代码执行

许多智能体任务（例如财务计算和数据科学工作流）都需要智能体生成和执行代码。借助代码执行，您的代理可以在安全、隔离且受管理的沙盒环境中运行代码。

Code Execution功能包括：

  • 沙盒可以在不到一秒的时间内创建完毕并执行代码。

  • 沙盒支持文件输入和输出，整个请求或响应的大小上限为 100 MB。

  • 沙盒最多可将执行状态（内存）保留 14 天。此存留时间 (TTL) 设置是可配置的。

您无需将代理部署到 Agent Platform 即可使用 Code Execution。您的代理可以运行在任何位置，甚至本地。

Code Execution适用于任何代理框架和任何生成模型。

以下是使用Code Execution沙盒的主要操作：

  • 创建沙盒：创建一个安全、隔离的空间来运行不受信任或可能有害的代码。这种隔离可防止代码触及系统资源、文件或网络，从而降低安全风险。当您需要安全地运行代码时（例如，对于数据科学代理、编排脚本或在开发测试期间），沙盒至关重要。沙盒提供有限的文件系统，并且无法访问网络。

  • 获取沙盒：显示特定 Code Execution 沙盒的配置和状态。您可以查看详细信息，例如其当前状态（例如，正在运行或已停止）和存留时间 (TTL)。这样，您就可以在运行代码之前或之后跟踪沙盒并验证其状态。

  • 列出沙盒：列出项目中的所有Code Execution沙盒。您可以按沙盒状态或类型等条件过滤结果。 这有助于检查、监控和管理项目中的多个沙盒。

  • 执行代码：将您的代码以及任何必需的输入文件发送到沙盒以进行安全执行。响应包括结果，例如标准输出 (stdout)、标准错误 (stderr) 和代码生成的任何文件。沙盒还可以维护状态，从而允许后续 Execute Code 调用基于之前的调用进行构建。这对于交互式会话或需要环境在多次代码运行中保持状态的复杂任务至关重要。

受支持的库

代码执行沙盒包含以下按使用情形分类的库。您无法在沙盒环境中安装自己的库。

数据科学和机器学习

此部分包含数据分析、处理、机器学习和数值计算所需的基本库。

核心数据处理和数值

  • numpy (2.1.3)：Python 中用于数值计算的基础软件包，可为大型多维数组和矩阵提供支持，同时还提供大量用于处理这些数组的高级数学函数。
  • pandas (2.2.3)：强大的数据分析和处理库，提供 DataFrame 和 Series 等数据结构来处理结构化数据。
  • scipy (1.15.2)：面向数学、科学和工程领域的开源软件生态系统。它基于 NumPy 构建，并提供了大量用户友好且高效的数值例程。
  • pyarrow (18.1.0)：用于内存中数据的跨语言开发平台。它对于高效处理数据和实现系统之间的互操作性特别有用。
  • numexpr (2.14.1)：适用于 NumPy 的快速数值表达式评估器，可优化数组运算。
  • narwhals (2.19.0)：提供了一种编写可在多个 DataFrame 库（如 pandas 和 Polars）上运行的代码的方法。

机器学习框架

  • scikit-learn (1.6.1)：基于 NumPy、SciPy 和 matplotlib 构建的简单高效的数据挖掘和数据分析工具。
  • tensorflow (2.20.0)：一个端到端开源机器学习平台。
  • keras (3.14.0)：高级神经网络 API，以 Python 编写，能够在 TensorFlow、CNTK 或 Theano 之上运行。
  • xgboost (3.2.0)：经过优化的分布式梯度提升库，具有高效、灵活且可移植的特点。
  • thinc (8.3.13)：一个轻量级深度学习库，提供优雅、经过类型检查的函数式编程 API，用于组合模型。

自然语言处理 (NLP)

  • nltk (3.9.1)：用于构建 Python 程序以处理人类语言数据的领先平台。
  • spacy (3.8.14)：用于在 Python 和 Cython 中进行高级自然语言处理的库。
  • spacy-legacy (3.0.12)：spaCy 的旧版组件。
  • spacy-loggers (1.0.5)：用于 spaCy 项目的日志记录实用程序。
  • textblob (0.19.0)：简化的文本处理库，可为常见的 NLP 任务提供简单的 API。
  • catalogue (2.0.10)：用于函数注册的小型库，通常用于 NLP 流水线。
  • confection (1.3.3)：配置系统，通常与 spaCy 搭配使用。
  • cymem (2.0.13)：用于 Cython 的内存管理，由 spaCy 使用。
  • murmurhash (1.0.15)：spaCy 使用的 MurmurHash 的 Cython 绑定。
  • preshed (3.0.13)：spaCy 使用的 Cython 哈希表和 Bloom 过滤器。
  • srsly (2.5.3)：适用于 Python 的现代高性能序列化实用程序。
  • wasabi (1.1.3)：轻量级控制台打印和格式设置实用程序。
  • weasel (1.0.0)：spaCy 项目的命令行界面。

科学计算和符号计算

  • mpmath (1.3.0)：用于进行任意精度实数和复数浮点运算的 Python 库。
  • sympy (1.13.3)：用于符号数学的 Python 库。
  • networkx (3.6.1)：用于创建、操纵和研究复杂网络的结构、动态和功能的软件包。

效果和优化

  • numba (0.64.0)：Python 的即时编译器，可将部分 Python 和 NumPy 代码转换为快速的机器代码。
  • llvmlite (0.46.0)：用于 Numba 的轻量级 LLVM Python 绑定。
  • blis (1.3.3)：类似 BLAS 的线性代数库，通常是数值软件包的依赖项。
  • opt_einsum (3.4.0)：优化 NumPy、TensorFlow 和其他数组库中的 einsum 表达式。
  • optree (0.19.0)：JAX 中经过优化的 PyTree 操作。
  • nvidia-nccl-cu12 (2.29.7)：NVIDIA 集体通信库，用于多 GPU 通信。

统计建模

  • statsmodels (0.14.6)：提供用于估计许多不同统计模型以及进行统计检验和统计数据探索的类和函数。
  • patsy (1.0.2)：一个用于描述统计模型和构建设计矩阵的 Python 库。

运筹学

  • ortools (9.14.6206)：Google 优化工具，一套用于组合优化的工具。

可视化

用于创建静态、动画和互动式可视化图表的库。

  • matplotlib (3.10.1)：用于在 Python 中创建静态、动画和交互式可视化的综合库。
  • matplotlib-inline (0.2.1)：用于在 Jupyter 笔记本中嵌入 matplotlib 图表的后端。
  • matplotlib-venn (1.1.2)：用于绘制韦恩图的库。
  • seaborn (0.13.2)：基于 matplotlib 的统计数据可视化库。它提供了一个高级接口，用于绘制美观且信息丰富的统计图形。
  • plotly (6.1.2)：交互式图表库，可让您轻松在线和离线创建精美的出版级图表。
  • bokeh (3.8.2)：面向现代 Web 浏览器的交互式可视化图表库，用于演示。
  • mizani (0.13.5)：受 ggplot2 启发的 Python 图形缩放。
  • contourpy (1.3.1)：提供等高线生成算法。
  • cycler (0.12.1)：用于 matplotlib 的可组合样式循环。
  • fonttools (4.62.1)：用于处理字体的库。
  • kiwisolver (1.5.0)：Cassowary 约束求解算法的高效 C++ 实现。

图片和视频处理

用于处理图片和视频数据的库。

  • opencv-python (4.11.0.86)：OpenCV 的 Python 绑定，这是一个主要面向实时计算机视觉的编程函数库。
  • pillow (11.1.0)：Python Imaging Library (PIL) 的友好分支，添加了对打开、处理和保存多种不同图像文件格式的支持。
  • imageio (2.37.0)：用于读取和写入各种图像数据（包括动画图像、视频和体积数据）的库。
  • scikit-image (0.25.2)：用于图像处理的算法集合。
  • tifffile (2026.4.11)：读取和写入 TIFF 文件。

文件处理和 I/O

用于读取、写入和处理各种文件格式的库。

Excel

  • openpyxl (3.1.5)：用于读取/写入 Excel 2010 xlsx/xlsm/xltx/xltm 文件的库。
  • xlrd (2.0.1)：供开发者从 Microsoft Excel (tm) 电子表格文件中提取数据的库。
  • XlsxWriter (3.2.0)：用于创建 XLSX 格式的 Excel 文件的模块。

PDF

  • PyPDF2 (3.0.1)：纯 Python PDF 库，能够拆分、合并、裁剪和转换 PDF 文件的页面。
  • fpdf (1.7.2)：用于生成 PDF 的简单库。
  • reportlab (4.3.1)：用于创建 PDF 的强大库。
  • PyLaTeX (1.4.2)：用于创建和编译 LaTeX 文件的库。

Word

  • python-docx (1.1.2)：用于创建和更新 Microsoft Word (.docx) 文件的库。

PowerPoint

  • python-pptx (1.0.2)：用于创建和更新 PowerPoint (.pptx) 文件的库。

XML/HTML

  • lxml (5.3.1)：功能丰富且易于使用的 XML 和 HTML 处理库。
  • et_xmlfile (2.0.0)：用于创建大型 XML 文件的低内存库。

Markdown

  • Markdown (3.10.2)：John Gruber 的 Markdown 的 Python 实现。
  • markdown-it-py (4.0.0)：正确的 Markdown 解析器。完全支持 CommonMark。
  • mdurl (0.1.2)：Markdown 的网址实用程序。

YAML

  • PyYAML (6.0.3)：适用于 Python 的 YAML 解析器和发射器。

RTF

  • striprtf (0.0.28)：用于从 RTF 文档中提取纯文本的库。

常规文件 I/O

  • h5py (3.16.0)：HDF5 二进制数据格式的 Python 式接口。
  • smart_open (7.6.0)：用于流式传输大型文件（S3、HDFS、GCS 等）的实用程序。
  • cloudpathlib (0.23.0)：适用于云存储的 pathlib 样式类。

网络和联网

用于 Web 请求、服务器开发和网络通信的库。

  • requests (2.33.1)：适用于 Python 的优雅而简单的 HTTP 库，专为人类打造。
  • httpx (0.28.1)：功能全面的 Python HTTP 客户端，支持 HTTP/1.1 和 HTTP/2，并具备异步功能。
  • httpcore (1.0.9)：低级 HTTP 客户端，构成 HTTPX 的核心。
  • urllib3 (2.6.3)：功能强大且易于使用的 Python HTTP 客户端。
  • grpcio (1.80.0)：Python gRPC（Google 远程过程调用）库。
  • h11 (0.16.0)：纯 Python HTTP/1.1 自带 I/O 实现。
  • idna (3.11)：支持应用中的国际化域名 (IDNA) 2008。
  • certifi (2026.2.25)：提供 Mozilla 精心挑选的根证书集合，用于验证 SSL 证书的可信度。
  • tornado (6.5.5)：Web 框架和异步网络库。
  • Werkzeug (3.1.8)：全面的 WSGI Web 应用库。
  • Jinja2 (3.1.6)：适用于 Python 的现代且对设计人员友好的模板语言。
  • MarkupSafe (3.0.3)：安全地将不受信任的字符串添加到 HTML/XML 标记中。

开发工具和实用程序

常规实用程序、用于构建应用的工具和开发辅助工具。

打包和分发

  • pip (24.2)：Python 的软件包安装程序。
  • setuptools (82.0.1)：用于打包 Python 项目的库。
  • wheel (0.46.3)：Python 的已构建软件包格式。
  • packaging (24.0)：Python 软件包的核心实用程序。

命令行界面 (CLI)

  • 点击 (8.3.2)：可组合的命令行界面创建工具包。
  • typer (0.24.1)：用于构建具有类型提示的 CLI 应用的库。
  • rich (15.0.0)：用于在终端中实现富文本和精美格式的库。
  • termcolor (3.3.0)：用于在终端中输出 ANSII 颜色格式。
  • tqdm (4.67.3)：适用于 Python 和 CLI 的快速、可扩展的进度条。
  • shellingham (1.5.4)：用于检测用户 shell 的工具。

数据验证和架构

  • pydantic (2.13.1)：使用 Python 类型注释进行数据验证和设置管理。
  • pydantic_core (2.46.1)：Pydantic 的核心验证逻辑。
  • annotated-types (0.7.0)：用于函数实参、变量和数据类字段的可重复使用的约束类型。
  • jsonschema (4.23.0)：适用于 Python 的 JSON 架构实现。
  • jsonschema-specifications (2024.10.1)：JSON 架构元架构和词汇。
  • 引用 (0.37.0)：JSON 引用解析。

序列化

  • protobuf (6.31.1)：Google 的 Protocol Buffers。
  • flatbuffers (2019 年 12 月 25 日)：高效的跨平台序列化库。

并发和并行

  • anyio (4.13.0)：异步兼容性层，可让您编写适用于不同异步事件循环的异步代码。
  • joblib (1.4.2)：轻量级流水线：用于将 Python 函数作为流水线运行的工具。
  • threadpoolctl (3.6.0)：用于控制常用库线程池中所用线程数的 Python 接口。

解析

  • pyparsing (3.2.1)：一种创建和执行简单语法的替代方法，与标准的 lex/yacc 方法相比。
  • astunparse (1.6.3)：Python 抽象语法树的反解析器。

低级和外部函数接口 (FFI)

  • libclang (18.1.1)：Clang Python 绑定。

日期和时间

  • python-dateutil (2.9.0.post0)：标准 datetime 模块的扩展。
  • pytz (2025.2)：世界时区定义，包括现代和历史时区。
  • tzdata (2025.3)：时区数据。

常规实用程序

  • attrs (25.3.0)：无需样板代码的类。
  • toolz (1.0.0)：适用于 Python 的功能性标准库。
  • six (1.17.0)：Python 2 和 3 兼容性实用程序。
  • wrapt (2.1.2)：用于装饰器、封装容器和 monkey patching 的模块。
  • immutabledict (4.3.1)：不可变字典。
  • ordered-set (4.1.0)：一种可变的数据结构，是列表和集合的混合体。
  • lazy-loader (0.5)：延迟导入 Python 模块。
  • google-pasta (0.2.0)：用于重构 Python 代码的库。
  • traitlets (5.14.3)：适用于 Python 应用的配置系统。
  • regex (2026.4.4)：替代正则表达式模块，用于替换 Python 的 re 模块。
  • chardet (7.4.3)：通用字符编码检测器。
  • charset-normalizer (3.4.7)：真正的首个通用字符集检测器。
  • typing_extensions (4.15.0)：针对 Python 3.7 及更高版本的向后移植和实验性类型提示。
  • typing-inspection (0.4.2)：在 Python 中对类型进行运行时检查。
  • Pygments (2.20.0)：Python 语法突出显示器。
  • ml_dtypes (0.5.4)：机器学习的 dtype。
  • rpds-py (0.30.0)：适用于 Python 的 Rust 持久性数据结构。
  • annotated-doc (0.0.4)：用于文档注解的库。
  • namex (0.1.0)：实用程序库。

调试和分析

  • tensorboard (2.20.0)：TensorFlow 的可视化工具包。
  • tensorboard-data-server (0.7.2)：TensorBoard 的数据服务器。

地理空间

专门用于处理地理空间数据的库。

  • geopandas (1.0.1)：扩展了 pandas 所用的数据类型，以允许对几何类型执行空间操作。
  • pyogrio (0.12.1)：针对地理空间矢量文件格式的矢量化 I/O。
  • pyproj (3.7.2)：PROJ（地图投影和坐标转换库）的 Python 接口。
  • shapely (2.1.2)：用于操控和分析平面几何对象的软件包。
  • xyzservices (2026.3.0)：XYZ 图块提供方的来源。

其他

  • chess (1.11.2)：一个纯 Python 国际象棋库，具有走棋生成和验证、PGN 解析和写入等功能。
  • gast (0.7.0)：一种通用的 AST 到 AST 转换器。

后续步骤