安全运行AI生成代码：E2B/Modal/Piston实战对比

当你让 LLM 写代码然后在实际环境中运行它的那一刻，你已经把一个决策交给了一个根本不知道你的 .env 文件里有什么的模型。一个只会聊天的 chatbot 生来就是安全的，而一个会自己执行 Python 来验证计算或绘制图表的就完全是另一回事了——必须有某个东西来决定这些代码可以在哪里运行。

大多数人的第一反应是 exec()，而这恰恰是错误的选择：exec() 运行在你自己的进程内部，它会带着你的环境变量和文件系统权限一起"搭车"。我在 DevToolLab 上写了一篇更详细的完整版教程，涵盖了 E2B、Modal 和 Piston——这是一个可以自托管的开源引擎，让你不用依赖任何一家供应商。下面的每一个代码片段都对照着通过 pip 实际安装的 SDK 版本验证过，而不是从某个营销页面上复制来的。

exec() 的问题，一句话说明

把模型生成的字符串直接塞进 exec()，它能读取你的进程能读取的任何东西：

model_output = """
import os
print(f"I can see {len(os.environ)} environment variables from this process.")
"""
exec(model_output)

在一台普通的笔记本上，这会打印出类似 I can see 61 environment variables from this process 的内容，而这个调用完全不需要任何提升的权限。它只是一个普通 Python 进程在读取自己的环境——这通常就是 API 密钥和各种密钥存放的地方。沙箱的存在就是为了给模型的代码提供一个独立的"废弃机器"，这样读取 os.environ 就什么有意义的东西都拿不到了。

E2B：专为这个场景打造的 microVM

E2B 将每个沙箱作为 Firecracker microVM 运行，这就是 AWS 为 Lambda 构建的同款虚拟化技术。安装 code interpreter SDK，从 E2B 仪表盘获取一个 API key，然后导出为 E2B_API_KEY：

pip install e2b-code-interpreter

from e2b_code_interpreter import Sandbox

with Sandbox.create(timeout=60) as sandbox:
    execution = sandbox.run_code("data = [4, 8, 15, 16, 23, 42]\nprint(sum(data))")
    print(execution.text)

务必设置一个明确的超时时间。run_code() 返回的是一个 Execution 对象，而不是普通字符串，.text 属性用于获取打印结果，.results 用于获取更丰富的输出（如 matplotlib 生成的 PNG），.logs 用于获取 stdout/stderr，.error 用于获取结构化的异常（.name、.value、.traceback）而不是抛出一个 Python 异常。检查 .error 是这里的惯用做法，因为一个失败的代码片段并不是传输故障，而是 SDK 会正确报告回来的一个正常结果。

E2B 的 Hobby 层级免费，包含一次性 $100 的使用额度、20 个并发沙箱和一小时的会话时长。Pro 层级 $150/月，会话延长到 24 小时，并发数提升到 100。

Modal：用容器代替 microVM

Modal 走的是另一条路：Sandbox 是运行在 Modal 通用计算平台上的一个容器，所以如果你已经在用 Modal 部署函数，同样的镜像构建工具在这里也完全适用。

pip install modal
modal setup

modal setup 会打开一个浏览器并将 token 写入 ~/.modal.toml，不需要手动管理 API key。Modal 沙箱启动时处于空闲状态，没有入口点，你用 .exec() 在里面运行命令：

import modal

app = modal.App.lookup("demo", create_if_missing=True)
image = modal.Image.debian_slim(python_version="3.12")
sandbox = modal.Sandbox.create(image=image, app=app, timeout=60, block_network=True)

process = sandbox.exec("python", "-c", "print(sum([4, 8, 15, 16, 23, 42]))")
print(process.stdout.read())
sandbox.terminate()

如果你省略 timeout，Sandbox.create() 默认会使用 300 秒的超时时间；对于只需要计算而不需要对外调用的场景，block_network=True 值得明确设置。Modal 的 Starter 计划免费，包含 $30/月的额度且无空闲费用；Sandbox 的计费大约是标准按秒费率的 3 倍，因为它们是不可抢占的。

Piston：开源、自托管的选项

Piston 是一个真正开源（MIT 许可）的代码执行引擎，多年来一直为 Discord 上的代码机器人提供动力。它的公开演示 API 曾经可以免费调用，但截至 2026 年 2 月 15 日，execute 端点已改为白名单制，这一点已得到直接确认：

curl -s -X POST "https://emkc.org/api/v2/piston/execute" \
  -H "Content-Type: application/json" \
  -d '{"language":"python","version":"3.10.0","files":[{"name":"main.py","content":"print(1)"}]}'

返回的信息会引导你去自托管。好消息是 Piston 提供了一个现成的 Docker 镜像：

docker run --privileged -v $PWD:/piston -dit -p 2000:2000 --name piston_api ghcr.io/engineer-man/piston

运行起来之后，把请求发到你自己的主机而不是 emkc.org，使用完全相同的请求结构：

import requests
response = requests.post(
    "http://localhost:2000/api/v2/execute",
    json={"language": "python", "version": "3.10.0", "files": [{"name": "main.py", "content": "print('hi')"}]},
)
print(response.json()["run"]["stdout"])

Piston 用 isolate 为每次执行创建沙箱——这就是竞赛编程裁判使用的同款工具，但你需要自己负责修补主机和配置容器权限，这些是 E2B 和 Modal 作为服务价格一部分帮你吸收掉的工作。

如果你想最少地考虑基础设施问题，从 E2B 开始，它的 run_code() 模型是为这个场景量身打造的。如果你需要自定义镜像、挂载卷，或者你已经在 Modal 上部署，Modal 基于容器的 Sandbox 可以自然融入。如果你不需要任何供应商，Piston 自托管是真正的备选方案，代价是你需要自己运行它。无论你选哪一个，完整的 DevToolLab 指南包含了全部三个平台的完整代码以及精确的计费计算，DevToolLab 的 .env File Generator 可以快速帮你搭建一个存放 API key 的文件，而不用手工逐个输入。

比选哪个 SDK 更重要的模式是：始终设置明确的超时时间，始终检查结构化错误而不是靠猜，慎重决定沙箱是否获得网络访问权限，并在用完后始终将其销毁。

Building an AI Code Interpreter: E2B and Modal Sandboxes in Python - 原文、完整版指南

E2B code interpreter 文档

Modal Sandboxes 指南