E2B Cookbook：AI代理代码解释器示例集
为各种LLM提供商和框架，在E2B安全沙箱中运行代码解释器的示例与指南。
- Star 数
- ★ 1.4k
- 最近更新
- 3 天前
- 主语言
- TypeScript
- FA 评分
- 36/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API · Claude API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 开发者想要为 OpenAI 或 Anthropic 模型快速添加代码解释器能力，可以参考本仓库的 Python 或 TypeScript 示例，在数分钟内实现沙箱代码执行。
- 不适合
- 希望零配置直接运行的读者，多数示例需要多个模型或服务商的 API Key
- 需要稳定生产级代码与测试保障的团队，示例维护水平一般且以演示为主
这个 Agent 能做什么，适合哪些场景？
E2B Cookbook 是 e2b-dev 组织维护的示例代码与指南集合，演示如何结合 E2B SDK（https://github.com/e2b-dev/e2b）构建 AI 代理。它包含覆盖 OpenAI、Anthropic、Mistral、Groq、Fireworks AI、Together AI、WatsonX 等多个 LLM 提供商的代码解释器集成示例，以及 LangChain、LangGraph、CrewAI、Autogen、Vercel AI SDK 等 AI 框架的集成示例。还提供了多种 MCP（Model Context Protocol）示例，如 MCP 客户端、自定义服务器、研究代理等。所有示例均提供 Python 和 TypeScript 两种版本，并包含端到端的用例，如数据上传分析、网站抓取分析、Docker 容器运行、Playwright 浏览器自动化等。该仓库是 E2B 生态的实践指南，帮助开发者快速上手在安全沙箱中执行 AI 生成的代码。
该仓库包含一系列可运行的示例程序，演示如何将 E2B 沙箱作为代码执行环境，与主流 LLM 和 AI 框架集成。每个示例通常执行以下流程：设置 LLM 客户端（如 OpenAI、Anthropic），创建 E2B 沙箱实例（通过 E2B SDK 的 Sandbox 类），将用户请求发送给 LLM，LLM 返回代码片段，然后在沙箱中执行代码，并返回结果。例如，在 OpenAI 示例中，使用 GPT-4o 处理图像数据并执行代码进行推理；在 Claude 示例中，使用 Claude 3 Opus 实现代码解释器。此外，还包括使用 LangChain 和 LangGraph 的工具调用、CrewAI 的代理执行、以及 MCP 服务器连接等更复杂的集成。所有示例都提供了安装依赖、设置环境变量（如 API 密钥）、运行脚本的明确指令。
- 开发者想要为 OpenAI 或 Anthropic 模型快速添加代码解释器能力，可以参考本仓库的 Python 或 TypeScript 示例，在数分钟内实现沙箱代码执行。
- AI 工程师使用 LangChain 或 LangGraph 构建代理，需要集成安全的代码执行环境，可以复用本仓库中的 LangChain 集成示例。
- 数据科学家希望让 LLM 直接运行 Python 代码来分析 CSV 或执行机器学习任务，可以用本仓库的 OpenAI 或 Together AI 示例作为起点。
- 前端开发者构建 Next.js 应用，需要流式输出代码解释结果，可以参考本仓库的 Next.js + AI SDK 示例。
- 需要与 MCP 服务器交互的代理开发者，可以借鉴本仓库的 MCP 客户端和服务端示例，快速实现工具调用。
- 想要在 E2B 沙箱中运行 Playwright 或 Docker 的自动化任务，可以查看本仓库的专门示例。
如何安装或部署这个 Agent？
安装步骤因示例而异，但一般包括：1. 克隆仓库：git clone https://github.com/e2b-dev/e2b-cookbook.git；2. 进入示例目录，如 cd examples/hello-world-js；3. 根据语言使用 npm install 或 pip install 安装依赖；4. 设置环境变量，如 OPENAI_API_KEY 或 ANTHROPIC_API_KEY，以及 E2B_API_KEY（如果本地运行沙箱）。
如何使用这个 Agent？
运行示例前，确保已设置相应的 API 密钥。对于 Node.js 示例，运行 node main.js 或类似命令；对于 Python 示例，运行 python main.py。例如，在 hello-world-js 目录中，运行 npm start 或 node index.js。具体命令参考各示例的 README 或代码注释。
这个 Agent 有哪些优点和局限？
- 提供覆盖多个主流 LLM 提供商（OpenAI、Anthropic、Mistral、Groq 等）的代码解释器示例，选择多样。
- 所有示例均提供 Python 和 TypeScript 版本，适合不同技术栈的开发者。
- 包含实用的端到端用例，如数据上传分析、网站抓取分析、Playwright 自动化等，可直接作为项目起点。
- 与 E2B 沙箱深度集成，确保代码执行安全、隔离。
- 依赖 E2B SDK 和沙箱服务，可能产生额外成本或需要 E2B 账户。
- 示例主要面向 E2B 生态，迁移到其他沙箱平台需要修改代码。
- 部分示例需要多个 API 密钥（如 OpenAI、Anthropic、Firecrawl 等），配置成本较高。
- 没有内置测试或 CI，示例的维护程度一般。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| E2B Cookbook：AI代理代码解释器示例集 当前 | 36 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.4k | 3 天前 | TypeScript | OpenAI API · Claude API |
| Daytona 安全弹性 AI 代码运行基础设施 | 44 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 72k | 3 个月前 | — | — |
| 构建你自己的 OpenClaw | 21 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.9k | 3 个月前 | Python | — |
| Claude Code 从零实现 | 60 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 2.8k | 3 个月前 | Python | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：示例代码使用环境变量传递API密钥，未硬编码；测试中模拟了密钥缺失时的错误提示；CrewAI示例中测试隔离了凭据存储路径。但未发现用户确认机制、数据流透明说明、敏感数据处理策略、依赖安全审计、回滚机制或明确的来源归属。扣分原因：缺少用户确认、数据流透明、敏感数据处理、依赖安全、回滚和来源归属的证据。
证据显示：README和测试文件结构一致，测试脚本覆盖多个示例，但未提供失败消息的详细说明。扣分原因：依赖可用性未明确，失败消息仅简单记录退出码，未提供用户友好的错误提示。
证据显示：README列出了多种LLM提供商和框架的示例，覆盖不同场景；但未明确能力边界和触发条件。扣分原因：能力边界和触发精度未明确说明。
证据显示：README提供了清晰的示例索引和安装说明，但缺少许可证、版本变更日志、已知限制和维护责任说明。扣分原因：许可证、版本变更日志、已知限制和维护责任缺失。
证据显示：示例代码可直接运行，提供实际价值；但未提供成本效益分析。扣分原因：成本效益未评估。
证据显示：README中的声明与示例代码一致，但未提供外部验证或事实与推断的区分。扣分原因：缺乏外部佐证和事实推断分离。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 仓库未提供许可证信息，使用前需确认许可条款。
- 示例代码依赖外部API密钥，需确保密钥安全存储，避免泄露。
- 测试脚本会创建和销毁沙箱，可能产生费用，需注意成本控制。