OpenSandbox MCP服务器实战5步让Claude Code和Cursor直接驱动AI沙箱【免费下载链接】OpenSandboxSecure, Fast, and Extensible Sandbox runtime for AI agents.项目地址: https://gitcode.com/GitHub_Trending/ope/OpenSandboxOpenSandbox 是面向 AI Agent 的安全、快速、可扩展的 AI 沙箱运行时而它的MCP服务器正是把沙箱能力接线到 Claude Code、Cursor 等 MCP 客户端的关键桥梁装上opensandbox-mcp后你的 AI 编程助手就能用自然语言直接创建 AI 沙箱、执行命令、读写文件全程无需你手动敲 CLI。本文是一份面向新手的完整指南从安装配置到实战场景帮你 10 分钟打通AI 助手 沙箱工作流。1. OpenSandbox MCP服务器是什么先建立一个直观认知概念作用OpenSandbox 服务器负责真正创建和运行沙箱Docker / Kubernetes 运行时opensandbox-mcp把沙箱的创建、命令执行、文件操作封装成 19 个 MCP 工具Claude Code / Cursor作为 MCP 客户端AI 模型自动调用这些工具一句话总结LLM 说帮我跑个脚本MCP 工具替它在隔离沙箱里执行危险操作不再碰你的宿主机。官方 MCP 文档位于 docs/sdks/mcp.md服务端源码在 sdks/mcp/sandbox/python/工具注册与实现的完整逻辑可以查看 server.py。2. 最快安装步骤先启动OpenSandbox服务器MCP 服务器只是一个翻译层它背后需要一台运行中的 OpenSandbox 服务器。本地最简路径需要 Dockeruvx opensandbox-server init-config ~/.sandbox.toml --example docker uvx opensandbox-server启动成功后终端会打印监听地址默认localhost:8080类似下图3. MCP服务器安装与配置一键安装两种方式任选其一# 方式一直接安装官方包推荐 pip install opensandbox-mcp opensandbox-mcp --domain localhost:8080 --protocol http # 方式二从源码运行 cd sdks/mcp/sandbox/python uv sync uv run opensandbox-mcp配置要点MCP 服务器只有 5 个核心配置项记住两个环境变量即可上手配置项说明示例api_keyOpenSandbox 认证密钥环境变量OPEN_SANDBOX_API_KEYdomain服务器地址localhost:8080环境变量OPEN_SANDBOX_DOMAINprotocol请求协议http/httpsrequest_timeout_secondsHTTP 超时时间默认值即可transport传输方式stdio默认或streamable-http命令行覆盖示例opensandbox-mcp --api-key $OPEN_SANDBOX_API_KEY --domain $OPEN_SANDBOX_DOMAIN4. Claude Code 与 Cursor 接入实战最快配置方法Claude Code 一条命令接入claude mcp add opensandbox-sandbox --transport stdio -- \ opensandbox-mcp --api-key $OPEN_SANDBOX_API_KEY --domain $OPEN_SANDBOX_DOMAIN如果 MCP 服务器跑在 streamable-http 模式则接入 HTTP 端点claude mcp add opensandbox-sandbox --transport http http://localhost:8000/mcpCursor 接入改一段 JSON在 Cursor 的 MCP 配置文件中加入{ mcpServers: { opensandbox-sandbox: { command: opensandbox-mcp, args: [ --api-key, ${OPEN_SANDBOX_API_KEY}, --domain, ${OPEN_SANDBOX_DOMAIN} ] } } }HTTP 模式则只需一行url: http://localhost:8000/mcp。5. 完整工具清单AI能替你做什么MCP 服务器共暴露 3 大类 19 个工具覆盖沙箱全生命周期沙箱管理9个sandbox_create创建沙箱sandbox_connect接管已有沙箱sandbox_kill销毁sandbox_get_info查看详情sandbox_list列表sandbox_renew续期sandbox_healthcheck健康检查sandbox_get_metrics资源指标sandbox_get_endpoint获取端口访问地址命令执行2个command_run在沙箱内执行命令command_interrupt中断运行中的命令文件系统8个file_read/file_write读写文本文件支持encoding与range_header分片读取大文件file_delete、file_searchglob 搜索、file_movefile_create_directories、file_delete_directories、file_replace_contents 所有工具都围绕sandbox_create或sandbox_connect返回的sandbox_id工作AI 会自动维护这个上下文你不需要手动传递。6. 核心工作流5步跑通一个真实任务一个典型的 MCP 沙箱任务就是下面这条流水线① sandbox_create → ② file_write 写入代码 → ③ command_run 执行 → ④ sandbox_get_endpoint 暴露端口可选→ ⑤ sandbox_kill 清理由于这些操作全部由 LLM 自动编排你只需要用自然语言下指令。官方文档docs/sdks/mcp.md给出的 8 个开箱即用示例新手可以直接照抄创建一个 Python 沙箱跑一条健康检查命令把这段 Python 脚本写进沙箱并运行下载一个 GitHub 仓库装依赖并跑测试生成一份虚构销售数据 CSV再跑个汇总脚本在 8000 端口起一个 Web 服务返回公网访问地址写一个最小 REST APIhello health暴露到 8000 端口打包 /app 为 tar.gz 并报告文件大小做一个贪吃蛇小游戏返回可访问的 Web 地址7. 进阶玩法不只是跑命令当 AI 沙箱与浏览器自动化、桌面环境组合时玩法会指数级放大。OpenSandbox 的 Playwright 示例就能让 Agent 在沙箱里打开网页、完成自动化操作同样的思路也可以让 Agent 操作一个完整的 Linux 桌面环境文件管理器、终端、VNC 远程接入都可用这对 GUI Agent 和帮我配置一下环境类任务是杀手级能力安全不踩坑用Credential Vault管理密钥让 AI 在沙箱里调用外部 API 时最担心的就是密钥泄露。OpenSandbox 的 Credential Vault 正是为此设计沙箱内只放假密钥真实的api.anthropic.com、api.github.com等凭据加密存放在 Egress 边车中出站请求由边车自动注入真实 Authorization 头响应再脱敏后返回。图中沙箱内运行的工具赫然就有 Claude Code——正是本文的主角更多安全细节可参考 docs/guides/credential-vault.md 与 docs/guides/secure-access.md。8. 常见问题与排错Q工具调用报 Sandbox not found in local registry先调用sandbox_create或sandbox_connect注册沙箱再执行其他工具见 server.py 中的校验逻辑。Q连接超时检查--domain是否指向正确的服务器地址本地开发用localhost:8080--protocol http远程部署确认protocol为https。Q想用远程服务而非本地把domain换成远程 OpenSandbox 服务地址配置api_key其余不变。Q服务器侧出问题怎么办本地服务器的排查思路可参考 server/TROUBLESHOOTING.md完整部署方式见 server/README.mdKubernetes 集群部署参考 docs/kubernetes/deployment.md。写在最后OpenSandbox MCP 服务器的价值在于把创建沙箱 → 执行 → 验证 → 清理这套繁琐流程压缩成一句自然语言。对于日常需要让 AI 代跑脚本、代装依赖、代测环境的开发者这是目前最省心的 AI 沙箱接入方案之一。现在就把opensandbox-mcp装进你的 Claude Code 或 Cursor 试试从跑一条健康检查开始体验吧 延伸阅读MCP 完整文档 · API 规范 · Claude Code 沙箱示例【免费下载链接】OpenSandboxSecure, Fast, and Extensible Sandbox runtime for AI agents.项目地址: https://gitcode.com/GitHub_Trending/ope/OpenSandbox创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OpenSandbox MCP服务器实战：5步让Claude Code和Cursor直接驱动AI沙箱
OpenSandbox MCP服务器实战5步让Claude Code和Cursor直接驱动AI沙箱【免费下载链接】OpenSandboxSecure, Fast, and Extensible Sandbox runtime for AI agents.项目地址: https://gitcode.com/GitHub_Trending/ope/OpenSandboxOpenSandbox 是面向 AI Agent 的安全、快速、可扩展的 AI 沙箱运行时而它的MCP服务器正是把沙箱能力接线到 Claude Code、Cursor 等 MCP 客户端的关键桥梁装上opensandbox-mcp后你的 AI 编程助手就能用自然语言直接创建 AI 沙箱、执行命令、读写文件全程无需你手动敲 CLI。本文是一份面向新手的完整指南从安装配置到实战场景帮你 10 分钟打通AI 助手 沙箱工作流。1. OpenSandbox MCP服务器是什么先建立一个直观认知概念作用OpenSandbox 服务器负责真正创建和运行沙箱Docker / Kubernetes 运行时opensandbox-mcp把沙箱的创建、命令执行、文件操作封装成 19 个 MCP 工具Claude Code / Cursor作为 MCP 客户端AI 模型自动调用这些工具一句话总结LLM 说帮我跑个脚本MCP 工具替它在隔离沙箱里执行危险操作不再碰你的宿主机。官方 MCP 文档位于 docs/sdks/mcp.md服务端源码在 sdks/mcp/sandbox/python/工具注册与实现的完整逻辑可以查看 server.py。2. 最快安装步骤先启动OpenSandbox服务器MCP 服务器只是一个翻译层它背后需要一台运行中的 OpenSandbox 服务器。本地最简路径需要 Dockeruvx opensandbox-server init-config ~/.sandbox.toml --example docker uvx opensandbox-server启动成功后终端会打印监听地址默认localhost:8080类似下图3. MCP服务器安装与配置一键安装两种方式任选其一# 方式一直接安装官方包推荐 pip install opensandbox-mcp opensandbox-mcp --domain localhost:8080 --protocol http # 方式二从源码运行 cd sdks/mcp/sandbox/python uv sync uv run opensandbox-mcp配置要点MCP 服务器只有 5 个核心配置项记住两个环境变量即可上手配置项说明示例api_keyOpenSandbox 认证密钥环境变量OPEN_SANDBOX_API_KEYdomain服务器地址localhost:8080环境变量OPEN_SANDBOX_DOMAINprotocol请求协议http/httpsrequest_timeout_secondsHTTP 超时时间默认值即可transport传输方式stdio默认或streamable-http命令行覆盖示例opensandbox-mcp --api-key $OPEN_SANDBOX_API_KEY --domain $OPEN_SANDBOX_DOMAIN4. Claude Code 与 Cursor 接入实战最快配置方法Claude Code 一条命令接入claude mcp add opensandbox-sandbox --transport stdio -- \ opensandbox-mcp --api-key $OPEN_SANDBOX_API_KEY --domain $OPEN_SANDBOX_DOMAIN如果 MCP 服务器跑在 streamable-http 模式则接入 HTTP 端点claude mcp add opensandbox-sandbox --transport http http://localhost:8000/mcpCursor 接入改一段 JSON在 Cursor 的 MCP 配置文件中加入{ mcpServers: { opensandbox-sandbox: { command: opensandbox-mcp, args: [ --api-key, ${OPEN_SANDBOX_API_KEY}, --domain, ${OPEN_SANDBOX_DOMAIN} ] } } }HTTP 模式则只需一行url: http://localhost:8000/mcp。5. 完整工具清单AI能替你做什么MCP 服务器共暴露 3 大类 19 个工具覆盖沙箱全生命周期沙箱管理9个sandbox_create创建沙箱sandbox_connect接管已有沙箱sandbox_kill销毁sandbox_get_info查看详情sandbox_list列表sandbox_renew续期sandbox_healthcheck健康检查sandbox_get_metrics资源指标sandbox_get_endpoint获取端口访问地址命令执行2个command_run在沙箱内执行命令command_interrupt中断运行中的命令文件系统8个file_read/file_write读写文本文件支持encoding与range_header分片读取大文件file_delete、file_searchglob 搜索、file_movefile_create_directories、file_delete_directories、file_replace_contents 所有工具都围绕sandbox_create或sandbox_connect返回的sandbox_id工作AI 会自动维护这个上下文你不需要手动传递。6. 核心工作流5步跑通一个真实任务一个典型的 MCP 沙箱任务就是下面这条流水线① sandbox_create → ② file_write 写入代码 → ③ command_run 执行 → ④ sandbox_get_endpoint 暴露端口可选→ ⑤ sandbox_kill 清理由于这些操作全部由 LLM 自动编排你只需要用自然语言下指令。官方文档docs/sdks/mcp.md给出的 8 个开箱即用示例新手可以直接照抄创建一个 Python 沙箱跑一条健康检查命令把这段 Python 脚本写进沙箱并运行下载一个 GitHub 仓库装依赖并跑测试生成一份虚构销售数据 CSV再跑个汇总脚本在 8000 端口起一个 Web 服务返回公网访问地址写一个最小 REST APIhello health暴露到 8000 端口打包 /app 为 tar.gz 并报告文件大小做一个贪吃蛇小游戏返回可访问的 Web 地址7. 进阶玩法不只是跑命令当 AI 沙箱与浏览器自动化、桌面环境组合时玩法会指数级放大。OpenSandbox 的 Playwright 示例就能让 Agent 在沙箱里打开网页、完成自动化操作同样的思路也可以让 Agent 操作一个完整的 Linux 桌面环境文件管理器、终端、VNC 远程接入都可用这对 GUI Agent 和帮我配置一下环境类任务是杀手级能力安全不踩坑用Credential Vault管理密钥让 AI 在沙箱里调用外部 API 时最担心的就是密钥泄露。OpenSandbox 的 Credential Vault 正是为此设计沙箱内只放假密钥真实的api.anthropic.com、api.github.com等凭据加密存放在 Egress 边车中出站请求由边车自动注入真实 Authorization 头响应再脱敏后返回。图中沙箱内运行的工具赫然就有 Claude Code——正是本文的主角更多安全细节可参考 docs/guides/credential-vault.md 与 docs/guides/secure-access.md。8. 常见问题与排错Q工具调用报 Sandbox not found in local registry先调用sandbox_create或sandbox_connect注册沙箱再执行其他工具见 server.py 中的校验逻辑。Q连接超时检查--domain是否指向正确的服务器地址本地开发用localhost:8080--protocol http远程部署确认protocol为https。Q想用远程服务而非本地把domain换成远程 OpenSandbox 服务地址配置api_key其余不变。Q服务器侧出问题怎么办本地服务器的排查思路可参考 server/TROUBLESHOOTING.md完整部署方式见 server/README.mdKubernetes 集群部署参考 docs/kubernetes/deployment.md。写在最后OpenSandbox MCP 服务器的价值在于把创建沙箱 → 执行 → 验证 → 清理这套繁琐流程压缩成一句自然语言。对于日常需要让 AI 代跑脚本、代装依赖、代测环境的开发者这是目前最省心的 AI 沙箱接入方案之一。现在就把opensandbox-mcp装进你的 Claude Code 或 Cursor 试试从跑一条健康检查开始体验吧 延伸阅读MCP 完整文档 · API 规范 · Claude Code 沙箱示例【免费下载链接】OpenSandboxSecure, Fast, and Extensible Sandbox runtime for AI agents.项目地址: https://gitcode.com/GitHub_Trending/ope/OpenSandbox创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考