E2B

GitHub
11.6k 834 简单 1 次阅读 今天Apache-2.0Agent语言模型开发框架图像
AI 解读 由 AI 自动生成,仅供参考

E2B 是一款开源的基础设施平台,专为在云端安全运行 AI 生成的代码而设计。它通过提供隔离的“沙盒”环境,有效解决了大模型代理(Agents)在执行代码时可能带来的安全风险与环境污染问题,让开发者无需担心恶意代码破坏系统或依赖冲突。

无论是构建智能编程助手、数据分析机器人,还是开发需要实时执行代码的企业级应用,E2B 都能让 AI 安全地调用真实世界的工具。它特别适合后端开发者、AI 工程师及研究人员使用,帮助他们在项目中轻松集成代码执行能力。

E2B 的技术亮点在于其极简的集成体验:只需几行 Python 或 JavaScript 代码,即可瞬间启动一个云端沙盒并运行命令或解释执行代码片段。此外,它不仅支持托管服务,还允许用户基于 Terraform 在 AWS、Google Cloud 等主流云平台上自行部署基础设施,满足企业对数据隐私和合规性的高阶需求。配合丰富的示例库(Cookbook),用户可以快速上手,将创意转化为具备实际执行力的 AI 应用。

使用场景

某金融科技公司正在开发一款智能投顾助手,需要让 AI 根据用户指令实时编写并执行 Python 代码来分析股票历史数据、计算风险指标并生成可视化图表。

没有 E2B 时

  • 安全风险极高:直接在服务器或本地容器运行 AI 生成的代码,一旦代码包含恶意指令(如删除文件、窃取密钥),整个生产环境将面临瘫痪风险。
  • 环境配置繁琐:每次分析不同金融模型需预装特定的库(如 pandas, numpy, ta-lib),维护多个隔离环境的成本高昂且容易冲突。
  • 资源清理困难:临时运行的分析任务结束后,残留的进程和文件难以自动彻底清除,长期积累导致服务器资源泄漏。
  • 执行不可控:缺乏对代码执行时长和内存使用的精细限制,复杂的死循环代码可能拖垮主服务响应速度。

使用 E2B 后

  • 原生安全隔离:E2B 为每次 AI 代码执行提供独立的云端沙箱,即使代码试图攻击系统,也仅局限在瞬时沙箱内,无法触及核心基础设施。
  • 开箱即用环境:内置丰富的数据分析工具链,AI 可直接调用预装库进行复杂计算,无需团队预先定制和维护 Docker 镜像。
  • 自动生命周期管理:任务完成后沙箱自动销毁,确保无任何残留文件或进程,实现了真正的“用完即走”,彻底杜绝资源泄漏。
  • 可控的执行边界:天然支持对代码运行的时间和资源进行严格配额限制,确保即便遇到低效代码也不会影响主业务的稳定性。

E2B 通过将不可信的 AI 代码执行转化为安全、瞬时且标准化的云端沙箱操作,让企业能够放心地赋予 AI 代理真实的代码执行能力。

运行环境要求

操作系统
  • 未说明 (基于云端的沙箱环境,本地仅需支持 Node.js 或 Python 的操作系统)
GPU

未说明 (计算在云端沙箱中执行,本地无 GPU 需求)

内存

未说明 (本地内存需求取决于 SDK 运行开销,云端资源由服务提供)

依赖
notesE2B 是一个云端基础设施,代码在远程隔离沙箱中运行,而非本地。用户只需安装 Python 或 JavaScript SDK 并配置 E2B_API_KEY 环境变量即可使用。若需自建托管(Self-hosting),支持 AWS 和 Google Cloud (GCP),通过 Terraform 部署;Azure 和本地 Linux 机器目前尚未支持。
python未说明 (需安装 pip 以使用 e2b 或 e2b-code-interpreter 包)
e2b
e2b-code-interpreter
E2B hero image

快速开始

E2B SDK 预览 E2B SDK 预览

过去一个月 Python SDK 的下载量 过去一个月 JavaScript SDK 的下载量

什么是 E2B?

E2B 是一个开源基础设施,允许你在云端的安全隔离沙箱中运行由 AI 生成的代码。要启动和控制沙箱,请使用我们的 JavaScript SDKPython SDK

运行你的第一个沙箱

1. 安装 SDK

JavaScript / TypeScript

npm i e2b

Python

pip install e2b

2. 获取你的 E2B API 密钥

  1. 这里 注册 E2B。
  2. 这里 获取你的 API 密钥。
  3. 设置包含你的 API 密钥的环境变量:
E2B_API_KEY=e2b_***

3. 启动一个沙箱并运行命令

JavaScript / TypeScript

import Sandbox from 'e2b'

const sandbox = await Sandbox.create()
const result = await sandbox.commands.run('echo "Hello from E2B!"')
console.log(result.stdout) // Hello from E2B!

Python

from e2b import Sandbox

with Sandbox.create() as sandbox:
    result = sandbox.commands.run('echo "Hello from E2B!"')
    print(result.stdout)  # Hello from E2B!

4. 使用代码解释器执行代码

如果你需要使用 runCode()/run_code() 来执行代码,可以安装 代码解释器 SDK

npm i @e2b/code-interpreter  # JavaScript/TypeScript
pip install e2b-code-interpreter  # Python
import { Sandbox } from '@e2b/code-interpreter'

const sandbox = await Sandbox.create()
const execution = await sandbox.runCode('x = 1; x += 1; x')
console.log(execution.text)  // 输出 2

5. 查看文档

访问 E2B 文档

6. E2B 烹饪书

访问我们的 烹饪书,获取使用不同 LLM 和 AI 框架的示例灵感。

自托管

阅读 自托管指南,了解如何在你自己的环境中搭建 E2B 基础设施。该基础设施使用 Terraform 部署。

支持的云服务提供商:

  • 🟢 AWS
  • 🟢 Google Cloud (GCP)
  • Azure
  • 通用 Linux 服务器

版本历史

@e2b/python-sdk@2.20.02026/04/02
e2b@2.19.02026/04/02
@e2b/python-sdk@2.19.02026/03/26
e2b@2.18.02026/03/26
e2b@2.17.02026/03/25
@e2b/python-sdk@2.18.02026/03/25
@e2b/cli@2.9.02026/03/23
e2b@2.16.02026/03/23
@e2b/python-sdk@2.17.02026/03/23
@e2b/python-sdk@2.16.02026/03/23
e2b@2.15.02026/03/23
@e2b/cli@2.8.22026/03/23
@e2b/python-sdk@2.15.32026/03/18
@e2b/python-sdk@2.15.22026/03/09
@e2b/cli@2.8.12026/03/09
@e2b/python-sdk@2.15.12026/03/06
e2b@2.14.12026/03/06
e2b@2.14.02026/03/04
@e2b/python-sdk@2.15.02026/03/04
e2b@2.13.12026/03/04

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|3天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|4天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

146.8k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.1k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|2天前
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|3天前
语言模型图像Agent