JaydenAI的博客

前面我们介绍了三种基于本地执行环境的CodeAct解决方案，包括LangChain的PythonREPL类，以及MAF的HyperlightCodeActProvider提供的Hyperlight Sandbox，和利用LocalCodeActProvider提供了本地代码解释器。其实LLM生成的代码没有必要一定需要回传给Agent来执行，LLM提供商完全可以在云端构建一个完全的Sandbox来执行生成的代码。HostedCodeInterpreterTool就是为了解决这个问题而设计的。

在[从ReAct到CodeAct-02:基于本地Sandbox的代码解释器]中，我们演示了如何使用Hyperlight提供的Sandbox来执行LLM生成的Python代码。虽然这种方式可以为生成的代码提供了一个安全的执行环境，但它也带来了一些限制。其实MAF中还还有另一个与之类似的`LocalCodeActProvider`，它的实现原理与`HyperlightCodeActProvider`类似，但它不依赖于Hyperlight Sandbox，而是直接使用本地Python解释器来执行LLM生成的代码。

摘要 本文介绍了如何在MAF框架中实现CodeAct模式，利用Hyperlight提供的安全沙箱执行LLM生成的Python代码。通过HyperlightCodeActProvider注册代码解释器工具，结合系统指令引导模型生成可执行代码。相比LangChain的PythonREPL存在安全风险，Hyperlight采用微型虚拟机沙箱环境，严格限制文件读写和网络访问权限，确保代码安全执行。文章提供了C#实现示例，展示如何集成自定义工具函数（商品查询、库存检查等）并执行代码逻辑，体现了CodeAct在增强AI

CodeAct框架通过以代码为核心的交互方式突破了传统ReAct的局限性，解决了上下文爆炸、状态管理脆弱、控制流单一等问题。其核心优势在于利用代码解释器（如PythonREPL）实现粗粒度操作、复杂逻辑表达和变量持久化存储。该框架将多次ReAct迭代压缩为单次代码执行，显著提升任务处理效率和精准度。示例展示了如何在沙箱环境中注入工具函数并执行库存管理任务，体现了CodeAct对工业级复杂场景的适应性。