AI Agent时代的「AWS」：Manus 背后的重要功臣 E2B 是何来头？

112 0 0

文章摘要

Multi agent 系统正成为技术创新的重要方向，而 agent infra 则是其落地的关键。在这一背景下，E2B 作为新兴的开源基础设施，提供了一个安全的沙盒环境，允许 AI agent 在云端运行代码。E2B 的核心技术是一个快速启动的 microVM，类似于 AWS Firecracker，支持多种编程语言和操作系统工具。随着 AI agent 生态的繁荣，E2B 的沙盒创建量在一年内增长了 375 倍，从 4 万次增长到 1500 万次。

E2B 的愿景是成为 AI agent 时代的 AWS， 致力于为 agent 提供从开发到部署的完整生命周期支持。其创始人 Vasek Mlejnsky 和 Tomas Valenta 在创立 E2B 之前，已经通过 DevBook 项目积累了丰富的经验。E2B 的转型始于对代码执行环境的重视，代码被视为连接各种服务和 API 的通用语言， 而 agent 需要一个安全、灵活的代码执行环境。随着 agent 能力的增强，代码运行环境的重要性也日益凸显。

E2B 的产品定位从最初的代码解释器逐渐拓展为更通用的 LLM 或 agent 运行时环境。其沙盒环境支持多种任务场景，包括数据分析、应用开发、Excel 表格生成等。E2B 还计划推出 forking 和 checkpointing 功能，以支持多个 agent 并行尝试不同解决路径，类似于蒙特卡洛树搜索。此外，E2B 已经实现了持久化功能，允许用户暂停并恢复沙盒状态，从而支持长时间或间歇性任务执行。

E2B 的主要使用场景之一是支持 AI 数据分析， 开发者可以通过 E2B 运行 AI 生成的代码，进行数据分析和可视化。另一个重要场景是作为 AI 生成应用的运行平台，E2B 提供了开源模板 Fragments，帮助开发者快速构建 AI 应用。此外，E2B 还被用于模型训练，如 Hugging Face 在 Open R1 项目的强化学习和代码生成阶段使用了 E2B 的沙盒环境。

在开发者粘性方面，E2B 通过提供良好的开发者体验（DX）来吸引用户。E2B 的价值主张之一是其对 LLM 的中立性， 用户可以在不同模型之间自由切换，而无需担心被某个 LLM 锁死。Vasek 强调，E2B 的目标是成为 agent 领域的 Kubernetes，同时提供更好的开发者体验。

在 AI agent 的定价问题上，Vasek 认为传统的按席位收费模式并不适用于 agent，因为 agent 的使用时间和资源消耗差异较大。因此，E2B 需要提供透明的定价逻辑和资源消耗监控，以确保用户对支出有完全的掌控感。

E2B 还在探索 AI agent 的 computer use 场景， 即让 agent 控制电脑或浏览器。E2B 推出了 Desktop Sandbox 和开源项目 open-computer-use，尝试模拟使用电脑的行为。这一领域的潜在回报非常高，但不确定性也很大。Vasek 认为，未来可能会有更好的替代方案出现，但目前这是一个值得探索的方向。

总的来说，E2B 通过提供安全、灵活的代码执行环境，支持 AI agent 的多样化应用场景，并致力于成为 AI agent 时代的基础设施平台。其技术理念和产品定位反映了 AI agent 生态的快速发展，以及对代码执行环境的日益重视。