Agent Runtime

Agent Runtime有什么能力？

一、运行能力

Agent Runtime 以安全沙箱为核心执行环境，支持毫秒级启动与数万实例并发，为 AI Agent 提供安全、隔离、高性能的运行底座。依托腾讯云底层算力与调度能力，提供超大规模的弹性资源供给。

• 多种沙箱类型：

代码执行沙箱（Code Sandbox）：支持多语言执行环境、Shell 执行、文件系统、持久化存储、日志监控。

浏览器沙箱（Browser Sandbox）：支持 Chromium GUI、URL 观测、VNC 远程操作、Shell 执行、文件系统、持久化存储、日志监控。

手机沙箱（Mobile Sandbox）：提供虚拟移动设备环境，支持 App 操控。

电脑沙箱（Computer Sandbox）：提供完整的远程虚拟机操控能力，支持鼠标控制、键盘输入、实时截屏等操作。

自定义沙箱：支持自定义镜像，根据业务需求定制执行环境。

二、沙箱操作能力

生命周期管理：支持启动、暂停、恢复、超时删除、自动空闲回收。动态资源调度使沙箱可在运行与暂停状态间灵活切换，暂停时释放资源、按需快速恢复，实现高密度 Serverless 弹性部署。

文件操作：支持目录和文件的创建、读取、编辑与搜索，支持外挂 COS 对象存储、CFS 高性能文件存储。

权限管理：提供细粒度的角色控制能力，可灵活配置沙箱对腾讯云资源的访问范围。

三、会话快照与状态管理

支持进程级快照技术，完整保留运行上下文，确保 Agent 无缝继续任务。状态切换具备原子性保证，保障任务连续性与上下文一致性。

四、治理能力

Agent 网关：Agent Gateway 对出入流量统一收口，工具和权限统一管理。

身份凭证：对接腾讯系及第三方开发者工具，支持 OAuth2、API Key 等认证方式。

运行观测：支持全链路轨迹采集和观测。

五、智能能力

记忆：支持集成记忆产品。

Skills：上线 Skills Registry。

Agent Runtime有什么产品特性？

一、安全隔离，零信任，零凭证

基于 VM 级隔离能力，为每个 Agent 任务提供独立资源边界，结合文件、网络与身份的多层隔离设计，将风险收敛在最小爆炸半径内。内置身份鉴权、零凭证访问与最小权限控制，让 Agent 默认运行在安全前提下。

二、超高并发与毫秒启动

面向脉冲式、高密度的 Agent 负载设计，支持超大规模资源并发与极速扩缩容。结合毫秒级启动能力与高效资源调度，轻松应对在线任务爆发与大规模训练峰值。已在腾讯内部和头部模型场景大规模生产环境中验证。

三、多形态Runtime，覆盖全场景

支持短时任务、长时作业与定制化环境。Serverless 式短时执行，满足Coding Agent等事件触发场景；常驻式运行，承载“OpenClaw”龙虾类长时作业与复杂多步任务；同时开放自定义环境能力，适配企业专有工具链与业务逻辑。

四、状态保持

支持算力极速休眠&唤醒， 让 AI Agent 持久在线、按需计费，显著提升长时任务的可靠性、可恢复性与资源利用率。

五、丰富的原生环境工具

提供代码、浏览器、手机、Computer Use 等多种原生执行环境，并预置 SWE-bench、OSWorld 等典型任务环境。全面覆盖Agent应用、训练、评测场景。

六、生态兼容

兼容 E2B 协议与多类主流接入方式，提供 API、SDK、CLI 等面向 Agent 的开发工具链。 无论是已有框架迁移，还是企业平台集成，都能以更低改造成本快速接入。

Agent Runtime有什么产品优势？

一、Agent Native

Agent Runtime 以 Agent 的目标导向、自主决策、多步执行、工具调用与长期状态管理为核心，原生构建运行时环境、记忆、网关与观测能力，支持从短时调用到长时任务的多种执行形态。让 Agent 在真实环境中稳定运行、持续工作，并具备可观测、可恢复、可演进的执行能力。

二、Agent First

Agent Runtime 提供面向 Agent 优化的 API、SDK、CLI、文档、样例与工具链，支持机器可读、样例可执行、流程可回放的接入方式，帮助开发者与企业平台更高效地完成环境拉起、任务执行、工具调用与系统集成，让 Agent 更容易接入，也更容易用好。

三、Agent Ready

Agent Runtime 支持大规模弹性调度、VM 级隔离、身份鉴权、审计与可观测能力，持续提供安全可控、稳定可靠、结果可预期的生产支撑，让 Agent 真正具备规模化生产与持续运行的能力。

Agent Runtime有什么应用场景？

gent Runtime 覆盖 Agent RL 和 Agentic Agent 两大核心场景。

一、Agent RL（强化学习）

Agent RL 面向强化学习训练场景，核心诉求是海量镜像支持和超大规模并发。

1.场景特征

2.Agent Runtime 方案

超大资源池：共享腾讯云计算、容器大盘资源池，按业务需求灵活调配全球算力。

超高并发：十万级实例并发创建。

极致启动性能：100ms 级沙箱启动时间。

镜像加速：基于 Turbo CFS 高性能文件存储构建镜像存储集群，节点按需加载、缓存优化。

二、Agentic Agent

Agentic Agent 面向实际业务中的 Agent 应用部署与运行，根据任务形态分为任务式 Agent 和常驻 Agent 两类。

1.任务式 Agent

任务式 Agent 以秒级存活、执行完即销毁为主，核心诉求是极致启动速度（毫秒级）和高并发稳定性。

典型场景：

Coding Agent：AI 生成的代码在云端沙箱中运行，与本地隔离，避免安全风险，具备弹性算力。支持 CodeBuddy Code / Claude Code 等沙箱环境。

Deep Research：浏览器沙箱提供安全隔离的浏览器交互环境，Agent 通过 Playwright 等工具完成深度信息调研。

数据处理与办公自动化：通用 Agent 通过代码生成完成数据清洗、分析、图表与 PPT 制作，所有代码在云端沙箱中运行。

GUI Agent：在浏览器/虚拟桌面/虚拟手机中模拟人机操作（Browser Use / Computer Use / Mobile Use），实现从“代码驱动”向“操作驱动”演进。

2.常驻 Agent

常驻 Agent 面向长时间运行的 Agent 场景，Agent 需持久化运行，如 OpenClaw，而非执行完即销毁。

Agent Runtime 和容器服务 / 函数计算 / 微服务平台有什么区别？

Agent Runtime 不是通用算力平台的简单复用，而是专门面向 Agent 的执行模式设计的基础设施。普通平台更适合确定性服务调用，而 Agent 天然具备目标导向、自主决策、多步执行、工具调用等特征，对运行环境、权限治理、会话状态、工具接入和观测审计都有更高要求。Agent Runtime 提供的不只是“把任务跑起来”，而是让 Agent 在真实生产环境中既能运行，又能被管控、被审计、被持续优化。