@@ -1,157 +1,76 @@
# Box 系统架构问题清单
# Box 系统 — SaaS 发布前阻塞项
> 更新日期: 2026-05-19
> 更新日期: 2026-06-02
> 分支: `feat/sandbox` (LangBot + langbot-plugin-sdk)
> 相关文档: [架构分析](./box-architecture.md) | [Session 作用域](./box-session-scope.md) | [Runtime 对比](./box-vs-plugin-runtime.md) | [测试覆盖](./box-test-coverage.md) | [toB 分析](./box-tob-analysis.md)
## 范围说明
**自部署社区版已具备发布条件 ** ：默认 stdio 模式、box 为可选项； `data/config.yaml` 可直接启动）；无新增 ORM 模型、无迁移欠债；
本清单**只保留发布 SaaS / 多租户 / 公网暴露前必须处理的阻塞项**。社区版（可信、单运营者、内网）不受这些项阻塞——它们的风险面在"不可信调用方能直接触达 Box 控制面"或"多租户共享资源"的场景才成立。
## 已解决（社区版发布前）
| 项 | 处理 |
|----|------|
| 工具调用循环无上限 (原 #13 ) | `localagent.py` 增加 `MAX_TOOL_CALL_ROUNDS=128` ，超限优雅终止（`cafef1a3` ）
| 配额校验同步遍历阻塞事件循环 (原 #10 ) | `_enforce_workspace_quota` 改 async， `asyncio.to_thread` （ `cafef1a3` ）
| `host_path` 挂载白名单 (原 #3 的 LangBot 侧) | `pkg/box/service.py` `allowed_mount_roots` 白名单，空列表时拒绝一切宿主挂载 |
| 重复的 `_is_path_under` (原 #12 ) | 已去重，仅保留一处定义 |
| 重连 / 心跳 / Windows 兼容 / nsjail image 字段 / 前端 Box 状态接入 | 见上一轮 review 记录，均已合入 |
---
## 已解决（自上一轮 review）
## SaaS 阻塞项
下列原 P0/P1 项在最新分支已被修复，仅作记录：
### S1. Box 控制面无认证 — Critical
| 原编号 | 问题 | 处理 commit / 说明 |
|--------|------|---------------------|
| #3 | Box 无重连机制 | `_make_connection_callback` 已接入 `runtime_disconnect_callback` ； `BoxService._reconnect_loop()` 实现指数退避重连 (`2dfd9d5d` 、`c6882cf` ) |
| #4 | Box 无心跳 | `BoxRuntimeConnector._heartbeat_loop()` ，间隔 20s（
| #10 | Windows 兼容 | connector 增加 Windows 分支 (subprocess + WS)， `120817a` 、`fafb7a4` ) |
| #12 | nsjail image 字段冲突 | `_assert_session_compatible()` 在不支持自定义镜像的 backend 跳过 image 字段 |
| #22 | 前端无 Box UI | 监控页 `SystemStatusCards.tsx` 已接入 `/api/v1/box/status` ； （
- **位置**: SDK `box/server.py` — Action RPC WS (`/rpc/ws` ) 与 managed-process relay (`/v1/sessions/{id}/managed-process/{pid}/ws` )
- **现状**: 两个 WS handler 在 `ws.prepare` 后直接服务，无任何 token / 鉴权； `0.0.0.0:5410` 。任何能触达该端口者可发起 `EXEC` 、创建 session、attach 任意 session 的 managed-process stdin/stdout、甚至 `SHUTDOWN` 。LangBot→box 的 INIT 也未下发任何凭证。
- **缓解现状**: 默认 `docker-compose.yaml` 的 `langbot_box` 未把 5410 发布到宿主（爆炸半径限于内网 bridge） ； `/var/run/docker.sock` ，同网络的任意服务（含被攻破的插件）→ 宿主 root。若运营者把 5410 发布到宿主或独立以 `0.0.0.0` 起 box，
- **要求**: INIT 时下发 token， （ ）
---
### S2. 无 exec 授权模型（
## P0 — 合并前建议修复
- **位置**: LangBot `pkg/box/policy.py` （ `SandboxPolicy` / `ToolPolicy` / `ElevatedPolicy` 全项目无引用）；`pkg/provider/tools/loaders/native.py` ； `pkg/provider/tools/toolmgr.py`
- **现状**: 原生工具（`exec/read/write/edit/glob/grep` ）按"box 是否可用"全有或全无地暴露，**无 per-pipeline 的 exec 网关 / 工具白名单 / 沙箱模式 / 权限提升控制**。只要 box 可用，任何使用 local-agent + 函数调用模型的 pipeline 都能跑任意 shell。
- **要求**: 接入 policy.py（ ） ， `exec` 、可用工具白名单、沙箱网络/只读模式。
### 1. policy.py 是死代码
### S3. 会话资源无界（ ）
- **位置**: `pkg/box/policy.py` (98 行)
- **现状**: `SandboxPolicy` 、`ToolPolicy` 、`ElevatedPolicy` 三个类已定义，但全项目无任何导入或调用
- **影响 **: 三层安全策略（沙箱模式 / 工具白名单 / 权限提升）完全未生效。当前实际策略仍是"Box 可用就暴露全部 6 个 native tool，
- **建议**: 要么删除死代码，要么接入 NativeToolLoader 的工具暴露 / exec 调用链。如果短期不会接入，至少在 `pkg/box/__init__.py` 显式标注其状态
- **#5 session 数量无上限**: SDK `box/runtime.py` `_get_or_create_session` 的 `_sessions` dict 无容量限制——可变 `session_id` 的恶意调用可无限创建容器，耗尽宿主 CPU/内存/PID/磁盘。
- **#8 无定时回收**: 过期 session 仅在 `_get_or_create_session` 时机会性清理，无独立周期任务；一波创建后转静默会永久泄漏容器。
- **要求 **: `max_sessions` 上限（拒绝或 LRU） ， （ ）
### 2. WebSocket relay 无认证
### S4. 工作区配额无内核级限制（ ）
- **位置**: SDK ` box/server .py` — Action RPC 路径 `/rpc/ws` 与 managed-process relay `/v1/sessions/{id}/managed-process/{pid}/ws`
- **现状**: 任何能访问 5410 端口的客户端都可以连接， ，
- **影响 **: 容器化 / Docker compose 部署中，若 Box runtime 端口外暴露，网络内的攻击者可直接控制沙箱
- **建议**: 至少加 token 认证（ ，
- **位置**: LangBot `pkg/ box/servic e.py` `_enforce_workspace_quota` （应用层 read-then-check） ； `workspace_quota_mb` 仅记录/透传，无 `--storage-opt size=` 等内核/FS 限额
- **现状**: 执行前后两次检查之间存在竞态窗口；单条命令（`dd` /`fallocate` ）可在检查间隙撑爆磁盘，事后检查只能补救。
- **要求 **: Docker `--storage-opt size=` 做内核级限制，或 Redis 原子计数预留式配额。
### 3. security.py 根路径未拦截
### S5. 挂载校验缺口 — Med-High
- **位置**: SDK `box/security.py` `BLOCKED_HOST_PATHS_POSIX`
- **现状**: 黑名单中没有 `/` ， `host_path="/"` 可通过校验并 挂载整个主机文件系统 ；用户 home 目录、`/var` 等也未拦截
- **建议 **: 将 `/` 加入黑名单， 或改用 白名单策略与 LangBot 侧 `allowed_mount_roots` 二次拦截
- **位置**: SDK `box/security.py` `_ BLOCKED_HOST_PATHS_POSIX` ； `box/backend.py` 的 `extra_mounts` 处理
- **现状**: ① SDK 黑名单仍不含 `/` （前缀匹配 ， `host_path="/"` 可通过， 宿主 fs） ；用户 home、`/usr` 、`/opt` 、`/tmp` 也未拦截。② `validate_sandbox_security` 只校验 `spec.host_path` ， `spec.extra_mounts` **——LangBot 侧 `allowed_mount_roots` 也只校验 `host_path` 。当前 `extra_mounts` 仅由 `build_skill_extra_mounts` 内部填充（ ，
- **要求 **: SDK 黑名单加入 `/` （ 或改白名单） ； `extra_mounts` 在 SDK 与 LangBot 两侧都纳入挂载校验。
### 4. INIT 与 backend 初始化的竞态
### S6. 容器加固缺失 — Med
- **位置**: SDK `box/runtime.py` `init()` 在握手后才下发实际配置；`backend` 在 INIT 之前可能已经按默认值实例化
- **现状**: commit `5029d9c` 修复了 "init config before backend reuse" 的部分场景，但 backend 重新实例化时若有正在执行的 session，
- **建议 **: 整理 init/handshake 顺序——要么 INIT 完成前不接受任何业务 action，
- **位置**: SDK `box/backend.py` 的 `docker run` 组装
- **现状**: 未设置 `--cap-drop=ALL` 、`--security-opt=no-new-privileges` 、非 root `--user` ；叠加挂载 docker.sock，
- **要求 **: 默认加上上述加固 flag（
---
### S7. 全局锁内执行慢操作（扩展性） — Med
## P1 — 合并后优先跟进
- **位置**: SDK `box/runtime.py` `_get_or_create_session` ： `self._lock` 持有期间调用 `backend.start_session()` （ `docker run` / nsjail 启动 / E2B `Sandbox.create` ）
- **影响**: 冷启动（ ）
- **要求**: 锁内只做状态检查与注册，容器创建移到锁外。
### 5. Session 数量无上限
### S8. 其他硬化 / 跟进 — Low
- **位置 **: SDK `box/runtime.py` `_get_or_create_session()`
- **现状 **: `_sessions` dict 无容量限制，恶意或异常调用可创建无限 session
- **建议**: 加 `max_sessions` 配置项，达到上限时拒绝新建或按 LRU 清理
### 6. Quota 检查存在 TOCTOU
- **位置**: `pkg/box/service.py` `_enforce_workspace_quota()`
- **现状**: 应用层先读磁盘大小再执行命令，两步之间有竞态窗口
- **建议**: 短期用 Docker `--storage-opt size=` 做内核级限制；长期用 Redis 原子计数器做预留式配额
### 7. 全局锁持有期间执行慢操作
- **位置**: SDK `box/runtime.py` `_get_or_create_session()` — `self._lock` 下调用 `backend.start_session()` (即 `docker run` / `nsjail` 进程启动 / E2B `Sandbox.create` )
- **影响**: `docker run` 可能耗时数秒（ ） ，
- **建议**: 在 `_lock` 下仅做状态检查和 session 注册，容器创建在锁外执行
### 8. Session 清理是机会性的
- **位置**: SDK `box/runtime.py` `_reap_expired_sessions_locked()` — 仅在 `_get_or_create_session()` 时调用
- **影响**: 如果长时间无新 session 请求，过期 session（ ）
- **建议**: 加一个独立的 `asyncio.create_task` 定时清理（如每 60s 一次）
### 9. server.py 直接访问 runtime 私有字段
- **位置**: SDK `box/server.py` — managed-process WS handler 直接读 `runtime._sessions`
- **影响**: 绕过锁和封装，在并发场景下可能读到不一致状态
- **建议**: 在 BoxRuntime 上增加公共方法（如 `get_session_managed_process(session_id, process_id)` ）
### 10. workspace quota 检查阻塞事件循环
- **位置**: `pkg/box/service.py` `_get_workspace_size_bytes()` — 使用同步 `os.scandir` 递归遍历
- **影响**: 大工作区可能阻塞 asyncio event loop
- **建议**: 用 `asyncio.to_thread()` 包装，或用 `aiofiles` 异步扫描
### 11. extra_mounts 一旦容器创建即固定
- **位置**: SDK `box/runtime.py` 的兼容性检查；`pkg/box/service.py:build_skill_extra_mounts()`
- **现状**: Skill 挂载在容器创建时一次性写入；同一 session 后续 pipeline 切换 skill 列表时，新挂载不会生效（除非销毁重建）
- **影响**: 用户长时间共享 session 的场景下，新激活的 skill 可能挂不上
- **建议**: 要么在创建时把 pipeline 绑定的所有 skill 都挂上（实际现状）+ 写入文档；要么变更挂载时强制销毁 session 重建（已被 commit `5029d9c` 部分覆盖，需校验）
---
## P2 — 后续迭代
### 12. 重复的 `_is_path_under` 函数
- **位置**: `pkg/box/service.py` 行 30 附近 — 同名函数定义两次
- **建议**: 删除重复定义
### 13. localagent.py 工具循环无迭代上限
- **位置**: `pkg/provider/runners/localagent.py` `while pending_tool_calls` 循环
- **影响**: 恶意或混乱的 LLM 可无限产生 tool call，
- **建议**: 加 `max_tool_iterations` 配置项（如默认 50 次）
### 14. localagent.py 中的死代码
- **位置**: `pkg/provider/runners/localagent.py:29-35` 附近 — 旧命名 `SANDBOX_EXEC_TOOL_NAME` 和 `SANDBOX_EXEC_SYSTEM_GUIDANCE`
- **现状**: 旧命名方案的遗留常量，从未被引用（实际使用 `EXEC_TOOL_NAME` from native.py）
- **建议**: 删除
### 15. @loader_class 装饰器未使用
- **位置**: `pkg/provider/tools/loader.py` — `preregistered_loaders` 列表和 `@loader_class` 装饰器
- **现状**: 各 loader 的 `@loader_class` 多数被注释掉，
- **建议**: 要么启用装饰器自动注册，要么删除未用的机制
### 16. 工具名冲突风险
- **位置**: `pkg/provider/tools/toolmgr.py` `execute_func_call()` — 按优先级 native → plugin → mcp → skill → skill_authoring 分发
- **影响**: 如果 plugin 或 MCP 有名为 `exec` /`read` /`write` /`edit` /`glob` /`grep` /`activate` 的工具，会被前序 loader 静默遮蔽
- **建议**: 加命名空间前缀或冲突检测告警
### 17. client.py 反序列化不一致
- **位置**: SDK `box/client.py` — `execute()` 与其他方法对返回值的反序列化方式不统一（部分手动构造 model， `model_validate` ）
- **建议**: 统一使用 `model_validate`
### 18. 错误类型还原基于字符串前缀匹配
- **位置**: SDK `box/client.py` `_translate_action_error()`
- **影响**: 如果 server 端错误消息格式变化， `BoxError` ，丢失类型信息
- **建议**: 在 ActionResponse 中增加结构化的错误类型字段（如 `error_code` 枚举）
### 19. 前端只用到了 status
- **位置**: `web/src/app/home/monitoring/...` 已接入 `/api/v1/box/status`
- **现状**: `/api/v1/box/sessions` 与 `/api/v1/box/errors` 后端可用、前端未消费
- **建议**: 在监控页或独立 Box 详情页展示活跃 session 列表与最近错误，提升运维体感
### 20. skill_store 测试覆盖偏薄
- **位置**: SDK `tests/box/test_skill_store.py` 仅 88 行
- **现状**: 相对 `skill_store.py` 的 647 行实现， ； `source_subdir` / `target_suffix` 组合、损坏 zip 的错误处理等场景未覆盖
- **建议**: 至少补到核心 path 覆盖（ ）
### 21. 集成测试未进 CI
- **位置**: LangBot `tests/integration_tests/box/test_box_integration.py` 、`test_box_mcp_integration.py` ，
- **现状**: 容器实际执行、E2B 真实 sandbox、Managed process WS attach 均仅本地能跑
- **建议**: 加一个可选的 Docker-in-Docker CI stage，
- **#9 `box/server.py` 直接读 `runtime._sessions` 私有字段、绕过锁，并发下可能读到不一致状态——应加公共访问方法。
- **#16 `pkg/provider/tools/toolmgr.py` `execute_func_call` 按优先级分发， `exec/read/write/...` 工具会被静默遮蔽——应加命名空间或冲突告警。
- **#4 ** SDK `box/runtime.py` INIT/handshake 与 backend 实例化的残留竞态（仅"纯远程 WS box 先启动、LangBot 后连"场景成立；
- **#11 ** `extra_mounts` 在容器创建时固定（ `runtime.py` 兼容性检查不含 extra_mounts） ； ）
- **#21 ** 集成测试未进 CI：
Junyan Qin