당신의 AI 에이전트가 Python을 무료로 실행할 수 있습니다. 방법은 다음과 같습니다.

Source: Dev.to

위에 제공된 내용 외에 번역할 텍스트가 없습니다. 번역을 원하는 본문을 알려주시면 한국어로 번역해 드리겠습니다.

sandpy가 해결하는 문제

• Zero‑cost execution – 완전히 클라이언트 측에서 실행됩니다.
• Safety – 타임아웃이 무한 루프가 탭을 멈추게 하는 것을 방지합니다.
• Streaming output – 결과가 출력되는 즉시 확인할 수 있습니다.
• State persistence – 스냅샷을 통해 파이썬 세션을 저장하고 복원할 수 있습니다.
• Visualization support – Matplotlib 플롯을 자동으로 base64 이미지로 캡처합니다.
• Vision hook – 생성된 이미지를 비전 모델(e.g., GPT‑4V)에 전달합니다.
• Ready‑made integrations – LangChain 및 Vercel AI SDK 어댑터가 포함되어 있습니다.

설치

npm install sandpy

기본 사용법

import { Sandpy } from 'sandpy';

const sandbox = await Sandpy.create();
const result = await sandbox.run('print(2 + 2)');
console.log(result.stdout); // "4"

이게 전부입니다—Python이 브라우저에서 실행됩니다.

LangChain 통합

import { createLangChainTool } from 'sandpy';
import { DynamicTool } from 'langchain/tools';

const pythonTool = new DynamicTool(
  createLangChainTool({ timeout: 30_000 })
);

// Add to your agent
const agent = new Agent({
  tools: [pythonTool],
});

생성된 코드가 오작동하면, 샌드박스가 영원히 멈추는 대신 타임아웃됩니다.

Vercel AI SDK 통합

import { createVercelAITool } from 'sandpy';
import { generateText } from 'ai';

const pythonTool = createVercelAITool({ timeout: 30_000 });

const result = await generateText({
  model: yourModel,
  tools: { python: pythonTool },
  prompt: 'Calculate the first 20 Fibonacci numbers',
});

시각화 캡처 및 비전 모델 사용

Matplotlib 플롯이 생성되면, sandbox는 base64‑인코딩된 이미지를 반환하며 이를 비전 모델에 보낼 수 있습니다:

const result = await sandbox.run(plotCode, {
  describeArtifact: async (artifact) => {
    const response = await openai.chat.completions.create({
      model: 'gpt-4-vision-preview',
      messages: [
        {
          role: 'user',
          content: [
            { type: 'text', text: 'Describe this chart.' },
            {
              type: 'image_url',
              image_url: {
                url: `data:${artifact.type};base64,${artifact.content}`,
              },
            },
          ],
        },
      ],
    });
    return response.choices[0].message.content;
  },
});

artifact.alt에는 다음과 같은 내용이 들어 있을 수 있습니다: “0에서 100까지의 지수적 성장을 보여주는 선 차트.”
그런 다음 에이전트는 설명을 기반으로 스스로 교정할 수 있습니다.

파일 시스템 및 영속성

// Preload pandas (optional)
const sandbox = await Sandpy.create({ preload: ['pandas'] });

// Write a CSV file
await sandbox.writeFile('/sandbox/data.csv', csvContent);

// Read it from Python
const result = await sandbox.run(`
import pandas as pd
df = pd.read_csv('/sandbox/data.csv')
print(df.describe())
`);

/sandbox/ 아래의 파일은 Origin‑Private File System (OPFS)와 IndexedDB 폴백을 통해 페이지 새로고침 후에도 유지됩니다.

스냅샷 및 세션 복원

// Build some state
await sandbox.run('x = 42');
await sandbox.run('data = [1, 2, 3]');

// Save snapshot
const snapshot = await sandbox.snapshot();
localStorage.setItem('session', JSON.stringify(snapshot));

// Later (even after a refresh)
const saved = JSON.parse(localStorage.getItem('session'));
await sandbox.restore(saved);

await sandbox.run('print(x)'); // "42"

브라우저 vs. 서버 샌드박스 비교

소비자용 AI 에이전트의 경우, 브라우저 기반 접근 방식이 합리적인 기본값입니다.

데모 및 소스

• 실시간 데모:
• GitHub 저장소:
• npm 패키지: npm install sandpy

AI 에이전트를 위한 코드 실행이 필요하다면, sandpy를 사용해 보세요. 댓글에 자유롭게 질문을 남겨 주세요.