> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-docs-zh.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# LangSmith 沙箱集成

> 使用 LangChain Python 集成 LangSmithSandbox 类型。

LangSmith 实验沙盒是由 LangChain 管理的沙盒环境，您无需单独设置供应商账户、账单或基础设施。它们是运行智能体代码的零配置默认选项，而第三方供应商（如 AgentCore、Daytona、E2B、Modal、Runloop 和 Vercel）则在需要自建时可供选择。由于 LangSmith 实验沙盒属于 LangChain 平台的一部分，您可与其他 LangSmith 资源一并管理它们。关于设置、快照、服务 URL 和认证代理的详细信息，请参考 [LangSmith Sandboxes 文档](https://docs.langchain.com/langsmith/sandboxes)。

## 安装

```bash pip theme={null}
pip install langsmith deepagents
```

```bash uv theme={null}
uv add langsmith deepagents
```

## 设置 API 密钥

```bash theme={null}
export LANGSMITH_API_KEY="<your-api-key>"
```

`SandboxClient()` 会从环境变量中读取此密钥，因此无需额外配置。

## 创建沙盒后端

使用 `SandboxClient` 创建 LangSmith 实验沙盒，并通过 @\[LangSmithSandbox] 包裹它以作为 [Deep Agents 后端](https://langchain-docs-zh.mintlify.site/langchain/oss/deepagents/backends.md) 运行。

```python theme={null}
from deepagents.backends.langsmith import LangSmithSandbox
from langsmith.sandbox import SandboxClient

client = SandboxClient()
ls_sandbox = client.create_sandbox()
backend = LangSmithSandbox(sandbox=ls_sandbox)

result = backend.execute("echo hello")
print(result.output)

# Delete the sandbox when you are done (see Clean up)
client.delete_sandbox(ls_sandbox.name)
```

## 与 Deep Agents 配合使用

将后端传递给 @\[create\_deep\_agent] 并搭配类似 @\[ChatAnthropic] 的对话模型，然后调用智能体。`try`/`finally` 块会在 try 块结束或发生错误时删除沙盒。

```python theme={null}
from deepagents import create_deep_agent
from deepagents.backends.langsmith import LangSmithSandbox
from langchain_anthropic import ChatAnthropic
from langsmith.sandbox import SandboxClient

client = SandboxClient()
ls_sandbox = client.create_sandbox()
backend = LangSmithSandbox(sandbox=ls_sandbox)

agent = create_deep_agent(
    model=ChatAnthropic(model="claude-sonnet-4-6"),
    system_prompt="You are a coding assistant with sandbox access.",
    backend=backend,
)

try:
    result = agent.invoke(
        {
            "messages": [
                {"role": "user", "content": "Create a hello world Python script and run it"}
            ]
        }
    )
    print(result["messages"][-1].content_blocks)
finally:
    client.delete_sandbox(ls_sandbox.name)
```

## 清理

完成时删除沙盒，因为未删除的沙盒会持续占用资源。

```python theme={null}
client.delete_sandbox(ls_sandbox.name)
```

您还可以通过 [LangSmith 控制台](https://smith.langchain.com) 下的 **沙盒** 页面管理沙盒资源。

更多细节请参考：

* [Deep Agents 中的沙盒](https://langchain-docs-zh.mintlify.site/langchain/oss/deepagents/sandboxes.md)：生命周期、作用域及沙盒供应商对比
* [LangSmith 沙盒](https://docs.langchain.com/langsmith/sandboxes)：快照、服务 URL、认证代理和 SDK 参考文档

***

> 官方原文：[src/oss/python/integrations/sandboxes/langsmith.mdx](https://github.com/langchain-ai/docs/blob/main/src/oss/python/integrations/sandboxes/langsmith.mdx) · 非官方翻译，译文由 AI 生成，以英文原文为准。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.