AI Agent 的安全边界:深入 OpenAI Codex Sandbox 设计

AI Agent 的安全边界:深入 OpenAI Codex Sandbox 设计

💡 原文中文,约16100字,阅读约需39分钟。
📝

内容提要

OpenAI《Inside the Codex Sandbox》介绍Codex沙箱架构:由Harness决定权限、操作系统强制执行,以文件系统和网络为两条独立边界。放弃Docker,改用macOS Seatbelt、Linux Bubblewrap+seccomp、Windows MXC等原生机制,以适配真实开发环境。默认workspace可改代码但保护.git和.codex,网络默认关闭或走域名白名单代理。模型只能申请提权,不能自行批准;子进程继承限制;MCP Server需单独沙箱。核心思想是沙箱决定Agent犯错时的最大破坏范围。

🔎

延伸解读

原生沙箱的工程权衡:为何不选Docker

Codex放弃Docker而采用操作系统原生沙箱,核心原因是Agent需要直接操作开发者真实的本地环境,包括特定工具链、本地数据库乃至Xcode模拟器。容器方案虽能隔离,却难以无缝接入这些环境,若将关键操作放回宿主机,隔离边界反而被打破。原生沙箱保留宿主机环境,由内核强制执行约束,更适合Agent直接操作真实开发环境的场景。但文章也指出,对于不可信代码执行、多租户云端任务等强隔离需求,容器和虚拟机依然重要。

文件与网络解耦:读取不等于外发

Codex将文件系统与网络设为两条独立边界,默认:workspace允许修改代码但保护.git和.codex,同时保留较广泛的文件读取能力以兼容编译器、SDK等依赖。这种设计意味着Agent即使读到含API Key的配置文件,若网络默认关闭或仅走域名白名单代理,也无法直接外传。文章强调,网络代理的域名控制不等于完整的数据防泄漏系统,实际安全性还取决于对连接方式、DNS、IP地址等路径的约束,需与文件权限配合才能形成有效保护。

权限申请与授予分离:模型不能自己开绿灯

Codex的Harness在工具执行路径上插入权限控制,模型只能提出权限请求,由Harness或用户决定是否批准,模型无法自行提权。子进程继承父进程的沙箱约束,避免通过Shell逃逸。权限配置支持Permission Profile复用与递归合并,企业可通过requirements.toml设定权限上限,个人配置不能突破组织底线。文章还特别指出,stdio MCP Server不会自动继承默认沙箱,需用codex sandbox单独配置文件和网络权限,工具不应天然拥有Agent的全部权限。

沙箱的边界:解决“能不能做”而非“做得对不对”

文章明确提醒,沙箱限制的是程序访问范围,无法保证Agent行为符合用户意图。恶意提示词诱导下修改工作区内的正常文件,在沙箱看来仍是允许操作。此外,本地环境本身也可能成为攻击面,例如Agent修改被Git忽略的node_modules/prettier,恶意代码可能在编辑器环境中执行,脱离原沙箱进程。因此还需模型对齐、代码审查、人工审批和更严格的权限配置。沙箱是纵深防御的一环,而非银弹。

❓

Q&A

为什么 OpenAI Codex 没有用 Docker 容器来隔离 Agent,而是选择操作系统原生沙箱?

因为 Agent 需要直接使用开发者真实的本地开发环境,包括特定工具链、本地数据库、私有证书以及 Xcode 模拟器等。如果放进 Docker 容器,就需要迁移工具链、同步环境,而且像 iOS 开发这类任务无法在容器内直接运行 macOS 原生工具,若调用宿主机又会产生新的安全约束问题。因此 Codex 选择利用各操作系统原生安全机制,在保留真实环境的同时限制进程权限。

Codex 沙箱默认的 :workspace 权限配置具体允许和禁止哪些操作?

默认 :workspace 允许 Agent 在工作区内读取和修改源代码,但会保护 .git 和 .codex 等关键目录,防止植入 Git Hooks 恶意脚本或篡改 Agent 自身权限配置。同时允许较广泛地读取工作区之外的文件,以兼容编译器、SDK 和系统库,但网络访问默认关闭。

Codex 沙箱如何防止模型自己给自己批准更高权限?

Codex 将权限申请与权限授予彻底分离。模型只能通过 use_default、with_additional_permissions 或 require_escalated 等模式表达操作意图和申请额外权限,但最终是否批准由 Harness 根据用户设置决定,必要时向用户展示审批请求。模型不能自行批准提权,命令也不会因为模型提出请求而自动获得更高权限。

MCP Server 在 Codex 中是否自动继承沙箱限制?应该怎么配置才安全?

Codex Harness 不会自动对 stdio MCP Server 的启动命令施加默认沙箱限制,因为无法可靠推断每个 MCP Server 需要访问哪些文件和网络。如果不做额外处理,MCP Server 可能拥有过大权限。解决方案是使用 codex sandbox 命令为 MCP Server 单独指定权限配置,例如限制文件读写范围并禁止网络访问,再用该配置包装原来的启动命令。

Codex 在 Linux 上用什么技术实现沙箱隔离?各自负责什么?

Linux 上 Codex 组合使用 Bubblewrap 和 seccomp-bpf。Bubblewrap 通过 Mount Namespace 等机制负责文件系统和命名空间隔离,创建独立的文件系统视图;seccomp-bpf 负责过滤进程能够执行的系统调用,例如在网络禁用时禁止 connect、bind 等调用。此外还使用 no_new_privs 标志防止进程通过 setuid 等方式提权,且该标志会被子进程继承。

Codex 沙箱能完全保证 Agent 的行为安全吗?还有哪些风险需要额外防护?

不能。沙箱解决的是“能不能做”,而不是“做得对不对”。它无法保证 Agent 行为符合用户意图,例如被恶意提示词诱导修改工作区内的正常代码。此外,本地环境本身也可能成为攻击面,比如 Agent 修改 node_modules/prettier 植入恶意代码,之后在编辑器环境中执行。网络代理的域名白名单也不是完整的数据防泄漏系统,可能被 DNS 隧道等方式绕过。因此还需要模型对齐、代码审查、人工审批、依赖完整性检查以及企业级权限治理等纵深防御措施。

🏷️

标签

➡️

继续阅读