AgentEnv 接入 Vercel 沙箱评测环境

Scale AI 的 AgentEnv 已能在 Vercel Sandbox 上运行，接入它的 Vercel provider 需要 AgentEnv 0.9.1334 或更高版本。这个框架负责让 agent 执行任务，再对结果评分；Vercel Sandbox 则提供运行 agent 和任务环境的独立沙箱。

这是一则接入公告，能帮你找到评测入口，但没有展示具体评分、性能对比或成本数据。对正在开发 AI agent 的程序员，值得关注的是：如何把一次运行变成可以检查分数和动作记录的评测。

agent 和任务环境分别放在哪里

这次接入明确给出的运行方式是：agent 和它要操作的任务环境，分别运行在独立的 Vercel Sandbox 中。

可以把它理解成两个运行空间，一个放执行任务的 agent，另一个放被操作的环境。原文没有继续解释两者如何通信，也没有说明网络权限、文件交换或生命周期如何配置，不能仅凭「分开运行」就推断完整的隔离保障。

这里还要区分两部分的职责：AgentEnv 提供任务测试和结果评分框架，Vercel provider 把这套流程接到 Vercel Sandbox 上。接入运行环境，不等于评测方法已经得到验证。

跑通示例需要哪些条件

原文给出的入口是 AgentEnv example。先完成 setup guide，再进入克隆下来的仓库执行命令；这条命令会使用已有的 Vercel CLI 登录状态。

下面的命令用于在 Vercel Sandbox 上运行一次示例评测：

./vercel-eval --scope YOUR_TEAM --project YOUR_PROJECT

要注意唯一这一行里的两个占位符：YOUR_TEAM 替换成 Vercel team slug，YOUR_PROJECT 替换成已有的项目名称。原文没有说命令会替你创建项目。

版本条件也不能漏：Vercel provider 随 AgentEnv 0.9.1334 及后续版本提供。公告没有列出其他依赖要求，因此这段命令应当视为完成配置后的启动步骤，不能当成完整安装教程。

分数和动作记录各能告诉你什么

示例运行后，可以检查任务得分，以及 agent 被记录下来的动作。这是公告里最有实际价值的两个输出。

分数用于查看这次任务的评分结果；动作记录则让你进一步检查 agent 执行了哪些操作。只看结果，很难判断执行过程是否符合预期，两者结合才有更多排查依据。

不过，原文没有提供评分规则、示例分数，也没有展示动作记录的具体格式。它宣布了可用的评测入口，没有证明某个 agent 更强，也没有证明评测结果具备怎样的稳定性。

我的判断

我认可把任务评分和动作记录放进同一条评测流程的方向。对于 agent 开发，保留执行过程有助于理解失败，单独一个最终答案提供的信息有限。

但这篇公告不足以支持「比自建评测脚本更好」的判断。它没有给出对照实验，也没有交代成本、耗时和任务覆盖范围。已有 Vercel 团队、项目和 CLI 登录的开发者，可以顺着示例验证接入；其他团队是否值得迁移，还需要补齐这些信息。这里连作者实测的具体结果都没有，不宜替产品背书。

能拿来做什么

• 如果准备试用这个 provider，先确认 AgentEnv 版本达到 0.9.1334，并完成示例的 setup guide，再执行评测命令。
• 运行时使用自己的 team slug 和已有项目名，避免把 YOUR_TEAM、YOUR_PROJECT 当成可直接执行的真实配置。
• 检查结果时同时查看任务分数和动作记录；准备纳入日常 AI 编程评测前，再核对评分规则是否符合自己的任务目标。