_run在沙箱内执行命令command_interrupt中断运行中的命令

文件系统（8个）

• file_read/file_write读写文本文件（支持encoding与range_header分片读取大文件）
• file_delete、file_search（glob 搜索）、file_move
• file_create_directories、file_delete_directories、file_replace_contents

💡 所有工具都围绕sandbox_create或sandbox_connect返回的sandbox_id工作，AI 会自动维护这个上下文，你不需要手动传递。

6. 核心工作流：5步跑通一个真实任务

一个典型的 MCP 沙箱任务就是下面这条流水线：

① sandbox_create → ② file_write 写入代码 → ③ command_run 执行 → ④ sandbox_get_endpoint 暴露端口（可选）→ ⑤ sandbox_kill 清理

由于这些操作全部由 LLM 自动编排，你只需要用自然语言下指令。官方文档（docs/sdks/mcp.md）给出的 8 个开箱即用示例，新手可以直接照抄：

1. "创建一个 Python 沙箱，跑一条健康检查命令"
2. "把这段 Python 脚本写进沙箱并运行"
3. "下载一个 GitHub 仓库，装依赖并跑测试"
4. "生成一份虚构销售数据 CSV，再跑个汇总脚本"
5. "在 8000 端口起一个 Web 服务，返回公网访问地址"
6. "写一个最小 REST API（hello + health），暴露到 8000 端口"
7. "打包 /app 为 tar.gz 并报告文件大小"
8. "做一个贪吃蛇小游戏，返回可访问的 Web 地址"

7. 进阶玩法：不只是跑命令

当 AI 沙箱与浏览器自动化、桌面环境组合时，玩法会指数级放大。OpenSandbox 的 Playwright 示例就能让 Agent 在沙箱里打开网页、完成自动化操作：

同样的思路也可以让 Agent 操作一个完整的 Linux 桌面环境（文件管理器、终端、VNC 远程接入都可用），这对 GUI Agent 和"帮我配置一下环境"类任务是杀手级能力：

安全不踩坑：用Credential Vault管理密钥

让 AI 在沙箱里调用外部 API 时，最担心的就是密钥泄露。OpenSandbox 的 Credential Vault 正是为此设计：沙箱内只放假密钥，真实的api.anthropic.com、api.github.com等凭据加密存放在 Egress 边车中，出站请求由边车自动注入真实 Authorization 头，响应再脱敏后返回。图中沙箱内运行的工具赫然就有 Claude Code——正是本文的主角：

更多安全细节可参考 docs/guides/credential-vault.md 与 docs/guides/secure-access.md。

8. 常见问题与排错

Q：工具调用报 "Sandbox not found in local registry"？先调用sandbox_create或sandbox_connect注册沙箱，再执行其他工具（见 server.py 中的校验逻辑）。

Q：连接超时？检查--domain是否指向正确的服务器地址，本地开发用localhost:8080+--protocol http；远程部署确认protocol为https。

Q：想用远程服务而非本地？把domain换成远程 OpenSandbox 服务地址，配置api_key，其余不变。

Q：服务器侧出问题怎么办？本地服务器的排查思路可参考 server/TROUBLESHOOTING.md，完整部署方式见 server/README.md；Kubernetes 集群部署参考 docs/kubernetes/deployment.md。

写在最后

OpenSandbox MCP 服务器的价值在于把"创建沙箱 → 执行 → 验证 → 清理"这套繁琐流程压缩成一句自然语言。对于日常需要让 AI 代跑脚本、代装依赖、代测环境的开发者，这是目前最省心的 AI 沙箱接入方案之一。现在就把opensandbox-mcp装进你的 Claude Code 或 Cursor 试试，从"跑一条健康检查"开始体验吧 🚀

延伸阅读：MCP 完整文档 · API 规范 · Claude Code 沙箱示例

【免费下载链接】OpenSandboxSecure, Fast, and Extensible Sandbox runtime for AI agents.项目地址: https://gitcode.com/GitHub_Trending/ope/OpenSandbox