AIエージェントに「コードを書いて実行させる」機能を実装する際、自身のPC環境を破壊されないための安全なサンドボックスをPythonで構築します。

# ライブラリのインストール
# e2b-code-interpreter: コード実行用サンドボックスSDK
# anthropic: LLM（Claude）連携用SDK
# python-dotenv: 環境変数管理用
pip install e2b-code-interpreter anthropic python-dotenv

# .envファイルの内容
ANTHROPIC_API_KEY=sk-ant-xxx...
E2B_API_KEY=e2b_xxx...

import os
from dotenv import load_dotenv
from anthropic import Anthropic
from e2b_code_interpreter import CodeInterpreter

# 環境変数の読み込み
load_dotenv()

# クライアントの初期化
# Anthropicはコード生成能力が高いClaude 3.5 Sonnetを推奨
anthropic = Anthropic(api_key=os.environ["ANTHROPIC_API_KEY"])
e2b_key = os.environ["E2B_API_KEY"]

# サンドボックスの動作確認用関数
def test_sandbox():
    with CodeInterpreter(api_key=e2b_key) as sandbox:
        # サンドボックス内でPythonコードを実行
        exec_result = sandbox.notebook.exec_cell("print('Sandbox is ready!')")
        return exec_result.logs.stdout

print(test_sandbox())

def ask_claude_to_code(prompt):
    # Claudeに「Pythonコードのみを出力せよ」と指示するシステムプロンプト
    system_prompt = """
    あなたはデータサイエンスに精通したエンジニアです。
    ユーザーの依頼に対して、Pythonコードのみを返してください。
    解説やMarkdownの装飾（```python 等）は一切不要です。
    """

    response = anthropic.messages.create(
        model="claude-3-5-sonnet-20240620",
        max_tokens=1024,
        system=system_prompt,
        messages=[{"role": "user", "content": prompt}]
    )
    return response.content[0].text

# 指示を出してみる
user_query = "1から100までの素数をリストアップして、その合計を計算してください。"
generated_code = ask_claude_to_code(user_query)

print(f"--- 生成されたコード ---\n{generated_code}\n")

with CodeInterpreter(api_key=e2b_key) as sandbox:
    result = sandbox.notebook.exec_cell(generated_code)
    print(f"--- 実行結果 ---\n{result.logs.stdout}")

--- 生成されたコード ---
primes = [n for n in range(2, 101) if all(n % i != 0 for i in range(2, int(n**0.5) + 1))]
print(f"素数リスト: {primes}")
print(f"合計: {sum(primes)}")

--- 実行結果 ---
素数リスト: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97]
合計: 1060

import base64

def run_agent_task(prompt):
    code = ask_claude_to_code(prompt)

    with CodeInterpreter(api_key=e2b_key) as sandbox:
        # 実務では必要なライブラリを事前にインストールさせることが多い
        # sandbox.install_python_packages("matplotlib", "pandas")

        execution = sandbox.notebook.exec_cell(code)

        # エラーハンドリング
        if execution.error:
            print(f"実行エラー: {execution.error.name} - {execution.error.value}")
            print(f"トレースバック: {execution.error.traceback}")
            return

        # 結果の表示（標準出力）
        for log in execution.logs.stdout:
            print(f"出力: {log}")

        # 画像出力（チャートなど）の処理
        if execution.results:
            for i, res in enumerate(execution.results):
                if res.png:
                    # base64デコードしてファイル保存
                    with open(f"output_chart_{i}.png", "wb") as f:
                        f.write(base64.b64decode(res.png))
                    print(f"画像を保存しました: output_chart_{i}.png")

# 実用的なタスク例
run_agent_task("2024年の日本の株価推移を模したダミーデータを作成し、matplotlibで折れ線グラフを描画してください。")