Licenciar o YOLO
Voltar ao glossário da Ultralytics

Agent Sandboxing

O isolamento de agentes executa os comandos e o código gerado por um agente de IA num ambiente isolado que limita o acesso a ficheiros, à rede, às credenciais e aos recursos computacionais.

O sandboxing de agentes consiste em executar as ações de um agente de IA, como comandos de shell, código gerado, edições de ficheiros e navegação na Web, num ambiente isolado que limita os ficheiros, redes, credenciais e recursos computacionais a que essas ações podem aceder. Um agente baseado num grande modelo de linguagem (LLM) escolhe cada comando a partir do texto que leu, e esse texto pode estar errado ou ser malicioso. O sandbox impõe os seus limites no sistema operativo ou no hipervisor, mantendo-os mesmo quando o modelo segue uma injeção de prompt oculta numa página Web ou num README, ou simplesmente comete um erro.

Porque é que os agentes precisam de sandboxes#

A invocação de funções e utilização de ferramentas transforma o texto de um modelo em ações reais, pelo que um agente capaz de executar comandos de shell também pode apagar ficheiros, ler chaves SSH ou carregar código-fonte. A folha de referência de segurança de agentes de IA da OWASP inclui entre as práticas a evitar permitir que agentes executem código arbitrário sem sandboxing, e o OWASP Top 10 for Agentic Applications, publicado em dezembro de 2025, identifica a execução inesperada de código como um dos dez principais riscos dos sistemas agênticos. Os sandboxes também tornam os agentes mais fáceis de usar: pedir a uma pessoa que aprove cada comando provoca fadiga de aprovação, e a Anthropic descobriu que o sandboxing do Claude Code reduziu os pedidos de permissão em 84% na sua utilização interna, porque os comandos que permanecem dentro dos limites já não precisam de pedir autorização.

O que um sandbox restringe#

Um sandbox para um agente controla normalmente cinco aspetos:

  • Sistema de ficheiros: O agente vê um espaço de trabalho temporário ou um único repositório, muitas vezes numa imagem base só de leitura, e não pode ler credenciais, perfis de navegador nem outros projetos.
  • Rede: O tráfego de saída é bloqueado ou encaminhado através de um proxy que permite apenas domínios listados, como um registo de pacotes, para que um agente sequestrado não possa enviar dados para o servidor de um atacante.
  • Credenciais: Os segredos permanecem fora do sandbox ou são fornecidos como tokens de curta duração limitados a uma tarefa, seguindo o princípio do menor privilégio da segurança dos dados.
  • Computação: Os limites de tempo de CPU, memória, número de processos e tempo de execução impedem ciclos descontrolados e bombas de bifurcação.
  • Chamadas de sistema: Filtros como o seccomp bloqueiam interfaces do kernel de que as ferramentas do agente nunca precisam.

A força do isolamento depende da localização do limite. Os contentores Docker partilham o kernel do anfitrião, pelo que uma exploração do kernel pode escapar deles. O gVisor acrescenta um kernel em espaço de utilizador que interceta as chamadas de sistema de cada contentor, e microVMs como o Firecracker, criado pela AWS para o Lambda, dão a cada sandbox o seu próprio kernel mínimo, arrancando em menos de 125 ms e com menos de 5 MiB de sobrecarga de memória. Os interpretadores de código alojados e os agentes de programação na nuvem executam normalmente cada tarefa num contentor ou microVM novo, que é destruído depois. Nas máquinas dos desenvolvedores, o sandbox do Claude Code usa o Seatbelt no macOS e o bubblewrap no Linux, permite que os comandos de shell escrevam apenas no diretório de trabalho e num diretório temporário, e encaminha o tráfego de rede através de um proxy que verifica cada anfitrião com uma lista de permissões.

O sandbox é uma camada do arnês do agente, o software que executa as chamadas de ferramentas do modelo. O arnês verifica cada ação proposta face à política, executa as ações permitidas dentro do sandbox e interrompe o processo para pedir a uma pessoa que aprove ações irreversíveis, como pagamentos, implementações ou mensagens enviadas para fora da organização:

Sandboxing de código gerado#

Os agentes que escrevem e executam código, desde assistentes de análise de dados a ferramentas de programação agêntica, precisam dos limites mais rigorosos, porque o código gerado pode fazer tudo o que o interpretador permite. A camada mais interna é o isolamento normal de processos, que a biblioteca padrão do Python pode demonstrar: este script executa código escrito pelo modelo num diretório descartável, com um ambiente vazio e um limite de tempo de CPU definido através do módulo resource (Linux e macOS).

import os
import resource
import subprocess
import sys
import tempfile

os.environ["API_KEY"] = "sk-live-123"  # Um segredo guardado pelo próprio processo do agente

# Código escrito pelo modelo: lê o ambiente e depois entra num ciclo infinito
generated = "import os\nprint('API_KEY =', os.environ.get('API_KEY'), flush=True)\nwhile True: pass"


def limit_cpu():
    """Stop the child process after 2 seconds of CPU time."""
    resource.setrlimit(resource.RLIMIT_CPU, (2, 2))


# Executa-o em modo isolado, num diretório descartável e com um ambiente vazio
cmd = [sys.executable, "-I", "-c", generated]
with tempfile.TemporaryDirectory() as workspace:
    proc = subprocess.run(cmd, cwd=workspace, env={}, capture_output=True, text=True, preexec_fn=limit_cpu)

print(proc.stdout.strip())
print("exit code:", proc.returncode)

O processo filho imprime API_KEY = None, porque começa com um ambiente vazio e não consegue ver o segredo do processo principal, e termina com o código -24, o que significa que o kernel o encerrou com SIGXCPU quando o ciclo infinito atingiu o limite de CPU de 2 segundos. Um contentor ou uma microVM acrescenta a este processo os limites do sistema de ficheiros e da rede.

  • Proteções de IA: Classificadores e regras que filtram entradas, saídas ou ações propostas antes de serem executadas. O sandbox contém as consequências de uma ação depois de uma proteção a deixar passar.
  • Permissões: O controlo de acesso determina que ferramentas e recursos um agente pode usar. O sandboxing aplica essas decisões ao nível do sistema operativo, abaixo de qualquer verificação que o modelo pudesse contornar com conversa.
  • Contentorização: Empacotar software e dependências para permitir uma implementação reproduzível. Um contentor funciona como sandbox quando é executado sem privilégios, com montagens restritas e regras de tráfego de saída.
  • Sandboxes de teste: Cópias não destinadas a produção de um sistema, onde o software é experimentado com segurança. Os sandboxes de agentes envolvem todas as ações de um agente, tanto em produção como durante o desenvolvimento.

Onde são usados os sandboxes de agentes#

  • Agentes de programação: Cada tarefa recebe um contentor ou uma máquina virtual novos com um único repositório, onde o agente instala dependências, executa testes e devolve um diff para revisão humana.
  • Agentes que usam computadores: Os agentes que controlam um computador de secretária ou navegador através de capturas de ecrã e cliques são executados numa máquina virtual com contas próprias, pois qualquer página que vejam pode conter instruções dirigidas a eles.
  • Interpretadores de código: Os assistentes que analisam folhas de cálculo ou imagens carregadas executam o seu código Python num sandbox por sessão, muitas vezes sem acesso à Internet.
  • Servidores MCP e competências de agentes: As ferramentas de terceiros e os scripts de competências são executados com as credenciais do utilizador, pelo que os anfitriões cuidadosos iniciam servidores e scripts locais dentro dos mesmos limites que o shell do agente.

As plataformas de agentes alojadas aplicam os mesmos limites aos seus próprios fluxos de trabalho. Os agentes da Ultralytics Platform, que encadeiam a deteção YOLO26, modelos de visão e linguagem e blocos de alertas, limitam cada execução experimental partilhada a 60 segundos, 20 imagens de entrada e 20 chamadas a modelos ou fornecedores; o respetivo bloco Webhook publica apenas em URLs HTTPS públicas, não segue redirecionamentos e termina a execução após 5 segundos.

Explore as soluções

Visão computacional no desporto

Visão computacional no desporto

Descubra como o Ultralytics YOLO impulsiona a visão computacional no esporte com rastreamento de jogadores e bolas, análise de desempenho, insights para treinadores e reabilitação de atletas.
Saiba mais
Visão computacional para imagens aéreas

Visão computacional para imagens aéreas

Transforma imagens de drones e aéreas em informações em tempo real para a agricultura, a aquacultura, a conservação e a análise geoespacial com Ultralytics YOLO.
Saiba mais
Visão computacional no setor aeroespacial

Visão computacional no setor aeroespacial

Aplica visão computacional na indústria aeroespacial com Ultralytics YOLO para inspecionar aeronaves, detetar objetos estranhos na pista (FOD), apoiar operações aeroportuárias em terra e detetar defeitos em materiais compósitos.
Saiba mais
Visão computacional na segurança

Visão computacional na segurança

Protege todas as instalações com os modelos Ultralytics YOLO. A IA visual permite monitorizar perímetros, detetar ameaças, reconhecer matrículas e melhorar a segurança no local de trabalho.
Saiba mais
Visão computacional na robótica

Visão computacional na robótica

Potencia máquinas mais inteligentes com os modelos Ultralytics YOLO. A IA visual na robótica permite navegação autónoma, perceção, rastreamento de objetos e controlo em tempo real.
Saiba mais
Visão computacional na logística

Visão computacional na logística

Otimize a logística com os modelos Ultralytics YOLO. A IA de visão permite inspecionar pacotes, fazer triagem, rastrear veículos e monitorar a segurança em tempo real nos armazéns.
Saiba mais
Visão computacional no varejo

Visão computacional no varejo

Reinvente o varejo com os modelos Ultralytics YOLO. A IA de visão permite rastrear o estoque, monitorar prateleiras, gerenciar filas e obter insights mais inteligentes sobre clientes.
Saiba mais
Visão computacional na área da saúde

Visão computacional na área da saúde

Desenvolva soluções de saúde com os modelos Ultralytics YOLO. A IA de visão na área da saúde permite obter imagens médicas mais rapidamente, diagnósticos mais inteligentes e monitoramento de pacientes.
Saiba mais
Visão computacional na manufatura

Visão computacional na manufatura

Otimize a manufatura com modelos Ultralytics YOLO. A IA visual impulsiona o controle de qualidade, a detecção de defeitos, a conformidade com o uso de EPI e a automação da linha de montagem.
Saiba mais
Visão computacional no setor automotivo

Visão computacional no setor automotivo

Aplique visão computacional no setor automotivo com modelos Ultralytics YOLO. A IA visual aumenta a segurança viária, aprimora a assistência ao condutor e viabiliza a automação de veículos para estradas mais inteligentes.
Saiba mais
Visão computacional na agricultura

Visão computacional na agricultura

Leve a IA de visão à agricultura inteligente com os modelos Ultralytics YOLO. Aprimore o monitoramento de plantações, o rastreamento de animais e a agricultura de precisão para obter safras maiores e mais inteligentes.
Saiba mais

Vamos construir juntos o futuro da IA!

Comece sua jornada rumo ao futuro do aprendizado de máquina