LangChain: zašto AI agentima treba vlastito izolirano računalo (sandbox)

Zašto agenti bez izolacije predstavljaju sigurnosni rizik?

Amy Ru s LangChain bloga postavlja jasnu tezu: produkcijski AI agenti moraju imati vlastitu izoliranu računalnu okolinu — sandbox — koja strogo ograničava čemu kod ili agent smije pristupati. Sandbox nije novost u softverskom inženjerstvu; preglednici ga koriste za JavaScript od ranih 2000-ih. No u kontekstu AI agenata problem poprima novu dimenziju jer agenti autonomno izvršavaju kod, pozivaju API-je i manipuliraju datotekama — ponekad u nepredvidivim sekvencama. Bez izolacije, pogreška ili zlonamjerni unos može imati dalekosežne posljedice.

Koja tri sigurnosna rizika LangChain identificira?

Ru obrađuje tri klase rizika specifičnih za agentske sustave. Neovlašteno izvršavanje koda nastaje kad agent pokrene nepouzdani kod izravno na hostu — bez izolacije taj kod ima pristup datotekama, mreži i procesima cijelog sustava. Prompt injection je ubacivanje skrivenih instrukcija u ulaz agenta koje ga navode da izvrši neželjene radnje. Supply-chain prijetnje dolaze kroz vanjske pakete i alate koje agent koristi, a koji mogu biti kompromitirani. Usporedba s klasičnom softverskom sigurnošću je izravna — dijeljena jezgra i neograničeni CPU ili memorija te rizike dodatno pojačavaju.

Kako LangSmith adresira problem izolacije?

Tekst nudi praktičan vodič kroz LangSmith infrastrukturu za izolaciju agenata, pozicionirajući rješenje kao direktan odgovor na rast produkcijskih agentskih implementacija. Broj tvrtki koje u produkciji pokreću agentske AI sustave ubrzano raste u 2026., pa potreba za standardiziranim sigurnosnim pristupom postaje kritična. LangSmith pristup obuhvaća granularnu kontrolu pristupa, nadzor izvršavanja i logging na razini pojedinog poziva alata — elementi koji zajedno grade obrambeni perimetar oko agentskog procesa.