Workflow
E2B
icon
搜索文档
我不给人做产品,给 Agent 做 | 42章经
42章经· 2025-06-29 22:48
本文来自 Grasp 创始人雷磊的播客及分享,有删减。 曲凯: Agent 今年这波热潮其实是 Manus 带起来的,到现在为止,各种 Agent 大家已经投得不少了。那下一个热点可能在哪里? 在这个服务主体转移的过程中,人类和 AI 的行为模式确实存在区别。 我们觉得可能是 Agent Infra。 正好雷磊现在做的 Grasp 就是一个给 Agent 用的浏览器。你是怎么想到要做Agent Infra 的? 雷磊: 首先,我相信未来 Agent 的数量会不断增加,至少会达到现在 SaaS 数量的几千倍。 而且 Agent 能直接交付结果,因此它其实就是一个数字员工,我们应该把它视为像人类一样的终端用户。但因为 Agent 与人类的形态截然不同,所以当下互联网的 很多基础设施都是不适合 AI 使用的,都需要为 Agent 重构一遍。 那基于这两点,Agent Infra 就是一个非常大的市场机会。 曲凯: 那未来 Agent 和人类到底会怎么协作?你提到说 Agent 和人类完全不同,具体有哪些体现? 雷磊: 现阶段大家普遍认为 Agent 是为人类服务的,但在我看来,未来应该是人类为 Agent 服务,因 ...
AI Agent时代的「AWS」:Manus 背后的重要功臣 E2B 是何来头?
Founder Park· 2025-05-19 20:16
文章转载自「海外独角兽」 Multi agent 系统正成为新的突破方向的过程中,agent infra 也成为落地关键。在 computer use 带来范式创新的趋势下,virtual machine 将成为 潜在创业机会,E2B 就是这个领域的新兴参与者。 E2B 之所以受到市场关注很大程度上是因为 Manus,Manus agent 完成任务过程中的 virtual computer 支持正是来自于 E2B。E2B 成立于 2023 年,作为一个开源基础设施,允许用户在云端的安全隔离沙盒中运行 AI 生成的代码。E2B 本质上是一个可以快速启动(~150 毫秒)的 microVM, 它的底层类似于 AWS Firecracker 这个代表性的 MicroVM,在此基础上, AI Agents 可以在 E2B 中运行代码语言、使用浏览器、调用各种操作系 统中的工具。 随着 Agent 生态的繁荣,E2B 的 沙盒月创建量一年内从 4 万增长到 1500 万,一年内增长了 375 倍。 为什么 AI agents 需要专属的"电脑"? 为了更好地理解这个问题,「海外独角兽」编译了 CEO Vasek Ml ...
Manus 背后的重要 Infra,E2B 如何给 AI Agents 配备“专属电脑”?
海外独角兽· 2025-05-09 20:16
核心观点 - Multi agent系统成为新突破方向,agent infra成为落地关键,E2B是该领域新兴参与者[3] - E2B提供安全隔离沙盒环境,支持AI生成代码运行,月创建量一年内从4万增长到1500万,增长375倍[3][10] - E2B愿景是成为AI Agent时代的AWS,提供从开发到部署的完整生命周期支持[4][13] E2B概述 - 成立于2023年,创始人为Vasek Mlejnsky和Tomas Valenta,前身为DevBook项目[7] - 核心产品是快速启动(~150毫秒)的microVM,支持Python和JavaScript,分别有50万和25万次月SDK下载量[11] - 从代码解释器转型为更通用的LLM/agent运行时环境,2024年实现快速增长[10] 技术架构 - 底层类似AWS Firecracker的MicroVM技术[3] - 已实现持久化(persistence)功能,支持沙盒暂停和恢复[17] - 计划推出分叉(forking)和检查点(checkpointing)功能,支持多agent并行探索[15] - 提供专用code interpreter SDK,预包装常用数据分析包[18] 应用场景 - 主要场景1:AI数据分析支持,支持创建图表、安装第三方库、错误修复闭环[18] - 主要场景2:AI生成应用运行平台,提供Fragments开源模板[20] - 新兴场景:模型训练,如Hugging Face用于强化学习和代码生成训练[23][26] - 探索场景:computer use agent,推出Desktop Sandbox和open-computer-use项目[32] 行业趋势 - Agent应用场景从coding、sales、customer support扩展到computer use[31] - 传统云计算为静态应用设计,agent需要动态生成代码的全新解决方案[13] - 开发者工具粘性关键在于无缝融入工作流,保持LLM中立性[27][28] - 定价模式面临挑战,需平衡简单性和资源消耗计量[30] 技术挑战 - computer use agent面临安全性、点击操作、推理能力等五大挑战[40] - 视觉界面操作替代API访问带来新的技术难题[44][55] - 小众LLM部署和实时画面流传输需要特殊解决方案[49][50] - 权限管理和敏感信息处理成为关键安全问题[56][58] 公司发展 - 选择扎根硅谷,因用户集中且人才密度高[62][64] - 早期采用定期驻点方式,后转为常驻以提升效率[62] - 创始团队强调面对面协作对初创期的重要性[64]