Azure Logic Apps 最近推出了一項重要更新，為其 AI Agent 工作流加入了程式碼解釋器（Code Interpreter）。簡單來說，這讓 AI Agent 不再只能「說話」，而是能夠在安全隔離的環境中，直接撰寫並執行 Python、JavaScript、C# 或 PowerShell 程式碼，用來處理複雜的數據分析或邏輯運算。
為什麼需要程式碼解釋器？
在傳統的自動化工作流中，如果我們需要對數據進行複雜的轉換或計算，開發者通常必須預先寫好 Azure Function 或呼叫外部 API。但 AI Agent 的特性在於它可以根據使用者的自然語言指令，動態地決定如何解決問題。
例如，當使用者要求 AI 分析一份銷售報表並產出趨勢圖時，AI 可以自行生成一段 Python 程式碼來處理 Excel 數據並繪圖。如果沒有程式碼解釋器，AI 只能告訴你「應該怎麼寫這段程式碼」；有了它，AI 就能直接「執行程式碼」並把結果交給你。
核心技術：基於 Hyper-V 的沙箱隔離
讓 AI 執行它自己生成的程式碼存在極大的安全風險，因為 LLM（大型語言模型）可能會產生幻覺，甚至生成具有破壞性的指令（例如嘗試刪除系統檔案）。
為了解決這個問題，微軟採用了 Azure Container Apps (ACA) 的動態會話（Dynamic Sessions）。其核心是 Hyper-V 隔離技術，這是一種硬體層級的虛擬化隔離（Hardware-level isolation）。
對於工程師來說，這意味著每一段產生的程式碼都運行在一個獨立的微型虛擬機（microVM）中。即便 AI 產生了惡意指令，該指令也只能在被隔離的沙箱內運行，無法影響到宿主系統或其他工作流。此外，若開啟網路隔離，數據將被限制在定義的網路邊界內，不會外流。
在企業 AI 佈局中的定位
目前微軟的 Agent 平台分為三條路線，對於架構師來說，選擇 Logic Apps Agent Loop 的關鍵在於整合能力。
Copilot Studio 適合開發低程式碼的對話型 Agent，主要嵌入在 Microsoft 365 環境中。Microsoft Foundry 則適合專業開發者，需要對模型有完全控制權且進行複雜的多 Agent 編排。
而 Logic Apps Agent Loop 的強項在於整合。它擁有超過 450 個連接器，能輕鬆串接 ERP、CRM、資料庫與各種 API。現在加上了程式碼解釋器，它補足了在工作流中進行即時數據轉換與分析的短板，使其成為整合架構師的首選平台。
實務應用場景與數據流
一個典型的應用流程如下： 首先，Agent 接收到一個包含銷售數據的文件。 接著，利用文件分析工具提取數據。 然後，Agent 自行生成 Python 程式碼來計算趨勢並產生視覺化圖表。 最後，程式碼在 ACA 沙箱中執行，將結果回傳給使用者或傳遞給下一個工作流步驟。
整個過程使用者不需要懂 Python，而開發者也不需要為每種可能的分析需求預先編寫函數。
不同雲端供應商的隔離方案對比
對於在意安全性的團隊，可以參考目前主流的隔離實作方式： Cloudflare 使用 V8 Isolates，適合輕量化、低延遲的邊緣運算。 Google GKE Agent Sandbox 使用 gVisor 進行內核攔截，屬於開源的 Kubernetes 原生方案。 Microsoft 則選擇 Hyper-V 微型虛擬機，提供了最強的硬體級邊界隔離，但相對地需要依賴 Azure Container Apps 的基礎設施支持。
目前此功能已進入公開預覽階段，使用前需先在 Azure Portal 或透過 CLI 建立 Azure Container Apps 的程式碼解釋器會話池（Session Pool）。
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。