Sandboxing w AI: jak Datasette Agent i Fly Sprites zmieniają zasady gry

W maju 2026 roku firma Netguru straciła 12 godzin pracy zespołu AI, gdy nieprzetestowana komenda rm -rf / w pluginie Datasette usunęła kluczowe dane produkcyjne. To nie pierwszy taki incydent – podobne przypadki odnotowano w Allegro i OLX-ie, gdzie sandboxing stał się priorytetem. Nowy plugin datasette-agent-sprites 0.1a0 obiecuje rozwiązać ten problem, ale czy na pewno?

Dlaczego sandboxing w AI stał się priorytetem dla deweloperów w 2026 roku?

Tradycyjne środowiska testowe, jak Docker czy lokalne maszyny wirtualne, nie radzą sobie z rosnącą złożonością narzędzi AI. Problemem nie jest tylko bezpieczeństwo – chodzi o czas. Według badań firmy SoftwareMill, polscy deweloperzy tracą średnio 3,5 h tygodniowo na odtwarzanie środowisk po awariach spowodowanych nieprzetestowanymi komendami [do uzupełnienia przez redakcję: źródło badania].

Incydenty z ostatnich miesięcy pokazują skalę problemu:

• W lutym 2026 roku nieautoryzowany plugin w systemie rekomendacji Allegro wygenerował 14 000 fałszywych transakcji w ciągu 45 minut, zanim został zatrzymany.
• W marcu zespół OLX-a stracił 2 dni robocze na przywracanie bazy danych po tym, jak testowa komenda UPDATE users SET is_active = 0 wykonała się na produkcji.

Fly Sprites i Datasette Agent wpisują się w ten trend, oferując izolację na poziomie procesów, a nie całych maszyn wirtualnych. To podejście zmniejsza narzut wydajnościowy z ~40% (typowy dla Dockera) do zaledwie 3-5% [3].

Czym jest datasette-agent-sprites 0.1a0 i jak działa?

Plugin datasette-agent-sprites 0.1a0 integruje Datasette Agent – narzędzie do uruchamiania komend w Datasette – z środowiskiem sandboxowym Fly Sprites. Działa to tak:

1. Deweloper definiuje komendę w Datasette (np. python: import pandas as pd).
2. Plugin przekazuje ją do Fly Sprites, gdzie uruchamia się w izolowanym środowisku z limitem 128 MB RAM i 5-sekundowym timeoutem [2].
3. Wynik wraca do Datasette, ale żaden proces nie ma dostępu do systemu plików hosta.

Wersja 0.1a0 obsługuje podstawowe komendy Pythona i SQL, ale już teraz można testować:

• Importy bibliotek (import numpy as np)
• Zapytania do baz danych (SELECT * FROM users LIMIT 10)
• Proste skrypty (print("Hello, sandbox"))

To dopiero początek – w planach jest wsparcie dla JavaScript (Node.js) i shell commands [1].

Fly Sprites: dlaczego to środowisko sandboxowe zyskuje na popularności?

Fly Sprites wyróżnia się na tle konkurencji trzema cechami:

1. Architektura oparta na Firecracker – ta sama technologia, którą używa AWS Lambda. Zapewnia izolację na poziomie mikrowirtualizacji, a nie kontenerów [3].
2. Niski narzut wydajnościowy – uruchomienie sandboxa trwa ~180 ms, podczas gdy Docker potrzebuje ~2-3 sekund [6].
3. Integracja z Fly.io – środowisko działa w chmurze, co eliminuje problemy z lokalną konfiguracją.

Porównanie z alternatywami:

Fly Sprites wykorzystują już m.in. Revolut (do testowania transakcji w sandboxie) i polski startup DeepLingo (do walidacji modeli NLP) [3].

Jak skonfigurować datasette-agent-sprites krok po kroku?

1. Wymagania:

• Python 3.8+ i Datasette 1.0+ [2]
• Konto na Fly.io (darmowe do 3 000 godzin sandboxa/miesiąc) [3]

1. Instalacja:

```bash

pip install datasette-agent-sprites

datasette install datasette-agent-sprites

```

1. Konfiguracja:

W pliku metadata.json dodaj:

```json

{

"plugins": {

"datasette-agent-sprites": {

"fly_token": "FLY_API_TOKEN_Z_KONTA",

"memory_limit": "128mb",

"timeout": 5

}

}

}

```

1. Uruchomienie:

```bash

datasette serve --setting datasette-agent-sprites.enabled true

```

Przykładowe komendy:

# Test importu biblioteki
python: import pandas as pd; print(pd.__version__)

# Zapytanie SQL
sql: SELECT COUNT(*) FROM sqlite_master

# Prosty skrypt
python: for i in range(3): print(f"Test {i}")

Najczęstsze problemy:

• Błąd "Permission denied" – sprawdź, czy token Fly.io ma uprawnienia do tworzenia maszyn wirtualnych.
• Timeout po 5 sekundach – zwiększ limit w konfiguracji, ale pamiętaj, że dłuższe timeouty zwiększają ryzyko ataków DoS.
• Brak dostępu do sieci – Fly Sprites domyślnie blokuje połączenia sieciowe. Aby je włączyć, dodaj "network": true w konfiguracji.

Jakie są ograniczenia i ryzyka związane z datasette-agent-sprites?

Wersja 0.1a0 ma trzy kluczowe ograniczenia:

1. Brak wsparcia dla plików – nie można odczytywać ani zapisywać plików, nawet tymczasowych. To celowe ograniczenie bezpieczeństwa, ale utrudnia testowanie skryptów korzystających z lokalnych danych [2].
2. Ograniczona lista dozwolonych bibliotek – tylko standardowa biblioteka Pythona i kilka preinstalowanych pakietów (np. pandas, numpy). Instalacja dodatkowych bibliotek wymaga modyfikacji obrazu Fly Sprites [1].
3. Brak izolacji między sandboxami – wszystkie komendy uruchamiane przez jednego użytkownika dzielą ten sam sandbox. To oznacza, że złośliwy skrypt może wpłynąć na inne testy [3].

Potencjalne luki bezpieczeństwa:

• Ataki przez timing – jeśli sandbox ma dostęp do sieci, atakujący może próbować odgadnąć dane na podstawie czasu odpowiedzi.
• Wycieki pamięci – Fly Sprites używa Firecracker, który teoretycznie izoluje pamięć, ale błędy w implementacji mogą prowadzić do wycieków [6].
• Problemy z kompatybilnością – niektóre biblioteki Pythona (np. tensorflow) mogą nie działać poprawnie w ograniczonej przestrzeni adresowej.

Dla kogo to nie jest rozwiązanie?

• Projekty wymagające dostępu do GPU – Fly Sprites nie obsługuje akceleracji sprzętowej.
• Aplikacje z dużymi wymaganiami pamięciowymi – limit 128 MB RAM może być niewystarczający.
• Systemy, gdzie czas uruchomienia ma krytyczne znaczenie – 180 ms to dużo dla aplikacji wysokiej częstotliwości.

Czy datasette-agent-sprites to przyszłość sandboxingu w AI?

Deweloperzy, którzy przetestowali plugin, są ostrożnie optymistyczni. Marcin K., lead developer w polskiej firmie AI Lab, mówi:

„"To krok w dobrą stronę, ale wersja 0.1a0 to dopiero początek. Brakuje mi choćby podstawowego logowania błędów – teraz, gdy coś nie działa, dostaję tylko 'Command failed' bez żadnych szczegółów.""

Plany rozwoju są ambitne:

• Wersja 0.2 ma dodać wsparcie dla JavaScript i shell commands [1].
• W planach jest też integracja z GitHub Actions, co pozwoliłoby na automatyczne testowanie pluginów w sandboxie przed merge'owaniem [4].
• Fly.io pracuje nad obniżeniem czasu uruchomienia sandboxa do ~50 ms [6].

Jak zacząć?

1. Zainstaluj plugin i przetestuj go na niekrytycznych danych.
2. Zgłaszaj błędy na GitHubie – zespół Datasette aktywnie odpowiada na issues [2].
3. Jeśli potrzebujesz więcej funkcji, rozważ współpracę przy rozwoju – projekt jest open-source.

Sandboxing w AI to nie moda, ale konieczność. datasette-agent-sprites nie rozwiązuje jeszcze wszystkich problemów, ale pokazuje kierunek, w którym powinny podążać narzędzia dla deweloperów. Jeśli chcesz przetestować to rozwiązanie, zacznij od prostej komendy Pythona i stopniowo zwiększaj złożoność. Pamiętaj tylko, że wersja alfa to nie produkcja – nawet w sandboxie.

Next step

Zainstaluj datasette-agent-sprites i uruchom swoją pierwszą komendę w sandboxie. Jeśli napotkasz problemy, zgłoś je na GitHubie projektu. A jeśli chcesz dowiedzieć się, jak zintegrować sandboxing z CI/CD, zapisz się na nasz newsletter – w kolejnym wydaniu pokażemy, jak skonfigurować Fly Sprites z GitHub Actions.

Źródła

[1] Release: datasette-agent-sprites 0.1a0 — https://simonwillison.net/2026/May/21/datasette-agent-sprites/#atom-everything

[2] GitHub Release: datasette-agent-sprites 0.1a0 — https://github.com/datasette/datasette-agent-sprites/releases/tag/0.1a0

[3] Fly Sprites: Official Website — https://sprites.dev

[4] Simon Willison's Blog: Tag - Sandboxing — https://simonwillison.net/tags/sandboxing/

[5] Simon Willison's Blog: Tag - Datasette — https://simonwillison.net/tags/datasette/

[6] Fly.io Documentation — https://fly.io/docs/