标签：sandbox

连接的 MCP 工具一多，预先加载的工具定义和中间结果都会耗掉大量 token。把 MCP 服务器呈现为文件系统里的代码 API，让智能体写代码调用，就能按需发现工具、在执行环境里过滤数据、用代码表达控制流、保护隐私并保存可复用技能；代价是需要安全的代码执行环境。

• mcp
• code-execution
• token-efficiency
• progressive-disclosure
• agent-skills
• sandbox
• security

harness 编码了对模型能力的假设，这些假设会随模型升级过时。Managed Agents 借鉴操作系统虚拟化硬件的思路，把智能体拆成会话（只追加的事件日志）、harness（大脑）、沙箱（双手）三个稳定接口。解耦后各部分可替换，凭证不进沙箱，p50 首 token 延迟降约 60%、p95 降超过 90%。

• harness
• long-running-agents
• sandbox
• security
• infrastructure

频繁点“同意”会造成审批疲劳，反而不安全。Claude Code 用操作系统原语做沙箱：文件系统隔离（只写当前工作目录）加网络隔离（只经代理连获批域名），缺一不可。在此基础上推出开源的沙箱化 bash 工具和云端运行、git 凭证不进沙箱的 Claude Code on the web。内部权限弹窗减少 84%。

• claude-code
• sandbox
• security
• prompt-injection
• permissions
• human-in-the-loop

部署风险 = 失败概率 × 破坏范围；能力和权限扩大会让后者上升，工程问题就是给破坏范围设上限。人工审批并不可靠（用户同意约 93% 的请求），重点应放在环境层约束。文章对比 claude.ai 临时容器、Claude Code 沙箱、Cowork 本地虚拟机三种模式，并复盘了几次真实漏洞。

• security
• sandbox
• prompt-injection
• claude-code

OpenAI 官方的 notebook 示例集合。本页把它当作“另一家厂商的做法”来对照阅读：挑出 8 篇与 Anthropic 笔记主题重合的示例（会话记忆、长期记忆、压缩、沙箱化 harness、Skills、改进闭环、宏观评测、成本优化），每篇说明它和哪篇 Anthropic 笔记可以对照、两家做法有什么异同。