使用 Azure Container Apps 动态会话运行 Python 代码解释器

最新推荐文章于 2025-11-27 18:56:38 发布

原创最新推荐文章于 2025-11-27 18:56:38 发布 · 248 阅读

CC 4.0 BY-SA版权

文章标签：

在现代云计算中，安全、高度隔离的计算环境变得越来越重要，特别是在处理不受信任的代码时。Azure Container Apps 提供了一个动态会话功能，允许在 Hyper-V 隔离沙盒中运行 Python 代码解释器。这种方法不仅增强了代码执行的安全性，还具备强大的可扩展性。

技术背景介绍

Azure Container Apps 动态会话使我们能够在云中执行 Python 代码，如 NumPy、pandas 和 scikit-learn 等流行的库都可用。这对于需要高安全性并可能与不受信任代码交互的应用来说，是一个理想的解决方案。

核心原理解析

利用动态会话技术，Azure 能够为每个会话创建一个隔离的执行环境。通过 API 调用，我们可以上传数据、执行代码，并接收执行结果。执行过程在 Azure 的托管环境中进行，确保了环境的安全性和稳定性。

代码实现演示

环境设置

首先，确保已安装 Azure CLI 并通过 az login 登录以进行身份验证。然后，需要安装 langchain-azure-dynamic-sessions 包：

%pip install -qU langchain-azure-dynamic-sessions langchain-openai langchainhub langchain langchain-community

接下来，设置会话池管理端点：

import getpass

POOL_MANAGEMENT_ENDPOINT = getpass.getpass()

使用工具执行代码

下面是如何实例化和使用 SessionsPythonREPLTool 工具来执行简单的代码：

from langchain_azure_dynamic_sessions import SessionsPythonREPLTool

tool = SessionsPythonREPLTool(pool_management_endpoint=POOL_MANAGEMENT_ENDPOINT)
result = tool.invoke("6 * 7")

print(result)

这段代码将执行 6 * 7 并返回结果。

上传数据和执行复杂计算

如果需要处理特定数据，可以通过 upload_file() 函数将数据上传到会话：

import io
import json

data = {"important_data": [1, 10, -1541]}
binary_io = io.BytesIO(json.dumps(data).encode("ascii"))

upload_metadata = tool.upload_file(
    data=binary_io, remote_file_path="important_data.json"
)

code = f"""
import json

with open("{upload_metadata.full_path}") as f:
    data = json.load(f)

sum(data['important_data'])
"""
result = tool.execute(code)
print(result)

处理图像结果

运行 Python 代码时，可能会生成图像结果，这些图像以 base64 编码格式返回：

import numpy as np
import matplotlib.pyplot as plt

code = """
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-1, 1, 400)
y = np.sin(x)
plt.plot(x, y)
plt.title('Plot of sin(x) from -1 to 1')
plt.xlabel('x')
plt.ylabel('sin(x)')
plt.grid(True)
plt.show()
"""

result = tool.execute(code)
print(result["result"].keys())

解码并显示图像：

import base64
import io
from IPython.display import display
from PIL import Image

base64_str = result["result"]["base64_data"]
img = Image.open(io.BytesIO(base64.decodebytes(bytes(base64_str, "utf-8"))))
display(img)