OpenAI 說明 Codex 如何在 macOS、Linux 和 Windows 限制命令許可權
OpenAI 深入解析 Codex 沙箱的許可權設計與三平臺實現
AI 助理在電腦上執行命令時,可能讀到不該碰的檔案,或把資料傳到網路上。
- OpenAI 說明 Codex 沙箱如何依許可權設定限制命令能讀寫哪些檔案、能連到哪些網路服務,也能讓使用者或企業調整這些限制。舉例來說,工作區裡的程式碼可以修改,但設定檔可設為唯讀,網路也能預設關閉。這套沙箱會使用 macOS、Linux 和 Windows 各自的隔離機制。
- 開發者也能用 codex sandbox 在自己的工具中限制命令。
AI 伴隨問答
針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:
文章比較 Codex 沙箱在三種作業系統上的做法,也說明檔案與網路許可權如何限制命令,並介紹如何把這套機制用在其他工具。
OpenAI:官網動態·2026-11-18 16:00· 11 小時前精選AI 評分65
Inside the Codex sandbox
AI 導讀
OpenAI 釋出長文,詳解 Codex 沙箱如何在使用者現有環境中以可控的檔案系統和網路限制執行命令。
推薦理由
OpenAI 首次系統拆解 Codex 沙箱在 macOS、Linux、Windows 三平臺的許可權設計與底層實現,讀者可據此理解並複用這套受限執行機制。
走進 Codex 沙箱
Codex 如何在你掌控的限制範圍內,在你的機器上執行命令。
作者:Michael Bolin,技術團隊成員
收聽本文 28:07
分享
在 OpenAI,我們在保護AI 助理時採取縱深防禦(在新視窗開啟)的策略。我們在訓練與對齊上的投入是這項工作的根本,同時我們也在AI 助理執行框架 Codex(在新視窗開啟)中實現了一些功能,提供額外保護。Codex 最常做、也潛在風險最高的事情之一,就是在你的電腦上執行命令,因此我們構建了Codex 沙箱,讓 Codex 能在你現有的環境中工作,同時受你掌控的檔案系統和網路限制約束。
A(在新視窗開啟)_sandbox_(在新視窗開啟) 限制程式執行時可訪問的內容。對於照片整理任務,你可以配置 Codex 沙盒,讓命令能夠讀取和修改 ~/Pictures 中的檔案,同時阻止網路訪問以防止上傳。對於程式碼審查,你可以允許訪問線上文件,同時保持原始檔為只讀。使用者通過(在新視窗開啟)_許可權配置檔案_(在新視窗開啟)配置 Codex 沙盒,這些配置檔案定義了 Codex 會話的檔案系統和網路限制。
本文先講 Codex 沙箱預設設定背後的取捨,再說明沙箱的設計以及執行框架如何用它來執行命令。我們會展示終端使用者和企業如何按需調整許可權,開發者如何在自己的工具中複用這套沙箱。最後,我們會看看這些限制在 macOS、Linux 和 Windows 上分別如何落實。
劃定沙箱邊界
在 Codex 中,我們的理念是為沙箱設定保守的預設值,同時仍能支撐有意義的工作。例如,當工作區根目錄是一個 Git 倉庫時,內建的 :workspace 許可權配置會:
允許在工作區內寫入,同時讓
.git和.codex等目錄保持只讀。這樣 Codex 修改原始碼時無需為每次改動申請許可權,同時防止直接改動.codex/config.toml或.git/hooks下的 Git 鉤子。允許廣泛的檔案系統讀取,但受使用者現有作業系統許可權的約束。編譯器、執行時和構建工具依賴倉庫之外的 SDK、庫和配置。如果把讀取限制在工作區內,許多日常流程都會中斷。代價是機器上其他位置的敏感檔案也可能仍可讀取(例如包含 API 金鑰的配置檔案)。
停用網路訪問。這會阻止直接向外部服務上傳,包括試圖外洩命令可讀取的資料。它同時也會擋住下載依賴等正常操作,這些操作需要額外授權。
這些限制能擋住一大類不良行為,但有害操作仍然可能發生。例如,AI 助理可以把惡意程式碼注入本地安裝的某個包,比如 node_modules/prettier。這種改動可能不會出現在 git status 裡,因為 node_modules 通常被 Git 忽略。如果使用者的編輯器在儲存時運行了那份 Prettier,那麼僅僅儲存一個檔案,就可能在 Codex 沙箱之外執行惡意程式碼。正因如此,我們採取縱深防禦的思路:沙箱限制命令能訪問什麼,而訓練與對齊則幫助模型按照使用者意圖來使用這些訪問許可權。
關於如何在企業環境中定製沙箱許可權並與其他防護措施配合使用,請參閱Codex 安全手冊(在新視窗開啟)。
沙箱的設計
虛擬機器和容器(在新視窗開啟)是實現沙箱的兩種常見機制,但 Codex 沙箱走的是另一條路。Codex 不把計算搬到獨立環境來實現隔離,而是利用各平臺自帶的沙箱能力,約束在使用者現有環境中執行的命令。
對許多開發者來說,自己的筆記型電腦就是一套量身定製的開發環境,可以隨時按需改動。要在 Docker 容器裡復現這套環境並不輕鬆,而且有些工作流仍然依賴執行在宿主機上的工具。
舉個例子:在 Mac 上用 Codex 開發 iOS 應用。如果你決定把 Codex 放進 Docker 裡執行來實現沙箱隔離,Codex 就無法執行由 Mac 原生執行檔組成的 iOS 構建工具鏈,也無法啟動 iPhone 模擬器來執行程式碼。基於 Docker 的工作流可以把構建和模擬器操作交給 Mac 宿主機執行,但這些操作會在容器沙箱之外執行,需要另行施加限制。對 Codex 來說,我們更願意把事情做簡單:在作業系統層面的沙箱上重點投入,讓 Codex 能在最適合當前任務的環境中執行。
這套執行框架通過一套跨 macOS、Windows 和 Linux 的通用 API,對外暴露各作業系統特有的沙箱機制。該 API 接收一個命令和一個許可權配置。如果許可權配置允許有限的網路訪問,呼叫方必須提供一個網路代理來落實這些限制:
Python
1# This is a simplified version of the actual API.2def spawn_command_under_sandbox(3 program_and_args: list[str],4 cwd: Path,5 env: dict[str, str],6 permission_profile: PermissionProfile,7 network_proxy: NetworkProxy | None,8) -> Child:
這個函式會在沙箱中啟動程序,並返回一個 Child 控制代碼,執行框架可以用它等待程序結束。每個子程序都會繼承父程序的沙箱約束,因此這些限制會作用於該命令發起的整棵程序樹,包括在原程序結束後仍然存活的那些後代程序。
下圖展示了這些元件如何協同工作,從配置到執行一條沙箱化命令的全過程。後續各節將逐一說明每個階段。

執行框架如何利用沙箱
正如《拆解 Codex AI 助理迴圈》中所說,Codex 執行框架負責執行模型生成的工具呼叫。對於程式設計任務,最常用的工具是shell 工具,它執行命令的方式與使用者在 Bash 等互動式 shell 中操作時大致相同。下面我們以一次性(在新視窗開啟)exec_command(在新視窗開啟)shell 工具(在新視窗開啟)為例,說明執行框架如何藉助沙箱實現所需的防護。
這是 Codex 執行框架在不使用沙箱的情況下處理 exec_command 工具呼叫的簡化流程:
Python
1# Illustrative implementation of the exec_command tool call.23class ExecCommandToolCall:4 cmd: str5 workdir: str | None = None6 shell: str | None = None7 login: bool = True8 timeout_ms: int = 10_00091011def perform_exec_command(tool_call: ExecCommandToolCall):12 program_and_args = [13 tool_call.shell or os.environ.get("SHELL") or "/bin/sh",14 "-lc" if tool_call.login else "-c",15 tool_call.cmd,16 ]17 child = subprocess.Popen(18 program_and_args,19 # workdir defaults to the turn's cwd, assumed here to be the process cwd.20 cwd=Path(tool_call.workdir or ".").absolute(),21 stdout=subprocess.PIPE,22 stderr=subprocess.STDOUT,23 )24 output, exit_code = collect_output(child, timeout_ms=tool_call.timeout_ms)25 return {"output": output, "exit_code": exit_code}
為了對命令進行沙箱隔離,執行框架會把對 subprocess.Popen() 的呼叫替換為 spawn_command_under_sandbox()。執行框架會提供許可權配置,並在需要時提供網路代理:
Python
1# Honoring the exec_command tool call while enforcing sandbox constraints.23def perform_exec_command_with_sandboxing(4 tool_call: ExecCommandToolCall,5 permission_profile: PermissionProfile,6 network_proxy: NetworkProxy | None,7):8 # ...build program_and_args as in the previous example...9 child = spawn_command_under_sandbox(10 program_and_args=program_and_args,11 cwd=Path(tool_call.workdir or ".").absolute(),12 env=os.environ.copy(),13 permission_profile=permission_profile,14 network_proxy=network_proxy,15 )16 output, exit_code = collect_output(child, timeout_ms=tool_call.timeout_ms)17 return {"output": output, "exit_code": exit_code}
exec_command 工具還允許模型為單條命令申請不同的許可權,但由執行框架決定是否批准該請求:
Python
1class ExecCommandToolCall:2 # ...command-related fields...34 # Per-command sandbox override. Defaults to "use_default".5 sandbox_permissions: Literal[6 "use_default",7 "with_additional_permissions",8 "require_escalated",9 ] = "use_default"1011 # User-facing approval question; only for "require_escalated".12 justification: str | None = None1314 # Expand network or filesystem access; only for "with_additional_permissions".15 # AdditionalPermissions supports fine-grained options.16 additional_permissions: AdditionalPermissions | None = None
指定 use_default 時,執行框架會使用本輪預設的沙箱配置。with_additional_permissions 請求在沙箱內擴大訪問許可權,require_escalated 則請求在沙箱之外執行。執行框架會在執行命令前根據使用者偏好評估該請求。(例如,Codex 可能直接提示使用者,也可能把請求轉交給 自動稽核(在新視窗開啟)。)如果執行獲得授權,Codex 會把相應的 permission_profile 和 network_proxy 連同原始 ExecCommandToolCall 中的命令引數一起傳給 perform_exec_command_with_sandboxing()。
shell 工具是 spawn_command_under_sandbox() 的主要使用方,執行框架也會把它的沙箱基礎設施複用於讀取和修改本地檔案等操作。這種複用並不限於執行框架本身:codex sandbox 命令可以讓你把沙箱化的命令執行整合到自己的工具中,後文會具體介紹。接下來,我們看看許可權配置是如何定義的。
配置沙箱
命名許可權配置讓你可以在多個專案之間複用同一套檔案系統和網路限制。你可以在 config.toml 的 [permissions] 下定義自己的配置。例如,下面定義了一個名為 dev 的配置,它擴充套件(在新視窗開啟)了內建的 :workspace 配置:
TOML
1# Use the dev profile by default.2default_permissions = "dev"34[permissions.dev]5# This is displayed when /permissions is run in the Codex CLI.6description = "Development with extra read-only protections."78# A profile can be derived from an existing profile.9# Profiles starting with ":" are provided by Codex.10extends = ":workspace"1112[permissions.dev.filesystem]13"~/build-cache" = "write"1415[permissions.dev.filesystem.":workspace_roots"]16".devcontainer" = "read"17".vscode" = "read"18"**/*.env" = "deny"19"secrets" = "deny"
dev 配置為 ~/build-cache 增加了寫入許可權,並對工作區中的檔案施加了額外限制。檔案系統條目可以授予只讀訪問(read)、授予讀寫訪問(write),或完全阻止訪問(deny)。
:workspace_roots 表讓你可以針對相對於專案工作區根目錄的路徑定義規則。預設情況下,Codex CLI 把當前工作目錄作為唯一的工作區根目錄,而 ChatGPT 桌面應用則使用專案的原始碼資料夾。Codex 會把每條規則應用到每個根目錄,因此 dev 中的 .vscode 條目會讓每個根目錄下的 .vscode 目錄都變為只讀。
除了自身規則外,dev 還從 :workspace 繼承以下保護措施:
TOML
1[permissions.":workspace".filesystem.":workspace_roots"]2".agents" = "read"3".aws" = "read"4".codex" = "read"5".git" = "read"
網路許可權
在 Codex 中配置沙箱網路時,大致有三種選擇:
停用所有網路訪問(
:workspace配置的預設值)啟用完全的直接網路訪問(
:danger-full-access配置的預設值)將網路訪問限制到代理,由代理根據許可權配置決定放行哪些請求
要讓 dev 獲得直接網路訪問,在 config.toml 頂層設定 permissions.dev.network.enabled = true。當網路代理被停用時,這會授予完整的網路訪問許可權。
要把 dev 限制到一組域名,請啟用網路代理並配置其域名規則:
TOML
1[permissions.dev.network]2enabled = true34[permissions.dev.network.domains]5"*.openai.com" = "allow"6# Allow requests to local services by hostname or by IPv4/IPv6 loopback address.7"localhost" = "allow"8"127.0.0.1" = "allow"9"::1" = "allow"10"evil.example" = "deny"1112[features]13# If neither local config nor managed requirements enable the proxy,14# this profile allows direct network access; domain rules are not enforced.15network_proxy = true
域名規則支援精確名稱和萬用字元模式,顯式拒絕規則優先於允許規則。對其他域名的請求需要審批或被阻止,具體如下文“網路代理”所述。
分層配置與限制執行
個人使用者可以配置跨專案生效的預設值,並針對某個受信任專案覆蓋這些預設值。企業管理員可能還想為使用者配置預設值,並限制這些使用者能更改哪些設定。Codex 通過分層配置和託管要求同時支援這兩種需求。
正如配置優先順序(在新視窗開啟)中所述,Codex 會合並來自多個 config.toml 檔案的設定。表格按遞迴方式合併,當值衝突時,優先順序更高的來源勝出。陣列則整體替換。
這正是許可權配置檔案用表格來表示檔案系統路徑和網路域的原因。團隊可以在自己的配置中新增或覆蓋單個條目,同時自動繼承組織基礎配置中其他所有條目的變更:
TOML
1[permissions.dev.filesystem.":workspace_roots"]2".idea" = "read"34[permissions.dev.network.domains]5"example.com" = "allow"
管理員還可以通過 requirements.toml 提供受管要求(在新視窗開啟),以約束使用者的配置選擇。這些要求可以來自多個來源,包括系統檔案和雲端下發的策略。一個常見用例是指定 allowed_permission_profiles,以限定企業使用者可選的許可權配置檔案集合。例如,管理員可以指定如下雲端要求:
TOML
1default_permissions = ":read-only"23[allowed_permission_profiles]4":read-only" = true5":danger-full-access" = false
雲端要求會優先於位於 /etc/codex/requirements.toml 的系統要求檔案,因此該檔案中的條目無法覆蓋上面顯式指定的 ":danger-full-access" = false。若將 :workspace 留空不指定,則允許另一個要求層來提供該條目。條目為 false 或在最終合併表中缺失的配置檔案不可用。
這種分離讓組織能夠施加限制,而使用者則可以在這些限制範圍內調整自己的配置。由此得到的許可權配置檔案既可以供 harness 使用,也可以直接應用於某條命令,我們接下來就會看到。
使用 codex sandbox 命令
Codex CLI 提供了 sandbox 命令,方便在 Codex 配置中定義的許可權配置檔案下執行任意命令。這通常用於測試該配置檔案,確認沙箱確實能阻止它本應阻止的行為。
例如,下面的命令試圖把 VS Code 配置成在儲存時執行一個惡意的自動格式化程式。假設 .vscode 已存在,上面定義的 dev 配置檔案應當阻止這次寫入,因為該目錄是隻讀的(codex sandbox 預設將 cwd 視為工作區根目錄):
Bash
1codex sandbox --permission-profile dev -- \2 bash -c 'cat > .vscode/settings.json' <<'JSON'3{4 "prettier.prettierPath": "./node_modules/evil-prettier",5 "[typescript]": {6 "editor.defaultFormatter": "esbenp.prettier-vscode",7 "editor.formatOnSave": true8 }9}10JSON
果然,在 macOS 上這會失敗並報出:
純文本
1bash: .vscode/settings.json: Operation not permitted
codex sandbox 命令讓 Codex 的沙箱機制可以脫離AI 助理會話獨立使用。你可以沿用同一套配置語言和平臺相關的強制執行方式,來約束自己工具啟動的命令。
示例:為 MCP 伺服器加沙箱
對於在 config.toml 中配置的 stdio MCP 伺服器,Codex harness 不會嘗試對啟動該伺服器的命令加沙箱。Codex 無法可靠地推斷該伺服器需要哪些檔案或網路服務,因此套用預設沙箱配置檔案可能會破壞原本有效的配置。
例如,為配合 Codex 使用而配置 @modelcontextprotocol/server-memory(在新視窗開啟) MCP 伺服器的標準做法如下:
TOML
1[mcp_servers.memory]2command = "npx"3args = [4 "-y",5 "@modelcontextprotocol/server-memory@1.0.0"6]78[mcp_servers.memory.env]9MEMORY_FILE_PATH = "~/mcp-data/memory.jsonl"
由於這條 npx 命令在沙箱之外執行,它可以以執行 Codex 的使用者的同等許可權寫檔案、髮網絡請求,許可權過於寬鬆。要收緊限制,我們可以定義一個名為 memory-mcp 的許可權配置檔案,然後用 codex sandbox --permission-profile memory-mcp 包裝原來的 npx 命令,限制該伺服器可寫入的位置,並阻止它訪問網路:
TOML
1[permissions.memory-mcp.filesystem]2# Allow broad reads for Node.js/npm dependencies and configuration.3":root" = "read"4"~/.npm" = "write"5"~/mcp-data" = "write"67[permissions.memory-mcp.network]8enabled = false910[mcp_servers.memory]11command = "codex"12args = [13 "sandbox",14 "--permission-profile",15 "memory-mcp",16 "--",17 "npx",18 "--offline",19 "@modelcontextprotocol/server-memory@1.0.0"20]2122[mcp_servers.memory.env]23MEMORY_FILE_PATH = "~/mcp-data/memory.jsonl"
在啟動伺服器之前,先建立它的資料目錄,並用固定版本的包填充 npm 快取。這樣 npx --offline 就能在一個停用網路訪問的配置檔案下啟動該伺服器:
Bash
1# The sandbox can write to this folder, but it cannot create it.2mkdir -p ~/mcp-data34# Installing the MCP server requires network access.5npx -y --package=@modelcontextprotocol/server-memory@1.0.0 -c true
包快取好之後,Codex 就能在沒有網路訪問的情況下啟動 memory 伺服器,寫入範圍僅限於 npm 快取和該伺服器的資料目錄。
Codex 沙箱實現
沙箱實現會把許可權配置轉化為由作業系統強制執行的各種限制。網路代理的核心請求處理與策略邏輯在三大主流作業系統上共用,而代理的搭建方式以及與沙箱的整合則因作業系統而異。我們先看共用的代理部分,再分別介紹 macOS、Linux 和 Windows 上的實現。
網路代理
為了落實許可權配置中的網路限制,harness 會啟動一個網路代理,並把沙箱配置成允許連線到該代理、同時阻止直接連線外部主機。代理會按配置中的域名規則逐一檢查每個請求,決定是否轉發。
在 Codex 倉庫中,網路代理實現在 codex-network-proxy(opens in a new window) crate 裡,harness 以庫的形式使用它,不過它也可以構建成 獨立 CLI(opens in a new window)。啟用後,codex-network-proxy 預設會同時啟動一個 HTTP 代理和一個 SOCKS5 代理。這些代理地址通過環境變數傳給沙箱啟動的程序。除了注入 HTTP_PROXY、HTTPS_PROXY、ALL_PROXY 等標準環境變數外,還會注入一批常見的應用專用環境變數(opens in a new window)(例如 PIP_PROXY)。誠然,並非所有程式都會遵循這些環境變數。如果程式試圖直接連線外部主機,作業系統的沙箱限制會將其攔截,具體機制見下文各平臺章節。
網路代理負責落實許可權配置中定義的網路限制。例如,前面展示的 dev 配置允許訪問 *.openai.com,並明確拒絕訪問 evil.example。當請求的目標域名既不匹配允許規則也不匹配拒絕規則時,代理可以掛起該請求,轉而交給 harness 審批。與 shell 命令的例子類似,Codex 可能直接向用戶彈出提示,也可能把請求轉給自動審查(opens in a new window)。收到決定後,代理要麼放行請求,要麼以錯誤響應拒絕。
這裡的順序很關鍵,因為即便是 DNS 查詢,也可能洩露主機名中編碼的資訊。因此,代理只有在確認請求的主機名被允許或已獲批准之後,才會去解析它。需要注意的是,寬泛的萬用字元規則或對 DNS 服務的訪問,仍然可能讓攻擊者借 DNS 外傳資料。
macOS
在 macOS 上,Codex 使用 Seatbelt(opens in a new window),這是 Apple 由核心強制執行的沙箱機制。Seatbelt 策略用 Sandbox Profile Language(SBPL)編寫,這是一種基於 Scheme 的語言,用來表達沙箱限制。Codex 通過 macOS 的 /usr/bin/sandbox-exec 命令呼叫 Seatbelt。和 codex sandbox 一樣,它先接收描述沙箱的選項,再接收要執行的命令:
Bash
1sandbox-exec -p PROFILE [-Dkey=value]* -- PROG ARGS...
其中的 PROFILE 是一段 SBPL 字串,包含用於配置沙箱的條目。例如,下面這段 SBPL 讓 /dev/null 和 /dev/zero 在沙箱策略下可讀可寫:
Scheme
1(allow file-read* file-test-existence file-write-data2 (literal "/dev/null")3 (literal "/dev/zero"))
當沙箱呼叫中啟用了網路代理時,會向配置中注入類似下面的規則,把連線限制到相應的本地埠:
Scheme
1; local HTTP proxy launched by Codex2(allow network-outbound (remote ip "localhost:3128"))34; local SOCKS proxy launched by Codex5(allow network-outbound (remote ip "localhost:8081"))
Codex 的基礎配置以 (deny default) 開頭,因此除非明確允許,否則出站連線始終被阻止。
最後,SBPL 中可以用 (param) 放置佔位符:
Scheme
1; Pass -DWRITABLE_ROOT_0=/path/to/dir to specify a folder that cannot be removed.2(deny file-write-unlink3 (require-all4 (literal (param "WRITABLE_ROOT_0"))5 (vnode-type DIRECTORY)))
這些選項由傳給 sandbox-exec 的 -Dkey=value 選項填充。
為了實現自己的沙盒 API,Codex 構建引數列表(在新視窗開啟)傳給 sandbox-exec,從基礎策略(在新視窗開啟)開始,然後使用 permission_profile 和其他上下文對其進行修正,以生成完整的 Seatbelt 配置檔案。生成的配置檔案及配套的 -D 引數配置了由 Seatbelt 強制執行的限制,而網路代理則強制執行額外的網路規則。在完整引數列表組裝完成後,呼叫 sandbox-exec 就很簡單了。
生成正確的 SBPL 之所以困難,是因為 Apple 並未面向第三方公開這門語言的文件。事實上,man sandbox-exec 就寫明 The sandbox-exec command is DEPRECATED(sandbox_init() 庫函式也是如此,其文件見 man 3 sandbox_init)。儘管有棄用警告,macOS 仍在 /usr/share/sandbox 中提供 Seatbelt 配置檔案,第三方軟體(包括 Google Chrome 和 Chromium(在新視窗開啟))也依然依賴 Seatbelt。因此,在可預見的未來,我們計劃繼續使用 Seatbelt。
Linux
在 Linux 上建立沙箱時,Codex 會組合使用 bubblewrap(在新視窗開啟)(bwrap)和 seccomp-bpf(在新視窗開啟):前者是用於構建隔離環境的命令列工具,後者是 Linux 核心中用於過濾系統呼叫的機制。一個名為 codex-linux-sandbox 的內部輔助程式負責協調整個設定過程。與 macOS 上的 sandbox-exec 一樣,它接收一份沙箱配置,再接收要執行的命令:
Bash
1codex-linux-sandbox SANDBOX_ARGS... -- PROG ARGS...
當需要檔案系統隔離或代理路由時,codex-linux-sandbox 會呼叫 bwrap 建立初始沙箱環境,隨後 bwrap 在其中啟動 codex-linux-sandbox --apply-seccomp-then-exec。第二次呼叫會藉助 seccomp-bpf 施加額外限制,然後再執行使用者的命令。
為了構建這個初始沙箱環境,Codex 用 bubblewrap 在獨立的掛載名稱空間中建立檔案系統檢視,使其符合許可權配置中的檔案系統規則。由於這是沙箱實現的基礎,Codex 自帶了一份 bwrap 副本,以防使用者沒有自行安裝;不過只要 PATH 上存在相容的安裝,它會優先使用(在新視窗開啟)bwrap(在新視窗開啟)。從實際情況看,部分 Linux 發行版預設禁止訪問使用者名稱空間(在新視窗開啟),但對系統自帶的 bwrap 網開一面。
同樣與 sandbox-exec 類似,bwrap 接收一份沙箱配置,再接收要在沙箱內執行的命令。bwrap 不像 SBPL 那樣使用自定義配置語言,而是用一個個獨立的標誌來配置。Codex 使用以下選項來建立檔案系統檢視:
--bind用於指定可寫檔案或目錄--ro-bind用於指定只讀檔案或目錄--perms 000 --tmpfs DIR --remount-ro DIR用於禁止訪問DIR--perms 000 --ro-bind-data FD FILE用於禁止訪問FILE(其中FD是指向/dev/null的開啟檔案描述符)
要用這些選項實現拒絕萬用字元,Codex 會在啟動每條命令前把它們展開成具體路徑。之後新出現的匹配路徑不會自動加入該命令的沙箱限制。
Codex 還會指定 --unshare-ipc 和 --unshare-pid 等選項,阻止沙箱訪問宿主機上的其他型別資源,因此 bubblewrap 影響的不只是檔案可見性。
使用 bubblewrap 時,只要網路被停用或連線必須經過網路代理,Codex 就會傳入 --unshare-net,為沙箱新建一個網路名稱空間。隨後我們用 seccomp-bpf 對命令可用的網路系統呼叫和套接字族施加額外限制。
具體來說,我們使用 seccompiler crate(在新視窗開啟),根據所需的過濾器動態編譯一個 BPF 程式(在新視窗開啟),並將其應用到沙箱中的啟動器程序,這樣約束就會被整個程序樹繼承。因此,bwrap 並不直接執行使用者的命令,而是執行 codex-linux-sandbox 啟動器,先傳入它自己的配置引數,再跟上使用者的命令:
Bash
1bwrap BWRAP_ARGS... -- \2 codex-linux-sandbox --apply-seccomp-then-exec CODEX_LINUX_SANDBOX_ARGS... -- \3 PROG ARGS...
為了在沒有提權的情況下應用 seccomp 過濾器,啟動器會設定 Linux 的 no_new_privs 標誌(在新視窗開啟)。該標誌會被子程序繼承,防止它們在執行其他程式(例如 setuid 執行檔)時獲得額外許可權。
seccomp 過濾器取決於網路配置。當網路訪問被停用時,我們會攔截一系列與網路相關的系統呼叫,例如 connect(2) 和 bind(2)。不過,當沙箱中啟用網路代理時,我們允許 IP socket,以便 codex-linux-sandbox 建立的 TCP 監聽器可以被訪問,但預設阻止建立獨立的 Unix 域套接字,因為這類套接字可能導致對宿主機資源的意外訪問。
連線網路代理
當沙箱配置需要使用網路代理時,Codex 執行框架會建立一個代理實例,該實例可以在同一 Codex 執行緒內多次呼叫 codex-linux-sandbox 時複用。每個沙箱都需要一種方式,從其隔離的網路名稱空間訪問這個共享代理。Codex 在該名稱空間內提供一個迴環 TCP 監聽器,並安排沙箱外的一個程序接受其連線並轉發給代理。
以下示意圖展示了一個代理端點的這種設定,最後一張圖顯示了通過它建立的一個連線。在啟動 bubblewrap 之前,codex-linux-sandbox 會建立一個 Unix 套接字對作為控制通道,並 fork 自身。子程序執行 run_host_bridge(),並等待通過該通道接收監聽器的檔案描述符:
在這個例子中,父程序使用 exec 將其程式映像替換為 bwrap。這會設定沙箱並在其中啟動 codex-linux-sandbox --apply-seccomp-then-exec,同時傳遞控制通道的檔案描述符:
在沙箱的網路名稱空間內,第二次呼叫 codex-linux-sandbox 會建立一個迴環 TCP 監聽器,並通過套接字傳遞其檔案描述符。該監聽器仍然關聯到沙箱的網路名稱空間,使得留在沙箱外的子程序可以接受來自沙箱內程式的連線,同時在宿主機的網路名稱空間中開啟其上游連線。交接完成後,兩個程序都會關閉控制通道描述符,沙箱內的程序會關閉其監聽器副本。
TCP 監聽器就緒後,沙箱內的程序會為 HTTP_PROXY 設定適當的值(在新視窗開啟)及相關環境變數,指向該監聽器。然後,它在 fork 並執行使用者命令之前應用 seccomp:
沙箱外的程序保持監聽器開啟。對於每個接受的連線,它會開啟一個到已配置代理的連線,並在兩個方向上轉發資料。
這套額外的機制讓命令擁有獨立的網路名稱空間,其中包含一個單獨的環回介面。在 macOS 上,Seatbelt 允許命令直接連線主機環回介面上指定的埠。在 Linux 上,命令則連線到自己隔離名稱空間內的一個監聽器,再由沙箱外的一個程序把這些連線轉發到配置好的代理。通過描述符交接,這一連線得以實現,同時不會把主機的網路名稱空間暴露給命令。
Windows
今年早些時候,我們實現並撰文介紹了我們在 Windows 上的沙箱工作。此後,微軟釋出了一個名為 MXC 的庫,同時為 Windows 作業系統內的程序隔離帶來了新特性。我們目前正在用基於 MXC 庫的沙箱替換現有的沙箱。
什麼是 MXC?
MXC(Microsoft eXecution Container)是微軟推出的沙箱化程式碼執行系統(在新視窗中開啟),支援 Windows、Linux 和 macOS 上的多種隔離後端。Codex 在相容的 Windows 裝置上支援基於 MXC 的沙箱,利用原生程序隔離把命令限制在使用者現有的環境中。
我們正轉向 MXC,以提升安全性和易用性,同時解決現有 Windows 沙箱的幾項侷限:
設定沙箱需要提權/管理員許可權
ACL 檢查和設定操作開銷大、速度慢
主機上會殘留沙箱設定狀態,包括
ACL
防火牆規則
沙箱使用者
控制平面檔案
MXC 提供了JSON 配置模式(在新視窗中開啟)。Codex 使用 MXC SDK(在新視窗中開啟),按照該模式構造執行請求,請求中包含命令、工作目錄、環境和許可權。這些許可權涵蓋檔案系統和網路訪問,以及桌面、剪貼簿等 Windows 資源。
把策略轉換為 MXC 呼叫
Codex 對若干控制項採用固定設定,以兼顧相容性與安全性。它允許讀取登錄檔,並保留 PowerShell 啟動時所需的 Win32k 和桌面訪問許可權。剪貼簿訪問、輸入注入以及桌面和系統設定控制均被停用。最後,MXC 被禁止退回到修改主機檔案系統許可權的做法。
Codex 把許可權配置檔案中的檔案系統和網路規則轉換為 MXC 的配置。沿用前面的 dev 配置檔案,並假設:
C:\、D:\和Z:\是本機僅有的本地驅動器。工作區根目錄和工作目錄為
C:\work\demo。使用者主目錄為
D:\Users\dev,因此~/build-cache解析為D:\Users\dev\build-cache。拒絕萬用字元只匹配
C:\work\demo\config\dev.env和C:\work\demo\config\prod.env。
相應的 MXC 設定將包括:
JSON
1{2 ...3 "filesystem": {4 "readwritePaths": [5 "C:\\work\\demo",6 "D:\\Users\\dev\\build-cache",7 ...8 ],9 "readonlyPaths": [10 "C:\\",11 "D:\\",12 "Z:\\",13 "C:\\work\\demo\\.agents",14 "C:\\work\\demo\\.aws",15 "C:\\work\\demo\\.codex",16 "C:\\work\\demo\\.devcontainer",17 "C:\\work\\demo\\.git",18 "C:\\work\\demo\\.vscode",19 ...20 ],21 "deniedPaths": [22 "C:\\work\\demo\\config\\dev.env",23 "C:\\work\\demo\\config\\prod.env",24 "C:\\work\\demo\\secrets"25 ]26 },27 "network": {28 "egress": {29 "default": "deny",30 "allow": [{31 "to": [32 {"cidr": "127.0.0.0/8"},33 {"cidr": "::1/128"}34 ]35 }]36 },37 "ingress": {38 "default": "deny",39 "hostLoopback": "allow"40 }41 },42 ...43}
驅動器根目錄訪問
MXC 的檔案系統策略預設拒絕訪問。因此,Codex 為本地驅動器根目錄新增只讀授權,以提供該配置檔案所允許的廣泛讀取。這些授權遞迴生效,但受使用者現有作業系統許可權的約束。
有一個細節:可寫的驅動器根目錄授權不會遞迴生效,因此 Codex 會將其擴充套件,把該驅動器現有的直接子目錄也包含進來。
衝突的授權
更具體的路徑會覆蓋祖先路徑的授權,因此 C:\work\demo 可以在只讀的 C:\ 之下保持可寫,而 C:\work\demo\.git 仍為只讀。
當不同的路徑寫法或符號連結/聯接別名指向同一路徑時,MXC 採用更嚴格的許可權:拒絕優先於只讀,只讀優先於讀寫。
拒絕萬用字元
MXC 只接受具體的拒絕路徑,因此 Codex 會在啟動前把拒絕萬用字元展開為匹配的檔案和目錄。命令執行期間,新出現且匹配該萬用字元的路徑不會被自動加入。
網路訪問
諸如 *.openai.com 之類的域名規則由前文所述的共享 Codex 網路代理執行。Codex 在沙箱外執行該代理,並像前面提到的那樣,通過相同的標準 *_PROXY 環境變數把代理地址傳給命令。MXC 會阻止直接的外部連線,但允許主機迴環連線,包括訪問該代理。其他本地服務仍然可以訪問。
在 macOS、Linux 和 Windows 上,harness 都使用同一套沙箱 API,在某個許可權配置下啟動命令。各平臺的具體實現負責完成應用這些限制所需的設定。
基於 Codex 沙箱構建
編寫和執行程式碼讓AI 助理能夠靈活地解決軟體開發之外的問題。Codex 沙箱讓它們可以在使用者現有的環境中使用這一能力,同時對檔案系統和網路訪問施加明確的限制。它是 harness 中一個可複用的基礎能力,而 codex sandbox 命令讓它可以為你自己構建的工具所用。
隨著AI 助理承擔更多工,我們希望讓沙箱化對更多工具和環境都切實可用。這意味著要讓許可權更易於配置,並在作業系統提供更好的保護機制時加以利用。我們的目標是擴大AI 助理能做的事情,同時讓人始終掌控它們可以訪問什麼。
作者
OpenAI
致謝
特別感謝 David Wiesen、Charlie Weems、Viyat Bhalodia 和 Fotis Chantzis 對本文的貢獻。
來源:OpenAI:官網動態 · openai.com