15｜王牌超能力：代码解释器与无头浏览器

概述

为Agent装载三大王牌超能力：文件操作、代码解释器（Code Interpreter）和无头浏览器（Headless Browser），让Agent从”聊天机器人”升级为”数字白领”。

核心概念

1. 三大王牌超能力

能力	说明	核心价值
文件操作	读取、写入、局部编辑（Diff）	精准修改大文件，不复写全文
代码解释器	自主编写Python代码并执行	处理复杂数学、数据清洗、图表生成
无头浏览器	自主打开网页、点击、截图	无API时抓取数据、视觉分析

2. 安全风控：绝不能裸奔！

毁灭性风险：

幻觉生成rm -rf *，系统瞬间灰飞烟灭
Prompt Injection攻击，下载恶意脚本，沦为”肉鸡”

解决方案：沙盒（Sandbox）隔离技术

3. AIO-Sandbox架构

开源方案：AIO-Sandbox，利用Docker容器隔离出独立环境

沙盒特性：

Agent可在沙盒里肆意妄为写代码、装依赖、甚至搞崩溃系统
重启Docker容器即可恢复如初
通过MCP协议将沙盒工具暴露给外层Agent

沙盒工具库（33+工具）：

sandbox_browser_screenshot：屏幕截图
browser_click / browser_scroll：点击和滚动
browser_get_clickable_elements：获取可交互元素
sandbox_execute_code：执行Python/JS代码
sandbox_execute_bash：执行Shell命令
sandbox_file_operations：文件读写

4. 代码实战：阿里股票早报

任务：撰写基于真实数据的阿里巴巴港股早盘报告

Agent能力调度：

写Python代码调用Yahoo Finance获取K线数据
唤醒无头浏览器百度搜索最新舆情
结合量化分析与舆情计算输出

完整代码：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l10/m2l10_sandbox.py

quant_analyst = Agent(
    role="全能金融数据与舆情分析师",
    goal="使用代码抓取真实金融数据并进行量化分析，结合浏览器检索舆情，输出投资早报",
    backstory="精通Python和金融量化分析，需要数据时优先写代码抓取，需要舆情时熟练操作浏览器",
    mcp_servers=[MCPServerHTTP(url="http://localhost:8022")],  # 挂载沙盒
    llm=aliyun_llm,
)

关键要点

Bash is All You Need：Claude Code底层只有4个工具（read/write/edit/bash），但bash能完成任何任务
沙盒是必选项：绝不允许在宿主机上直接赋权Agent运行代码
工具优先级：代码调用API > 专业搜索工具 > 浏览器硬爬
预置依赖：Docker镜像中预装pandas/requests/bs4等，避免反复pip install
强模型要求：复杂代码逻辑和浏览器交互对模型智商要求极高，小参数模型会疯狂撞墙

实践示例

沙盒MCP挂载

from crewai.mcp import MCPServerHTTP
from crewai.mcp.filters import create_static_tool_filter

# 白名单过滤，只暴露需要的工具
SANDBOX_TOOL_FILTER = create_static_tool_filter(
    allowed_tool_names=[
        "sandbox_execute_bash",
        "sandbox_execute_code",
        "sandbox_file_operations",
        "sandbox_browser_screenshot",
        "browser_click",
        "browser_scroll",
    ]
)

sandbox_mcp = MCPServerHTTP(
    url="http://localhost:8022/mcp",
    tool_filter=SANDBOX_TOOL_FILTER,
)

复杂任务定义

task = Task(
    description="""
    作为阿里巴巴港股个人工作助理，完成早盘报告：
    1）使用沙盒的浏览器和代码执行能力，获取阿里港股最新行情和30日K线数据
    2）用Python在沙盒中进行量化分析（涨跌幅、K线形态、支撑位）
    3）通过浏览器检索阿里最新新闻资讯（百度搜索）
    4）整合分析与舆情，撰写可直接发送的分析报告
    """,
    expected_output="符合AlibabaMorningReport Pydantic模型的JSON数据",
    agent=quant_analyst,
)

常见问题/坑点

反模式	后果	解决方案
主机裸奔	rm -rf *或恶意脚本直接摧毁系统	必须用Docker沙盒隔离
stdout污染	代码夹杂Log或忘记print，Agent拿到乱码	清理输出，确保关键信息print到stdout
生吞HTML	直接把Raw HTML丢给模型，Token爆炸	用bs4解析提取关键信息
忽视异步渲染	SPA页面立即抓取，只能拿到loading空壳	等待页面加载完成再抓取
小模型硬上	规划复杂逻辑失败，疯狂报错	使用足够强的模型（Claude 3.5+/GPT-4+）

关联知识

14-MCP协议-标准化定义工具接口：MCP协议与沙盒集成
16-Skills生态-让Agent接入大量工具：Skills设计哲学
17-项目实战2-能力篇-XiaoPaw飞书本地工作助手：沙盒在真实项目中的应用

参考资源

沙盒工具列表：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l10/m2l10_mcp_tools.md
阿里股票实战代码：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l10/m2l10_sandbox.py
AIO-Sandbox项目：https://github.com/hughcrt/aio-sandbox

学习时间

课程时长：36:40
笔记整理：2026-04-10

状态

课程学习
沙盒环境搭建
代码解释器实践
无头浏览器抓取

下次复习日期

2026-04-17