Monty

Monty 是什么

Monty 是 Pydantic 团队开源的安全 Python 沙箱，用 Rust 编写，目标场景很明确：安全地运行 AI 生成的代码。

传统做法是把 LLM 生成的代码丢进 Docker 或远程沙箱服务里执行，代价是启动慢、依赖重、成本高。Monty 的思路是去掉容器层，把沙箱做成一个可嵌入的库：

• 从预热池中取出一个沙箱实例，耗时不到 1ms（商业版 Full Monty 约 2ms），而常见沙箱服务约 1500ms。
• 沙箱内部没有文件系统、没有环境变量、没有网络，只能通过宿主显式传入的函数和挂载点与外界交互。

项目分为两部分：

• OSS Monty：MIT 协议，以包的形式安装的 Python 3.14 沙箱。
• Full Monty：商业服务端，把同一套沙箱以 WebSocket 服务的形式对外提供。

安装与接入

官方提供三种语言的绑定，按技术栈选择即可：

uv add pydantic-monty        # Python
npm install @pydantic/monty  # JavaScript / TypeScript
cargo add monty              # Rust

使用方式示意

核心用法是：宿主把一段代码字符串交给沙箱执行，同时注入外部函数作为「能力」。沙箱只能看到这些函数的返回值，看不到宿主环境。

from pydantic_monty import Monty

code = """
kcal = nutrition('chocolate bar')['kcal']
hours = kcal * 4184 / (bulb_watts * 3600)
print(f'a chocolate bar powers a {bulb_watts} W bulb for {hours:.1f} hours')
"""

with Monty() as pool:
    with pool.checkout() as session:
        session.feed_run(
            code,
            inputs={'bulb_watts': 10},
            external_lookup={'nutrition': lambda food: {'kcal': 230}},
        )

上例中 nutrition 实际运行在宿主侧，沙箱只拿到它的返回值，从而把「能力」与「执行」隔离开。

关键概念

• 安全模型：默认拒绝一切外部访问，能力必须由宿主显式授予。
• 资源限制：可对执行时间、内存等维度做约束，防止失控代码拖垮服务。
• 快照：支持对沙箱状态进行快照，便于恢复或复用。
• Python 子集：Monty 实现的是 Python 的一个子集，并非完整 CPython，使用前需确认目标代码是否落在支持范围内。

生态与定位

Monty 是 Pydantic Stack 的一员，在 Pydantic AI 中用于支撑 Code Mode。社区还提供了 Go 绑定 gomonty 和 Dart/Flutter 绑定 dart_monty。

如果你的 Agent 需要「让模型写代码并安全执行」，又不想为每次执行付出一秒以上的容器启动开销，Monty 值得优先评估。