在企業導入 AI Agent（人工智慧代理人）的過程中，最棘手的問題通常不是模型夠不夠聰明，而是安全合規。大多數企業的內部資料、資料庫或 API 都被封鎖在防火牆後方，不能對外開放。如果 AI Agent 要讀取內部文件或操作系統，傳統做法必須將內部服務暴露在公網，或將敏感資料傳送到雲端執行環境，這對資安團隊來說是不可接受的風險。
為了解決這個痛點，Anthropic 推出了兩項針對企業級需求的更新：自託管沙盒（Self-hosted Sandboxes）以及 MCP Tunnels。這兩項技術的核心目標是將 AI 的協調邏輯與實際的執行環境分開來，讓企業在享受雲端模型能力時，依然能將控制權留在自己的安全邊界內。
首先來理解 MCP Tunnels。MCP 全稱 Model Context Protocol，是一種標準化的協定，讓 AI 模型能以統一的方式讀取外部資料或調用工具。但在實務上，如果你的 MCP Server（提供資料的伺服器）跑在公司內網，雲端的 Claude 模型無法直接存取它。
過去的解決方案通常是修改防火牆規則，開啟入站端口（Inbound rules），但這會增加被攻擊的風險。MCP Tunnels 改變了這個方向，它採用的是出站連接（Outbound connection）機制。企業在內網部署一個輕量級的閘道，由這個閘道主動向 Anthropic 的基礎設施建立加密連接。對外來者而言，防火牆依然是關閉的，但 AI Agent 卻能透過這條安全的隧道，在不暴露伺服器於公網的情況下，存取內部的資料庫、票務系統或知識庫。
接著是自託管沙盒（Self-hosted Sandboxes）。當 AI Agent 需要執行程式碼或處理檔案時，通常需要在一個隔離的環境（即沙盒）中運行，以防止惡意代碼損壞系統。原本這些沙盒是由 Anthropic 管理的，但對於有嚴格數據駐留（Data Residency）要求的企業，他們希望執行過程發生在自己的基礎設施中。
透過自託管沙盒，Anthropic 僅負責高層級的編排、上下文管理與恢復邏輯，而實際的運算與執行則移交給客戶控制的環境。目前支援包括 Cloudflare、Daytona、Modal 與 Vercel 等供應商。不同的供應商提供了不同的實務場景：例如 Cloudflare 提供微型虛擬機（microVMs）與零信任網路；Daytona 適合需要持久化狀態且可透過 SSH 存取的環境；Modal 則針對需要大量 CPU 或 GPU 資源的 AI 工作負載進行優化。
這兩項更新反映了目前 AI 業界的一個重要趨勢：將協調（Orchestration）與執行（Execution）分離。
對於開發者來說，這意味著你可以將 Claude 當作大腦來思考與規劃，但將手腳（執行工具與存取資料）留在公司內部的安全區域。這種架構極大地降低了資安審核的門檻。正如業界觀察所言，生產環境中 Agent 部署的瓶頸往往不在於模型能力，而是在於合規審核。透過將執行權限收回歸企業內部，開發團隊不再需要花數週時間與資安團隊爭論如何開啟防火牆，而是能直接在符合規範的環境中快速部署 AI 應用。
來源：infoq.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。