e2b-cookbook
e2b-dev/e2b-cookbook加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
2024 年以来，大语言模型（LLM）在编程任务上的表现突飞猛进——GPT-4o、Claude 3.5、o1 等模型已经能写出相当高质量的代码。然而，一个根本性的问题始终困扰着 AI 编程助手：模型能「想」，却不能「做」。
试想一个典型场景：你想让 AI 分析一份上传的 CSV 数据并生成可视化图表。模型的回复可能是「我来帮你写代码」，然后输出一段 Python 代码——但这段代码既无法直接执行，也看不到图表效果。传统的解决方案是让模型输出代码，再交给人类运行，但这个「最后一公里」问题极大限制了 AI 的自主性。
E2B（Secure AI Sandbox） 正是为解决这一痛点而生的基础设施平台。它为 AI Agent 提供了一个云端隔离沙箱，内置真实操作系统环境，AI 可以像人一样在沙箱里执行命令、安装依赖、读写文件、访问网络，甚至运行浏览器。E2B Cookbook 则是 E2B 官方维护的最全实战示例库，汇集了 50+ 真实可运行的代码示例，覆盖几乎所有主流 AI 模型和开发框架。
图1：E2B 官方 GitHub 组织头像
E2B 的核心是一个基于云端虚拟机的隔离沙箱环境。开发者通过 SDK（支持 Python 和 TypeScript/JavaScript）向 E2B 发起请求，指定要执行的代码或命令，E2B 在沙箱中完成执行后返回结果——stdout、文件变更、网络请求响应，甚至是截图。
这个沙箱有几个关键特性：
E2B 的母公司同名项目 e2b-dev/e2b 在 GitHub 上拥有 12,575 颗星（截至 2026 年初），是 AI Infrastructure 领域最活跃的开源项目之一，吸引了大量 AI 开发者和企业级用户的关注。
E2B Cookbook 不是一个普通的学习项目，它是一个经过工程验证的最佳实践库。Cookbook 中的每个示例都对应一个真实使用场景，且代码可以直接复制运行。
Cookbook 以表格形式清晰整理了各模型提供商的接入方式：
| 提供商 | 支持模型 | 示例数量 |
|---|---|---|
| OpenAI | GPT-4o、o1、o3-mini、Codex CLI | 7+ |
| Anthropic | Claude 3 Opus/3.5/3.7、Claude Code | 5+ |
| Together AI | Llama 3.1、Qwen 2、Code Llama、DeepSeek Coder | 2 |
| Fireworks AI | Qwen2.5-Coder-32B、Llama 3.1 405B | 2 |
| Groq | Llama 3（通过 function calling） | 2 |
| Mistral | Codestral | 2 |
| IBM WatsonX | Graphite、Llama、Mistral | 2 |
对于 AI 开发者而言，这意味着 Cookbook 相当于一份多模型对比评测模板——你可以用同一个 Prompt 在不同模型上运行 E2B 沙箱，对比各模型的代码生成质量、执行稳定性和 function calling 表现。
Cookbook 另一个巨大价值在于框架层集成。它提供了与主流 AI 开发框架深度绑定的示例：
这些集成示例的存在，使得 Cookbook 实际上成为了一份企业级 AI Agent 架构参考，开发者可以直接借鉴其中的设计模式。
Cookbook 还紧跟行业前沿，提供了 MCP（Model Context Protocol） 相关的示例。MCP 是 Anthropic 主导的开放协议，旨在让 AI 模型与外部数据源/工具标准化对接。Cookbook 中的 MCP 示例包括：
这些示例反映了 AI Agent 从「单模型调用」向「多工具协同」的演进趋势，是当前 AI 领域最活跃的技术方向之一。
e2b-cookbook/
├── examples/ # 50+ 示例子目录
│ ├── hello-world-python/ # 入门级 Hello World
│ ├── hello-world-js/
│ ├── openai-python/ # OpenAI GPT-4o 示例
│ ├── langchain-python/ # LangChain 集成
│ ├── mcp-research-agent-js/ # MCP 研究助手
│ └── ...
├── tests/ # Jest 单元测试
├── package.json # Node.js 项目配置
├── pyproject.toml # Python 项目配置
└── README.md # 完整示例索引
每个 examples/*/ 子目录都是一个独立的可运行项目，包含：
README.md：示例说明与使用指南main.py 或 src/index.ts：核心代码.env.example：环境变量模板（含 E2B API Key）pyproject.toml 或 package.json：依赖管理readme-assets/：示例截图（部分含）e2b@^0.16.2-beta.52（截至 2026 年 5 月）e2b-code-interpreter@^1.1.1值得注意的是，Cookbook 同时维护 Python 和 TypeScript 两套示例，且部分模型（如 o1、Claude 3.5 Sonnet）两个语言版本都有，这确保了不同技术栈的开发者都能直接上手。
Cookbook 的上手路径非常平滑：
第一步：克隆仓库，获取 E2B API Key（免费注册 e2b.dev）
第二步：复制 .env.example 为 .env，填入 API Key
第三步：选择感兴趣的场景，如 examples/openai-python/（分析 CSV 数据）
第四步：poetry install 安装依赖，运行 python main.py
整个过程不涉及任何 Docker 或复杂配置，E2B SDK 负责所有沙箱管理。如果你想接入 OpenAI 之外的模型，只需替换 API Key 和模型调用方式，代码框架几乎不变。
E2B 并非完全免费，每个沙箱实例按运行时间计费。在生产环境中，如果 AI Agent 频繁创建沙箱实例，成本会快速累积。Cookbook 中没有提供成本优化或沙箱复用（session 复用）的示例，这是一个被刻意回避的商业考量。
E2B 沙箱运行在云端，访问本地文件系统或内网服务需要通过 MCP Server 代理，这增加了架构复杂度。Cookbook 中的 MCP 示例虽然展示了这种可能性，但缺乏生产级别的安全实践说明。
Cookbook 是示例代码集，不是文档库。它不替代 E2B 官方文档，错误排查、性能调优、生产部署等高级话题仍需参考官方文档（e2b.dev/docs）。
E2B Cookbook 的出现，标志着 AI Agent 开发进入了**「基础设施即示例」**的新阶段。
从数量看：50+ 示例覆盖主流 LLM 提供商和开发框架，这个规模在同类项目中是最高的。
从质量看：每个示例都有完整 README、独立依赖配置、可运行代码，而非概念性伪代码。
从趋势看：MCP 生态的快速接入，表明 E2B 正在从「代码执行工具」升级为「AI Agent 工具平台」，Cookbook 是这一战略的展示窗口。
从社区看：母公司 e2b-dev 的 e2b 主仓库拥有 12,575 星，是 AI DevTools 领域最受关注的开源项目之一，Cookbook 作为官方示例库，持续吸引开发者生态。
如果你正在构建需要「AI 执行代码」能力的 Agent 系统，E2B Cookbook 是目前最值得参考的实战资源——无论是快速验证想法、对比不同模型方案，还是学习 AI Agent 架构设计。
数据来源：GitHub API（截至 2026-06-14），E2B 官方文档，e2b-cookbook 仓库（1362★，244 forks）