AIエージェントをDockerで安全に動かすサンドボックス構築方法

# Docker操作ライブラリと環境変数管理の導入
pip install docker python-dotenv openai

# 軽量なPythonイメージをベースに使用
FROM python:3.11-slim

# 最小限のツールと、エージェントがよく使うライブラリをプリインストール
RUN apt-get update && apt-get install -y --no-install-recommends \
    curl \
    && rm -rf /var/lib/apt/lists/*

RUN pip install --no-cache-dir \
    numpy \
    pandas \
    matplotlib \
    requests

# 作業ディレクトリの作成
WORKDIR /workspace

# エージェントが勝手にroot権限で暴れないよう、一般ユーザーを作成
RUN useradd -m sandboxuser
USER sandboxuser

docker build -t ai-agent-sandbox -f Dockerfile.sandbox .

import docker
import os
import time

class AgentSandbox:
    def __init__(self, image_name="ai-agent-sandbox"):
        self.client = docker.from_env()
        self.image_name = image_name
        self.container = None

    def execute_code(self, code: str, timeout: int = 30):
        """
        文字列として受け取ったPythonコードをコンテナ内で実行する
        """
        # 実行のたびに一時的なコンテナを立てるのが最も安全
        self.container = self.client.containers.run(
            image=self.image_name,
            command=f'python3 -c "{code}"',
            detach=True,
            network_disabled=True, # 外部への通信を遮断（データ流出防止）
            mem_limit="512m",      # メモリ使用量を制限（リソース枯渇防止）
            cpu_period=100000,
            cpu_quota=50000,       # CPU使用率を50%に制限
            remove=True            # 実行終了後に自動削除
        )

        # タイムアウト監視
        start_time = time.time()
        while self.container.status != 'exited':
            if time.time() - start_time > timeout:
                self.container.kill()
                return "Error: Execution timed out."

            try:
                self.container.reload() # 状態を更新
            except:
                break # すでに削除されている場合
            time.sleep(0.5)

        # ログ（実行結果）の取得
        logs = self.container.logs().decode('utf-8')
        return logs

# 動作テスト
if __name__ == "__main__":
    sandbox = AgentSandbox()
    test_code = "print(1 + 1); import os; print(os.getcwd())"
    print(sandbox.execute_code(test_code))

import os
from openai import OpenAI
from sandbox import AgentSandbox
import json

# OpenAI APIの設定
client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))

def run_agent_task(prompt: str):
    sandbox = AgentSandbox()

    # 1. LLMにタスクを投げ、コードが必要か判断させる
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": prompt}],
        tools=[{
            "type": "function",
            "function": {
                "name": "execute_python",
                "description": "Pythonコードを実行して結果を返します。計算やデータ処理が必要な場合に使ってください。",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "code": {"type": "string", "description": "実行するPythonコード"}
                    },
                    "required": ["code"]
                }
            }
        }]
    )

    message = response.choices[0].message

    if message.tool_calls:
        for tool_call in message.tool_calls:
            # 2. 生成されたコードを抽出
            code = json.loads(tool_call.function.arguments)["code"]
            print(f"--- 実行されるコード ---\n{code}\n-------------------------")

            # 3. サンドボックスで実行
            result = sandbox.execute_code(code)
            print(f"--- 実行結果 ---\n{result}")

            # 4. 結果をLLMに戻して最終回答を得る（本番ではここをループさせる）
            return result
    else:
        return message.content

# 実行例: 素数を10個計算させる
if __name__ == "__main__":
    task = "最初の10個の素数を計算して表示してください。"
    run_agent_task(task)

--- 実行されるコード ---
def get_primes(n):
    primes = []
    num = 2
    while len(primes) < n:
        for i in range(2, int(num**0.5) + 1):
            if num % i == 0:
                break
        else:
            primes.append(num)
        num += 1
    return primes

print(get_primes(10))

--- 実行結果 ---
[2, 3, 5, 7, 11, 13, 17, 19, 23, 29]