개념

베타 기능

샌드박스 에이전트는 베타입니다. 정식 출시 전까지 API, 기본값, 지원 기능의 세부 사항이 변경될 수 있으며, 시간이 지나면서 더 고급 기능이 추가될 수 있습니다.

현대적인 에이전트는 파일시스템의 실제 파일에서 작업할 수 있을 때 가장 잘 작동합니다. Sandbox Agents는 특수 도구와 셸 명령을 활용해 대규모 문서 집합을 검색하고 조작하며, 파일을 편집하고, 아티팩트를 생성하고, 명령을 실행할 수 있습니다. 샌드박스는 모델에 지속적인 워크스페이스를 제공하며, 에이전트는 이를 사용해 사용자를 대신해 작업할 수 있습니다. Agents SDK의 샌드박스 에이전트는 샌드박스 환경과 연결된 에이전트를 쉽게 실행할 수 있도록 도와주며, 파일시스템에 올바른 파일을 손쉽게 배치하고, 샌드박스를 오케스트레이션하여 대규모로 작업을 시작, 중지, 재개하기 쉽게 만듭니다.

사용자는 에이전트에 필요한 데이터를 중심으로 워크스페이스를 정의합니다. GitHub 리포지토리, 로컬 파일과 디렉터리, 합성 작업 파일, S3나 Azure Blob Storage 같은 원격 파일시스템, 그리고 사용자가 제공하는 기타 샌드박스 입력에서 시작할 수 있습니다.

SandboxAgent는 여전히 Agent입니다. instructions, prompt, tools, handoffs, mcp_servers, model_settings, output_type, 가드레일, 훅 등 일반적인 에이전트 표면은 그대로 유지하며, 일반 Runner API를 통해 실행됩니다. 달라지는 점은 실행 경계입니다.

• SandboxAgent는 에이전트 자체를 정의합니다. 즉, 일반적인 에이전트 구성에 더해 default_manifest, base_instructions, run_as 같은 샌드박스 전용 기본값과 파일시스템 도구, 셸 접근, 스킬, 메모리, 컴팩션 같은 기능을 포함합니다
• Manifest는 파일, 리포지토리, 마운트, 환경을 포함해 새로운 샌드박스 워크스페이스의 원하는 시작 콘텐츠와 레이아웃을 선언합니다
• 샌드박스 세션은 명령이 실행되고 파일이 변경되는 실제 격리 환경입니다
• SandboxRunConfig는 실행이 샌드박스 세션을 어떻게 얻을지 결정합니다. 예를 들어 세션을 직접 주입하거나, 직렬화된 샌드박스 세션 상태에서 다시 연결하거나, 샌드박스 클라이언트를 통해 새 샌드박스 세션을 생성할 수 있습니다
• 저장된 샌드박스 상태와 스냅샷을 사용하면 이후 실행에서 이전 작업에 다시 연결하거나 저장된 콘텐츠를 기반으로 새로운 샌드박스 세션을 시드할 수 있습니다

Manifest는 새 세션 워크스페이스 계약이지, 모든 실제 샌드박스의 전체 진실 소스는 아닙니다. 실행의 유효 워크스페이스는 대신 재사용된 샌드박스 세션, 직렬화된 샌드박스 세션 상태, 또는 실행 시점에 선택된 스냅샷에서 올 수 있습니다.

이 페이지 전체에서 "샌드박스 세션"은 샌드박스 클라이언트가 관리하는 실제 실행 환경을 의미합니다. 이는 Sessions에서 설명하는 SDK의 대화형 Session 인터페이스와는 다릅니다.

바깥쪽 런타임은 여전히 승인, 트레이싱, 핸드오프, 재개 bookkeeping을 담당합니다. 샌드박스 세션은 명령, 파일 변경, 환경 격리를 담당합니다. 이 분리는 모델의 핵심 요소입니다.

구성 요소의 결합 방식

샌드박스 실행은 에이전트 정의와 실행별 샌드박스 구성의 조합입니다. 러너는 에이전트를 준비하고, 이를 실제 샌드박스 세션에 바인딩하며, 이후 실행을 위해 상태를 저장할 수 있습니다.

flowchart LR
    agent["SandboxAgent<br/><small>full Agent + sandbox defaults</small>"]
    config["SandboxRunConfig<br/><small>client / session / resume inputs</small>"]
    runner["Runner<br/><small>prepare instructions<br/>bind capability tools</small>"]
    sandbox["sandbox session<br/><small>workspace where commands run<br/>and files change</small>"]
    saved["saved state / snapshot<br/><small>for resume or fresh-start later</small>"]

    agent --> runner
    config --> runner
    runner --> sandbox
    sandbox --> saved

샌드박스 전용 기본값은 SandboxAgent에 유지됩니다. 실행별 샌드박스 세션 선택은 SandboxRunConfig에 유지됩니다.

수명 주기는 세 단계로 생각하면 됩니다.

1. SandboxAgent, Manifest, 기능으로 에이전트와 새 워크스페이스 계약을 정의합니다
2. 샌드박스 세션을 주입, 재개 또는 생성하는 SandboxRunConfig를 Runner에 제공해 실행합니다
3. 러너가 관리하는 RunState, 명시적 샌드박스 session_state, 또는 저장된 워크스페이스 스냅샷에서 나중에 이어서 작업합니다

셸 접근이 가끔 필요한 하나의 도구일 뿐이라면 도구 가이드의 호스티드 셸부터 시작하세요. 워크스페이스 격리, 샌드박스 클라이언트 선택, 샌드박스 세션 재개 동작이 설계의 일부라면 샌드박스 에이전트를 사용하세요.

사용 시점

샌드박스 에이전트는 워크스페이스 중심 워크플로에 적합합니다. 예를 들면 다음과 같습니다.

• 코딩 및 디버깅: 예를 들어 GitHub 리포지토리의 이슈 리포트에 대한 자동 수정 작업을 에이전트 오케스트레이션하고 대상 테스트를 실행하는 경우
• 문서 처리 및 편집: 예를 들어 사용자의 재무 문서에서 정보를 추출하고 작성 완료된 세금 신고서 초안을 만드는 경우
• 파일 기반 검토 또는 분석: 예를 들어 답변 전에 온보딩 패킷, 생성된 보고서, 또는 아티팩트 번들을 점검하는 경우
• 격리된 멀티 에이전트 패턴: 예를 들어 각 검토자 또는 코딩 하위 에이전트에 자체 워크스페이스를 제공하는 경우
• 다단계 워크스페이스 작업: 예를 들어 한 실행에서 버그를 수정하고 나중에 회귀 테스트를 추가하거나, 스냅샷 또는 샌드박스 세션 상태에서 재개하는 경우

파일이나 살아 있는 파일시스템에 접근할 필요가 없다면 계속 Agent를 사용하세요. 셸 접근이 가끔 필요한 기능일 뿐이라면 호스티드 셸을 추가하고, 워크스페이스 경계 자체가 기능의 일부라면 샌드박스 에이전트를 사용하세요.

샌드박스 클라이언트 선택

로컬 개발에는 UnixLocalSandboxClient부터 시작하세요. 컨테이너 격리나 이미지 동일성이 필요하면 DockerSandboxClient로 이동하세요. 공급자가 관리하는 실행이 필요하면 호스티드 공급자로 이동하세요.

대부분의 경우 SandboxAgent 정의는 그대로 유지되고, 샌드박스 클라이언트와 그 옵션만 SandboxRunConfig에서 변경됩니다. 로컬, Docker, 호스티드, 원격 마운트 옵션은 샌드박스 클라이언트를 참조하세요.

핵심 구성 요소

레이어	주요 SDK 구성 요소	답하는 질문
에이전트 정의	SandboxAgent, Manifest, 기능	어떤 에이전트가 실행되며, 어떤 새 세션 워크스페이스 계약에서 시작해야 할까요?
샌드박스 실행	SandboxRunConfig, 샌드박스 클라이언트, 실제 샌드박스 세션	이 실행은 실제 샌드박스 세션을 어떻게 얻으며, 작업은 어디서 실행될까요?
저장된 샌드박스 상태	RunState 샌드박스 페이로드, session_state, 스냅샷	이 워크플로는 이전 샌드박스 작업에 어떻게 다시 연결하거나 저장된 콘텐츠로 새 샌드박스 세션을 어떻게 시드할까요?

주요 SDK 구성 요소는 다음과 같이 해당 레이어에 매핑됩니다.

구성 요소	담당 영역	던질 질문
SandboxAgent	에이전트 정의	이 에이전트는 무엇을 해야 하며, 어떤 기본값이 함께 따라가야 할까요?
Manifest	새 세션 워크스페이스 파일 및 폴더	실행이 시작될 때 파일시스템에 어떤 파일과 폴더가 있어야 할까요?
Capability	샌드박스 네이티브 동작	어떤 도구, instruction 조각, 런타임 동작이 이 에이전트에 연결되어야 할까요?
SandboxRunConfig	실행별 샌드박스 클라이언트 및 샌드박스 세션 소스	이 실행은 샌드박스 세션을 주입, 재개, 생성해야 할까요?
RunState	러너가 관리하는 저장된 샌드박스 상태	이전에 러너가 관리하던 워크플로를 재개하면서 샌드박스 상태를 자동으로 이어받고 있나요?
SandboxRunConfig.session_state	명시적으로 직렬화된 샌드박스 세션 상태	이미 RunState 외부에서 직렬화한 샌드박스 상태에서 재개하고 싶나요?
SandboxRunConfig.snapshot	새 샌드박스 세션용 저장된 워크스페이스 콘텐츠	새 샌드박스 세션이 저장된 파일과 아티팩트에서 시작해야 하나요?

실용적인 설계 순서는 다음과 같습니다.

1. Manifest로 새 세션 워크스페이스 계약을 정의합니다
2. SandboxAgent로 에이전트를 정의합니다
3. 내장 또는 사용자 정의 기능을 추가합니다
4. RunConfig(sandbox=SandboxRunConfig(...))에서 각 실행이 샌드박스 세션을 어떻게 얻을지 결정합니다

샌드박스 실행 준비 방식

실행 시점에 러너는 이 정의를 구체적인 샌드박스 기반 실행으로 바꿉니다.

1. SandboxRunConfig에서 샌드박스 세션을 해석합니다
   session=...을 전달하면 해당 실제 샌드박스 세션을 재사용합니다
   그렇지 않으면 client=...를 사용해 생성하거나 재개합니다
2. 실행의 유효 워크스페이스 입력을 결정합니다
   실행이 샌드박스 세션을 주입하거나 재개하는 경우, 기존 샌드박스 상태가 우선합니다
   그렇지 않으면 러너는 일회성 manifest 재정의 또는 agent.default_manifest에서 시작합니다
   이것이 Manifest만으로는 모든 실행의 최종 실제 워크스페이스를 정의하지 못하는 이유입니다
3. 기능이 결과 manifest를 처리하도록 합니다
   이를 통해 기능은 최종 에이전트가 준비되기 전에 파일, 마운트 또는 기타 워크스페이스 범위 동작을 추가할 수 있습니다
4. 최종 instructions를 고정된 순서로 구성합니다
   SDK의 기본 샌드박스 프롬프트 또는 명시적으로 재정의한 경우 base_instructions, 그다음 instructions, 그다음 기능 instruction 조각, 그다음 원격 마운트 정책 텍스트, 그다음 렌더링된 파일시스템 트리 순서입니다
5. 기능 도구를 실제 샌드박스 세션에 바인딩하고 준비된 에이전트를 일반 Runner API를 통해 실행합니다

샌드박싱은 턴의 의미를 바꾸지 않습니다. 턴은 여전히 단일 셸 명령이나 샌드박스 작업이 아니라 모델 단계입니다. 샌드박스 측 작업과 턴 사이에는 고정된 1:1 매핑이 없습니다. 일부 작업은 샌드박스 실행 레이어 내부에 머무를 수 있고, 다른 작업은 또 다른 모델 단계가 필요한 도구 결과, 승인 또는 기타 상태를 반환할 수 있습니다. 실무적으로는 샌드박스 작업이 일어난 뒤 에이전트 런타임이 또 다른 모델 응답을 필요로 할 때만 추가 턴이 소비됩니다.

이러한 준비 단계 때문에 default_manifest, instructions, base_instructions, capabilities, run_as가 SandboxAgent를 설계할 때 생각해야 할 주요 샌드박스 전용 옵션입니다.

SandboxAgent 옵션

다음은 일반적인 Agent 필드에 추가되는 샌드박스 전용 옵션입니다.

옵션	가장 적합한 용도
default_manifest	러너가 생성하는 새 샌드박스 세션의 기본 워크스페이스
instructions	SDK 샌드박스 프롬프트 뒤에 추가되는 역할, 워크플로, 성공 기준
base_instructions	SDK 샌드박스 프롬프트를 대체하는 고급 탈출구
capabilities	이 에이전트와 함께 이동해야 하는 샌드박스 네이티브 도구와 동작
run_as	셸 명령, 파일 읽기, 패치 같은 모델 대상 샌드박스 도구의 사용자 ID

샌드박스 클라이언트 선택, 샌드박스 세션 재사용, manifest 재정의, 스냅샷 선택은 에이전트가 아니라 SandboxRunConfig에 속합니다.

default_manifest

default_manifest는 러너가 이 에이전트용 새 샌드박스 세션을 생성할 때 사용하는 기본 Manifest입니다. 에이전트가 보통 시작해야 하는 파일, 리포지토리, 보조 자료, 출력 디렉터리, 마운트에 사용하세요.

이는 기본값일 뿐입니다. 실행은 SandboxRunConfig(manifest=...)로 이를 재정의할 수 있으며, 재사용되거나 재개된 샌드박스 세션은 기존 워크스페이스 상태를 유지합니다.

instructions와 base_instructions

instructions는 서로 다른 프롬프트에서도 유지되어야 하는 짧은 규칙에 사용하세요. SandboxAgent에서는 이 instructions가 SDK의 샌드박스 기본 프롬프트 뒤에 추가되므로, 내장 샌드박스 가이드는 유지하면서 고유한 역할, 워크플로, 성공 기준을 추가할 수 있습니다.

base_instructions는 SDK 샌드박스 기본 프롬프트를 대체하고 싶을 때만 사용하세요. 대부분의 에이전트는 이를 설정하지 않아야 합니다.

넣을 위치	용도	예시
instructions	에이전트의 안정적인 역할, 워크플로 규칙, 성공 기준	"온보딩 문서를 검사한 뒤 핸드오프하세요.", "최종 파일을 output/에 작성하세요."
base_instructions	SDK 샌드박스 기본 프롬프트의 완전한 대체	사용자 정의 저수준 샌드박스 래퍼 프롬프트
사용자 프롬프트	이 실행에 대한 일회성 요청	"이 워크스페이스를 요약하세요."
manifest의 워크스페이스 파일	더 긴 작업 명세, 리포지토리 로컬 instructions, 또는 제한된 참조 자료	repo/task.md, 문서 번들, 샘플 패킷

instructions의 좋은 사용 예시는 다음과 같습니다.

• examples/sandbox/unix_local_pty.py는 PTY 상태가 중요할 때 에이전트를 하나의 대화형 프로세스 안에 유지합니다
• examples/sandbox/handoffs.py는 검사 후 샌드박스 검토자가 사용자에게 직접 답변하지 못하도록 합니다
• examples/sandbox/tax_prep.py는 최종 작성된 파일이 실제로 output/에 저장되도록 요구합니다
• examples/sandbox/docs/coding_task.py는 정확한 검증 명령을 고정하고 워크스페이스 루트 기준 패치 경로를 명확히 합니다

사용자의 일회성 작업을 instructions에 복사해 넣거나, manifest에 들어가야 할 긴 참조 자료를 포함하거나, 내장 기능이 이미 주입하는 도구 문서를 반복하거나, 모델이 실행 시점에 필요하지 않은 로컬 설치 메모를 섞는 것은 피하세요.

instructions를 생략하더라도 SDK는 기본 샌드박스 프롬프트를 포함합니다. 저수준 래퍼에는 충분하지만, 대부분의 사용자 대상 에이전트는 여전히 명시적인 instructions를 제공해야 합니다.

capabilities

기능은 샌드박스 네이티브 동작을 SandboxAgent에 연결합니다. 실행이 시작되기 전에 워크스페이스를 구성하고, 샌드박스 전용 instructions를 추가하고, 실제 샌드박스 세션에 바인딩되는 도구를 노출하며, 해당 에이전트의 모델 동작이나 입력 처리를 조정할 수 있습니다.

내장 기능은 다음과 같습니다.

기능	추가할 시점	참고
Shell	에이전트에 셸 접근이 필요할 때	exec_command를 추가하며, 샌드박스 클라이언트가 PTY 상호작용을 지원하면 write_stdin도 추가합니다
Filesystem	에이전트가 파일을 편집하거나 로컬 이미지를 검사해야 할 때	apply_patch와 view_image를 추가합니다. 패치 경로는 워크스페이스 루트 기준 상대 경로입니다
Skills	샌드박스에서 스킬 검색 및 구체화가 필요할 때	샌드박스 로컬 SKILL.md 스킬에는 .agents 또는 .agents/skills를 수동으로 마운트하는 대신 이것을 권장합니다
Memory	후속 실행이 메모리 아티팩트를 읽거나 생성해야 할 때	Shell이 필요하며, 실시간 업데이트에는 Filesystem도 필요합니다
Compaction	장시간 실행되는 플로에 컴팩션 항목 이후 컨텍스트 축소가 필요할 때	모델 샘플링과 입력 처리를 조정합니다

기본적으로 SandboxAgent.capabilities는 Filesystem(), Shell(), Compaction()을 포함하는 Capabilities.default()를 사용합니다. capabilities=[...]를 전달하면 이 목록이 기본값을 대체하므로, 여전히 원하는 기본 기능이 있다면 함께 포함해야 합니다.

스킬의 경우, 어떻게 구체화할지에 따라 소스를 선택하세요.

• Skills(lazy_from=LocalDirLazySkillSource(...))는 모델이 먼저 인덱스를 탐색한 뒤 필요한 것만 로드할 수 있으므로 더 큰 로컬 스킬 디렉터리에 대한 좋은 기본값입니다
• Skills(from_=LocalDir(src=...))는 작은 로컬 번들을 미리 배치하고 싶을 때 더 적합합니다
• Skills(from_=GitRepo(repo=..., ref=...))는 스킬 자체가 리포지토리에서 와야 할 때 적합합니다

스킬이 이미 .agents/skills/<name>/SKILL.md 같은 경로에 디스크에 존재한다면, LocalDir(...)를 그 소스 루트로 지정하고 여전히 Skills(...)를 사용해 노출하세요. 샌드박스 내부 레이아웃이 다른 기존 워크스페이스 계약에 의존하지 않는 한 기본 skills_path=".agents"를 유지하세요.

적합하다면 내장 기능을 우선 사용하세요. 내장 기능이 다루지 않는 샌드박스 전용 도구나 instruction 표면이 필요할 때만 사용자 정의 기능을 작성하세요.

개념

Manifest

Manifest는 새 샌드박스 세션의 워크스페이스를 설명합니다. 워크스페이스 root를 설정하고, 파일과 디렉터리를 선언하고, 로컬 파일을 복사하고, Git 리포지토리를 복제하고, 원격 스토리지 마운트를 연결하고, 환경 변수를 설정하고, 사용자나 그룹을 정의하고, 워크스페이스 외부의 특정 절대 경로에 대한 접근 권한을 부여할 수 있습니다.

Manifest 항목 경로는 워크스페이스 기준 상대 경로입니다. 절대 경로일 수 없고 ..로 워크스페이스를 벗어날 수도 없으므로, 워크스페이스 계약이 로컬, Docker, 호스티드 클라이언트 전반에서 이식 가능하게 유지됩니다.

작업 시작 전에 에이전트가 필요로 하는 자료에는 manifest 항목을 사용하세요.

Manifest 항목	용도
File, Dir	작은 합성 입력, 보조 파일, 출력 디렉터리
LocalFile, LocalDir	샌드박스 내부에 구체화되어야 하는 호스트 파일 또는 디렉터리
GitRepo	워크스페이스로 가져와야 하는 리포지토리
S3Mount, GCSMount, R2Mount, AzureBlobMount, S3FilesMount 같은 mounts	샌드박스 내부에 나타나야 하는 외부 스토리지

마운트 항목은 어떤 스토리지를 노출할지 설명하고, 마운트 전략은 샌드박스 백엔드가 그 스토리지를 어떻게 연결할지 설명합니다. 마운트 옵션과 공급자 지원은 샌드박스 클라이언트를 참조하세요.

좋은 manifest 설계는 보통 워크스페이스 계약을 좁게 유지하고, 긴 작업 절차는 repo/task.md 같은 워크스페이스 파일에 넣고, instructions에서는 예를 들어 repo/task.md 또는 output/report.md처럼 상대 워크스페이스 경로를 사용하는 것을 의미합니다. 에이전트가 Filesystem 기능의 apply_patch 도구로 파일을 편집한다면, 패치 경로는 셸 workdir가 아니라 샌드박스 워크스페이스 루트 기준 상대 경로라는 점을 기억하세요.

에이전트가 워크스페이스 외부의 구체적인 절대 경로(예: 임시 도구 출력용 /tmp 또는 읽기 전용 런타임용 /opt/toolchain)가 필요할 때만 extra_path_grants를 사용하세요. 부여는 백엔드가 파일시스템 정책을 강제할 수 있는 경우 SDK 파일 API와 셸 실행 모두에 적용됩니다.

from agents.sandbox import Manifest, SandboxPathGrant

manifest = Manifest(
    extra_path_grants=(
        SandboxPathGrant(path="/tmp"),
        SandboxPathGrant(path="/opt/toolchain", read_only=True),
    ),
)

스냅샷과 persist_workspace()에는 여전히 워크스페이스 루트만 포함됩니다. 추가로 부여된 경로는 런타임 접근 권한이지, 지속되는 워크스페이스 상태가 아닙니다.

권한

Permissions는 manifest 항목의 파일시스템 권한을 제어합니다. 이는 샌드박스가 구체화하는 파일에 대한 것이며, 모델 권한, 승인 정책, API 자격 증명에 대한 것이 아닙니다.

기본적으로 manifest 항목은 소유자에게 읽기/쓰기/실행 권한이 있고, 그룹과 기타 사용자에게 읽기/실행 권한이 있습니다. 배치된 파일이 비공개, 읽기 전용, 실행 가능이어야 하는 경우 이를 재정의하세요.

from agents.sandbox import FileMode, Permissions
from agents.sandbox.entries import File

private_notes = File(
    text="internal notes",
    permissions=Permissions(
        owner=FileMode.READ | FileMode.WRITE,
        group=FileMode.NONE,
        other=FileMode.NONE,
    ),
)

Permissions는 디렉터리 여부와 함께 소유자, 그룹, 기타 사용자 각각의 비트를 별도로 저장합니다. 직접 생성할 수도 있고, Permissions.from_str(...)로 모드 문자열에서 파싱하거나, Permissions.from_mode(...)로 OS 모드에서 파생할 수도 있습니다.

사용자는 작업을 실행할 수 있는 샌드박스 ID입니다. 해당 ID가 샌드박스에 존재해야 한다면 manifest에 User를 추가한 다음, 셸 명령, 파일 읽기, 패치 같은 모델 대상 샌드박스 도구가 그 사용자로 실행되어야 할 때 SandboxAgent.run_as를 설정하세요. run_as가 manifest에 아직 없는 사용자를 가리키면 러너가 그 사용자를 유효 manifest에 자동으로 추가합니다.

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import FileMode, Manifest, Permissions, SandboxAgent, SandboxRunConfig, User
from agents.sandbox.entries import Dir, LocalDir
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

analyst = User(name="analyst")

agent = SandboxAgent(
    name="Dataroom analyst",
    instructions="Review the files in `dataroom/` and write findings to `output/`.",
    default_manifest=Manifest(
        # Declare the sandbox user so manifest entries can grant access to it.
        users=[analyst],
        entries={
            "dataroom": LocalDir(
                src="./dataroom",
                # Let the analyst traverse and read the mounted dataroom, but not edit it.
                group=analyst,
                permissions=Permissions(
                    owner=FileMode.READ | FileMode.EXEC,
                    group=FileMode.READ | FileMode.EXEC,
                    other=FileMode.NONE,
                ),
            ),
            "output": Dir(
                # Give the analyst a writable scratch/output directory for artifacts.
                group=analyst,
                permissions=Permissions(
                    owner=FileMode.ALL,
                    group=FileMode.ALL,
                    other=FileMode.NONE,
                ),
            ),
        },
    ),
    # Run model-facing sandbox actions as this user, so those permissions apply.
    run_as=analyst,
)

result = await Runner.run(
    agent,
    "Summarize the contracts and call out renewal dates.",
    run_config=RunConfig(
        sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
    ),
)

파일 수준 공유 규칙도 필요하다면 사용자와 manifest 그룹, 항목 group 메타데이터를 함께 사용하세요. run_as 사용자는 누가 샌드박스 네이티브 작업을 실행하는지를 제어하고, Permissions는 샌드박스가 워크스페이스를 구체화한 후 그 사용자가 어떤 파일을 읽고, 쓰고, 실행할 수 있는지를 제어합니다.

SnapshotSpec

SnapshotSpec은 새 샌드박스 세션에 저장된 워크스페이스 콘텐츠를 어디서 복원하고 어디로 다시 저장할지 알려줍니다. 이는 샌드박스 워크스페이스의 스냅샷 정책이며, session_state는 특정 샌드박스 백엔드를 재개하기 위한 직렬화된 연결 상태입니다.

로컬의 지속 가능한 스냅샷에는 LocalSnapshotSpec을, 애플리케이션이 원격 스냅샷 클라이언트를 제공하는 경우에는 RemoteSnapshotSpec을 사용하세요. 로컬 스냅샷 구성이 불가능하면 no-op 스냅샷이 대체 수단으로 사용되며, 고급 호출자는 워크스페이스 스냅샷 지속성을 원하지 않을 때 이를 명시적으로 사용할 수 있습니다.

from pathlib import Path

from agents.run import RunConfig
from agents.sandbox import LocalSnapshotSpec, SandboxRunConfig
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=UnixLocalSandboxClient(),
        snapshot=LocalSnapshotSpec(base_path=Path("/tmp/my-sandbox-snapshots")),
    )
)

러너가 새 샌드박스 세션을 생성하면 샌드박스 클라이언트는 해당 세션용 스냅샷 인스턴스를 만듭니다. 시작 시 스냅샷이 복원 가능하면, 실행이 계속되기 전에 샌드박스가 저장된 워크스페이스 콘텐츠를 복원합니다. 정리 시 러너가 소유한 샌드박스 세션은 워크스페이스를 아카이브하고 스냅샷을 통해 다시 저장합니다.

snapshot을 생략하면 런타임은 가능할 경우 기본 로컬 스냅샷 위치를 사용하려고 시도합니다. 이를 설정할 수 없으면 no-op 스냅샷으로 대체됩니다. 마운트된 경로와 일시적 경로는 지속되는 워크스페이스 콘텐츠로 스냅샷에 복사되지 않습니다.

샌드박스 수명 주기

수명 주기 모드는 SDK 소유와 개발자 소유 두 가지입니다.

sequenceDiagram
    participant App
    participant Runner
    participant Client
    participant Sandbox

    App->>Runner: Runner.run(..., SandboxRunConfig(client=...))
    Runner->>Client: create or resume sandbox
    Client-->>Runner: sandbox session
    Runner->>Sandbox: start, run tools
    Runner->>Sandbox: stop and persist snapshot
    Runner->>Client: delete runner-owned resources

    App->>Client: create(...)
    Client-->>App: sandbox session
    App->>Sandbox: async with sandbox
    App->>Runner: Runner.run(..., SandboxRunConfig(session=sandbox))
    Runner->>Sandbox: run tools
    App->>Sandbox: cleanup on context exit / aclose()

샌드박스가 한 번의 실행 동안만 살아 있으면 될 때는 SDK 소유 수명 주기를 사용하세요. client, 선택적 manifest, 선택적 snapshot, 그리고 클라이언트 options를 전달하면 러너가 샌드박스를 생성 또는 재개하고, 시작하고, 에이전트를 실행하고, 스냅샷 기반 워크스페이스 상태를 저장하고, 샌드박스를 종료하고, 클라이언트가 러너 소유 리소스를 정리하도록 합니다.

result = await Runner.run(
    agent,
    "Inspect the workspace and summarize what changed.",
    run_config=RunConfig(
        sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
    ),
)

샌드박스를 미리 생성하거나, 하나의 실제 샌드박스를 여러 실행에 재사용하거나, 실행 후 파일을 검사하거나, 직접 만든 샌드박스에서 스트리밍하거나, 정리 시점을 정확히 제어하고 싶다면 개발자 소유 수명 주기를 사용하세요. session=...을 전달하면 러너는 그 실제 샌드박스를 사용하지만, 사용자를 대신해 닫지는 않습니다.

sandbox = await client.create(manifest=agent.default_manifest)

async with sandbox:
    run_config = RunConfig(sandbox=SandboxRunConfig(session=sandbox))
    await Runner.run(agent, "Analyze the files.", run_config=run_config)
    await Runner.run(agent, "Write the final report.", run_config=run_config)

컨텍스트 매니저가 일반적인 형태입니다. 진입 시 샌드박스를 시작하고 종료 시 세션 정리 수명 주기를 실행합니다. 애플리케이션이 컨텍스트 매니저를 사용할 수 없다면 수명 주기 메서드를 직접 호출하세요.

sandbox = await client.create(
    manifest=agent.default_manifest,
    snapshot=LocalSnapshotSpec(base_path=Path("/tmp/my-sandbox-snapshots")),
)
try:
    await sandbox.start()
    await Runner.run(
        agent,
        "Analyze the files.",
        run_config=RunConfig(sandbox=SandboxRunConfig(session=sandbox)),
    )
    # Persist a checkpoint of the live workspace before doing more work.
    # `aclose()` also calls `stop()`, so this is only needed for an explicit mid-lifecycle save.
    await sandbox.stop()
finally:
    await sandbox.aclose()

stop()은 스냅샷 기반 워크스페이스 콘텐츠만 저장하며 샌드박스를 해제하지는 않습니다. aclose()는 전체 세션 정리 경로입니다. pre-stop 훅을 실행하고, stop()을 호출하고, 샌드박스 리소스를 종료하고, 세션 범위 종속성을 닫습니다.

SandboxRunConfig 옵션

SandboxRunConfig는 샌드박스 세션의 출처와 새 세션의 초기화 방식을 결정하는 실행별 옵션을 담습니다.

샌드박스 소스

다음 옵션은 러너가 샌드박스 세션을 재사용, 재개, 생성할지를 결정합니다.

옵션	사용 시점	참고
client	러너가 샌드박스 세션을 생성, 재개, 정리하도록 맡기고 싶을 때	실제 샌드박스 session을 제공하지 않는 한 필요합니다
session	이미 사용자가 직접 실제 샌드박스 세션을 생성했을 때	수명 주기는 호출자가 소유하며, 러너는 해당 실제 샌드박스 세션을 재사용합니다
session_state	직렬화된 샌드박스 세션 상태는 있지만 실제 샌드박스 세션 객체는 없을 때	client가 필요하며, 러너는 그 명시적 상태에서 소유 세션으로 재개합니다

실제로 러너는 다음 순서로 샌드박스 세션을 해석합니다.

1. run_config.sandbox.session을 주입하면 해당 실제 샌드박스 세션을 직접 재사용합니다
2. 그렇지 않고 실행이 RunState에서 재개되는 경우, 저장된 샌드박스 세션 상태를 재개합니다
3. 그렇지 않고 run_config.sandbox.session_state를 전달하면 러너는 해당 명시적 직렬화 샌드박스 세션 상태에서 재개합니다
4. 그렇지 않으면 러너는 새 샌드박스 세션을 생성합니다. 이 새 세션에는 제공된 경우 run_config.sandbox.manifest를 사용하고, 그렇지 않으면 agent.default_manifest를 사용합니다

새 세션 입력

다음 옵션은 러너가 새 샌드박스 세션을 생성할 때만 중요합니다.

옵션	사용 시점	참고
manifest	일회성 새 세션 워크스페이스 재정의를 원할 때	생략하면 agent.default_manifest로 대체됩니다
snapshot	새 샌드박스 세션이 스냅샷에서 시드되어야 할 때	재개와 유사한 플로 또는 원격 스냅샷 클라이언트에 유용합니다
options	샌드박스 클라이언트에 생성 시점 옵션이 필요할 때	Docker 이미지, Modal 앱 이름, E2B 템플릿, 타임아웃, 유사한 클라이언트별 설정에서 흔합니다

구체화 제어

concurrency_limits는 샌드박스 구체화 작업이 병렬로 얼마나 많이 실행될 수 있는지를 제어합니다. 큰 manifest나 로컬 디렉터리 복사에 더 엄격한 리소스 제어가 필요하면 SandboxConcurrencyLimits(manifest_entries=..., local_dir_files=...)를 사용하세요. 특정 제한을 비활성화하려면 해당 값을 None으로 설정하세요.

다음 몇 가지 함의는 염두에 둘 만합니다.

• 새 세션: manifest=와 snapshot=은 러너가 새 샌드박스 세션을 생성할 때만 적용됩니다
• 재개 vs 스냅샷: session_state=는 이전에 직렬화된 샌드박스 상태에 다시 연결하고, snapshot=은 저장된 워크스페이스 콘텐츠로 새 샌드박스 세션을 시드합니다
• 클라이언트별 옵션: options=는 샌드박스 클라이언트에 따라 달라지며, Docker와 많은 호스티드 클라이언트는 이를 필요로 합니다
• 주입된 실제 세션: 실행 중인 샌드박스 session을 전달하면 기능 기반 manifest 업데이트는 호환 가능한 비마운트 항목을 추가할 수 있습니다. 하지만 manifest.root, manifest.environment, manifest.users, manifest.groups를 변경하거나, 기존 항목을 제거하거나, 항목 유형을 교체하거나, 마운트 항목을 추가 또는 변경할 수는 없습니다
• 러너 API: SandboxAgent 실행은 여전히 일반 Runner.run(), Runner.run_sync(), Runner.run_streamed() API를 사용합니다

전체 예제: 코딩 작업

이 코딩 스타일 예제는 좋은 기본 출발점입니다.

import asyncio
from pathlib import Path

from agents import ModelSettings, Runner
from agents.run import RunConfig
from agents.sandbox import Manifest, SandboxAgent, SandboxRunConfig
from agents.sandbox.capabilities import (
    Capabilities,
    LocalDirLazySkillSource,
    Skills,
)
from agents.sandbox.entries import LocalDir
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

EXAMPLE_DIR = Path(__file__).resolve().parent
HOST_REPO_DIR = EXAMPLE_DIR / "repo"
HOST_SKILLS_DIR = EXAMPLE_DIR / "skills"
TARGET_TEST_CMD = "sh tests/test_credit_note.sh"


def build_agent(model: str) -> SandboxAgent[None]:
    return SandboxAgent(
        name="Sandbox engineer",
        model=model,
        instructions=(
            "Inspect the repo, make the smallest correct change, run the most relevant checks, "
            "and summarize the file changes and risks. "
            "Read `repo/task.md` before editing files. Stay grounded in the repository, preserve "
            "existing behavior, and mention the exact verification command you ran. "
            "Use the `$credit-note-fixer` skill before editing files. If the repo lives under "
            "`repo/`, remember that `apply_patch` paths stay relative to the sandbox workspace "
            "root, so edits still target `repo/...`."
        ),
        # Put repos and task files in the manifest.
        default_manifest=Manifest(
            entries={
                "repo": LocalDir(src=HOST_REPO_DIR),
            }
        ),
        capabilities=Capabilities.default() + [
            # Let Skills(...) stage and index sandbox-local skills for you.
            Skills(
                lazy_from=LocalDirLazySkillSource(
                    source=LocalDir(src=HOST_SKILLS_DIR),
                )
            ),
        ],
        model_settings=ModelSettings(tool_choice="required"),
    )


async def main(model: str, prompt: str) -> None:
    result = await Runner.run(
        build_agent(model),
        prompt,
        run_config=RunConfig(
            sandbox=SandboxRunConfig(client=UnixLocalSandboxClient()),
            workflow_name="Sandbox coding example",
        ),
    )
    print(result.final_output)


if __name__ == "__main__":
    asyncio.run(
        main(
            model="gpt-5.4",
            prompt=(
                "Open `repo/task.md`, use the `$credit-note-fixer` skill, fix the bug, "
                f"run `{TARGET_TEST_CMD}`, and summarize the change."
            ),
        )
    )

examples/sandbox/docs/coding_task.py를 참고하세요. 이 예제는 Unix 로컬 실행 전반에서 예제를 결정적으로 검증할 수 있도록 작은 셸 기반 리포지토리를 사용합니다. 물론 실제 작업 리포지토리는 Python, JavaScript, 그 밖의 어떤 것이든 사용할 수 있습니다.

일반 패턴

위의 전체 예제에서 시작하세요. 많은 경우 동일한 SandboxAgent는 그대로 두고 샌드박스 클라이언트, 샌드박스 세션 소스, 또는 워크스페이스 소스만 바꾸면 됩니다.

샌드박스 클라이언트 전환

에이전트 정의는 그대로 유지하고 실행 구성만 변경하세요. 컨테이너 격리나 이미지 동일성이 필요하면 Docker를 사용하고, 공급자 관리 실행이 필요하면 호스티드 공급자를 사용하세요. 예제와 공급자 옵션은 샌드박스 클라이언트를 참조하세요.

워크스페이스 재정의

에이전트 정의는 그대로 유지하고 새 세션 manifest만 바꾸세요.

from agents.run import RunConfig
from agents.sandbox import Manifest, SandboxRunConfig
from agents.sandbox.entries import GitRepo
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=UnixLocalSandboxClient(),
        manifest=Manifest(
            entries={
                "repo": GitRepo(repo="openai/openai-agents-python", ref="main"),
            }
        ),
    ),
)

에이전트를 다시 만들지 않고 동일한 에이전트 역할을 서로 다른 리포지토리, 패킷, 작업 번들에 대해 실행해야 할 때 사용하세요. 위의 검증된 코딩 예제는 일회성 재정의 대신 default_manifest를 사용해 같은 패턴을 보여줍니다.

샌드박스 세션 주입

명시적인 수명 주기 제어, 실행 후 검사, 출력 복사가 필요하면 실제 샌드박스 세션을 주입하세요.

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import SandboxRunConfig
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

client = UnixLocalSandboxClient()
sandbox = await client.create(manifest=agent.default_manifest)

async with sandbox:
    result = await Runner.run(
        agent,
        prompt,
        run_config=RunConfig(
            sandbox=SandboxRunConfig(session=sandbox),
        ),
    )

실행 후 워크스페이스를 검사하거나 이미 시작된 샌드박스 세션에서 스트리밍하고 싶을 때 사용하세요. examples/sandbox/docs/coding_task.py와 examples/sandbox/docker/docker_runner.py를 참고하세요.

세션 상태에서 재개

이미 RunState 외부에서 샌드박스 상태를 직렬화했다면, 러너가 해당 상태에서 다시 연결하도록 하세요.

from agents.run import RunConfig
from agents.sandbox import SandboxRunConfig

serialized = load_saved_payload()
restored_state = client.deserialize_session_state(serialized)

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=client,
        session_state=restored_state,
    ),
)

샌드박스 상태가 자체 스토리지나 작업 시스템에 있고 Runner가 거기서 직접 재개하기를 원할 때 사용하세요. 직렬화/역직렬화 플로는 examples/sandbox/extensions/blaxel_runner.py를 참고하세요.

스냅샷에서 시작

저장된 파일과 아티팩트에서 새 샌드박스를 시드합니다.

from pathlib import Path

from agents.run import RunConfig
from agents.sandbox import LocalSnapshotSpec, SandboxRunConfig
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

run_config = RunConfig(
    sandbox=SandboxRunConfig(
        client=UnixLocalSandboxClient(),
        snapshot=LocalSnapshotSpec(base_path=Path("/tmp/my-sandbox-snapshot")),
    ),
)

새 실행이 agent.default_manifest만이 아니라 저장된 워크스페이스 콘텐츠에서 시작해야 할 때 사용하세요. 로컬 스냅샷 플로는 examples/sandbox/memory.py, 원격 스냅샷 클라이언트는 examples/sandbox/sandbox_agent_with_remote_snapshot.py를 참고하세요.

Git에서 스킬 로드

로컬 스킬 소스를 리포지토리 기반 소스로 교체합니다.

from agents.sandbox.capabilities import Capabilities, Skills
from agents.sandbox.entries import GitRepo

capabilities = Capabilities.default() + [
    Skills(from_=GitRepo(repo="sdcoffey/tax-prep-skills", ref="main")),
]

스킬 번들이 자체 릴리스 주기를 가지거나 샌드박스 간 공유되어야 할 때 사용하세요. examples/sandbox/tax_prep.py를 참고하세요.

도구로 노출

도구 에이전트는 자체 샌드박스 경계를 가질 수도 있고, 상위 실행의 실제 샌드박스를 재사용할 수도 있습니다. 재사용은 빠른 읽기 전용 탐색 에이전트에 유용합니다. 다른 샌드박스를 생성, hydrate, 스냅샷하는 비용 없이 상위가 사용하는 정확한 워크스페이스를 검사할 수 있기 때문입니다.

from agents import Runner
from agents.run import RunConfig
from agents.sandbox import FileMode, Manifest, Permissions, SandboxAgent, SandboxRunConfig, User
from agents.sandbox.entries import Dir, File
from agents.sandbox.sandboxes.unix_local import UnixLocalSandboxClient

coordinator = User(name="coordinator")
explorer = User(name="explorer")

manifest = Manifest(
    users=[coordinator, explorer],
    entries={
        "pricing_packet": Dir(
            group=coordinator,
            permissions=Permissions(
                owner=FileMode.ALL,
                group=FileMode.ALL,
                other=FileMode.READ | FileMode.EXEC,
                directory=True,
            ),
            children={
                "pricing.md": File(
                    content=b"Pricing packet contents...",
                    group=coordinator,
                    permissions=Permissions(
                        owner=FileMode.ALL,
                        group=FileMode.ALL,
                        other=FileMode.READ,
                    ),
                ),
            },
        ),
        "work": Dir(
            group=coordinator,
            permissions=Permissions(
                owner=FileMode.ALL,
                group=FileMode.ALL,
                other=FileMode.NONE,
                directory=True,
            ),
        ),
    },
)

pricing_explorer = SandboxAgent(
    name="Pricing Explorer",
    instructions="Read `pricing_packet/` and summarize commercial risk. Do not edit files.",
    run_as=explorer,
)

client = UnixLocalSandboxClient()
sandbox = await client.create(manifest=manifest)

async with sandbox:
    shared_run_config = RunConfig(
        sandbox=SandboxRunConfig(session=sandbox),
    )

    orchestrator = SandboxAgent(
        name="Revenue Operations Coordinator",
        instructions="Coordinate the review and write final notes to `work/`.",
        run_as=coordinator,
        tools=[
            pricing_explorer.as_tool(
                tool_name="review_pricing_packet",
                tool_description="Inspect the pricing packet and summarize commercial risk.",
                run_config=shared_run_config,
                max_turns=2,
            ),
        ],
    )

    result = await Runner.run(
        orchestrator,
        "Review the pricing packet, then write final notes to `work/summary.md`.",
        run_config=shared_run_config,
    )

여기서 상위 에이전트는 coordinator로 실행되고, 탐색기 도구 에이전트는 동일한 실제 샌드박스 세션 안에서 explorer로 실행됩니다. pricing_packet/ 항목은 other 사용자에게 읽기 가능하므로 탐색기가 빠르게 검사할 수 있지만 쓰기 비트는 없습니다. work/ 디렉터리는 coordinator의 사용자/그룹에만 제공되므로 상위는 최종 아티팩트를 쓸 수 있지만 탐색기는 읽기 전용으로 유지됩니다.

도구 에이전트에 실제 격리가 필요하다면 자체 샌드박스 RunConfig를 제공하세요.

from docker import from_env as docker_from_env

from agents.run import RunConfig
from agents.sandbox import SandboxRunConfig
from agents.sandbox.sandboxes.docker import DockerSandboxClient, DockerSandboxClientOptions

rollout_agent.as_tool(
    tool_name="review_rollout_risk",
    tool_description="Inspect the rollout packet and summarize implementation risk.",
    run_config=RunConfig(
        sandbox=SandboxRunConfig(
            client=DockerSandboxClient(docker_from_env()),
            options=DockerSandboxClientOptions(image="python:3.14-slim"),
        ),
    ),
)

도구 에이전트가 자유롭게 변경해야 하거나, 신뢰할 수 없는 명령을 실행해야 하거나, 다른 백엔드/이미지를 사용해야 할 때는 별도의 샌드박스를 사용하세요. examples/sandbox/sandbox_agents_as_tools.py를 참고하세요.

로컬 도구 및 MCP와 결합

동일한 에이전트에서 일반 도구를 계속 사용하면서 샌드박스 워크스페이스를 유지하세요.

from agents.sandbox import SandboxAgent
from agents.sandbox.capabilities import Shell

agent = SandboxAgent(
    name="Workspace reviewer",
    instructions="Inspect the workspace and call host tools when needed.",
    tools=[get_discount_approval_path],
    mcp_servers=[server],
    capabilities=[Shell()],
)

워크스페이스 검사가 에이전트 작업의 한 부분일 뿐일 때 사용하세요. examples/sandbox/sandbox_agent_with_tools.py를 참고하세요.

메모리

향후 샌드박스 에이전트 실행이 이전 실행에서 학습해야 한다면 Memory 기능을 사용하세요. 메모리는 SDK의 대화형 Session 메모리와는 별개입니다. 샌드박스 워크스페이스 내부 파일에 교훈을 추출해 저장하고, 이후 실행은 그 파일을 읽을 수 있습니다.

설정, 읽기/생성 동작, 멀티턴 대화, 레이아웃 격리에 대해서는 에이전트 메모리를 참조하세요.

구성 패턴

단일 에이전트 패턴이 명확해지면, 다음 설계 질문은 더 큰 시스템에서 샌드박스 경계를 어디에 둘 것인가입니다.

샌드박스 에이전트는 여전히 SDK의 나머지 부분과 조합됩니다.

• Handoffs: 샌드박스가 아닌 intake 에이전트에서 문서 중심 작업을 샌드박스 검토자로 핸드오프
• Agents as tools: 여러 샌드박스 에이전트를 도구로 노출. 보통 각 Agent.as_tool(...) 호출에 run_config=RunConfig(sandbox=SandboxRunConfig(...))를 전달해 각 도구가 자체 샌드박스 경계를 갖게 함
• MCP 및 일반 함수 도구: 샌드박스 기능은 mcp_servers 및 일반 Python 도구와 공존 가능
• Running agents: 샌드박스 실행도 여전히 일반 Runner API를 사용

특히 흔한 패턴은 다음 두 가지입니다.

• 샌드박스가 아닌 에이전트가 워크스페이스 격리가 필요한 워크플로 부분에서만 샌드박스 에이전트로 핸드오프하는 패턴
• 오케스트레이터가 여러 샌드박스 에이전트를 도구로 노출하는 패턴. 보통 각 Agent.as_tool(...) 호출마다 별도의 샌드박스 RunConfig를 사용해 각 도구가 자체 격리 워크스페이스를 갖게 함

턴과 샌드박스 실행

핸드오프와 agent-as-tool 호출은 별도로 설명하는 것이 도움이 됩니다.

핸드오프에서는 여전히 하나의 최상위 실행과 하나의 최상위 턴 루프가 있습니다. 활성 에이전트는 바뀌지만 실행이 중첩되지는 않습니다. 샌드박스가 아닌 intake 에이전트가 샌드박스 검토자에게 핸드오프하면, 동일한 실행 안의 다음 모델 호출은 샌드박스 에이전트를 위해 준비되고, 그 샌드박스 에이전트가 다음 턴을 담당하게 됩니다. 즉, 핸드오프는 동일한 실행의 다음 턴을 어떤 에이전트가 소유하는지만 바꿉니다. examples/sandbox/handoffs.py를 참고하세요.

Agent.as_tool(...)에서는 관계가 다릅니다. 바깥 오케스트레이터는 하나의 바깥 턴에서 도구 호출을 결정하고, 그 도구 호출이 샌드박스 에이전트에 대한 중첩 실행을 시작합니다. 중첩 실행은 자체 턴 루프, max_turns, 승인, 그리고 보통 자체 샌드박스 RunConfig를 가집니다. 한 번의 중첩 턴에서 끝날 수도 있고 여러 번 걸릴 수도 있습니다. 바깥 오케스트레이터 관점에서는 이 모든 작업이 여전히 하나의 도구 호출 뒤에 있으므로, 중첩 턴은 바깥 실행의 턴 카운터를 증가시키지 않습니다. examples/sandbox/sandbox_agents_as_tools.py를 참고하세요.

승인 동작도 같은 분리를 따릅니다.

• 핸드오프에서는 샌드박스 에이전트가 이제 그 실행의 활성 에이전트이므로 승인이 동일한 최상위 실행에 남습니다
• Agent.as_tool(...)에서는 샌드박스 도구 에이전트 내부에서 발생한 승인도 바깥 실행에 노출되지만, 저장된 중첩 실행 상태에서 오며 바깥 실행이 재개될 때 중첩 샌드박스 실행도 함께 재개됩니다

추가 읽을거리

• Quickstart: 샌드박스 에이전트 하나를 실행하기
• Sandbox clients: 로컬, Docker, 호스티드, 마운트 옵션 선택
• Agent memory: 이전 샌드박스 실행의 교훈 보존 및 재사용
• examples/sandbox/: 실행 가능한 로컬, 코딩, 메모리, 핸드오프, 에이전트 구성 패턴