AgentBay：面向智能体系统中人机无缝干预的混合交互沙箱
人工智能
2025-12-05 v1
摘要
大型语言模型（LLM）的快速进步正在催化向能够执行复杂多步任务的自主AI智能体的转变。然而，这些智能体在面对现实世界的异常情况时仍然脆弱，使得人机回环（HITL）监督对于关键任务应用至关重要。本文提出了AgentBay，一个从头设计的用于混合交互的新型沙箱服务。AgentBay提供涵盖Windows、Linux、Android、Web浏览器和代码解释器的安全、隔离执行环境。其核心贡献是一个可通过混合控制界面访问的统一会话：AI智能体可通过主流接口（MCP、开源SDK）以编程方式交互，而人类操作员可在任何时刻无缝接管完整的手动控制。这种无缝干预由自适应流协议（ASP）实现。与传统的VNC/RDP不同，ASP专门针对这种混合用例而设计，提供超低延迟、更流畅的用户体验，即使在弱网络环境下也能保持鲁棒性。它通过动态混合基于命令和基于视频的流传输，根据网络条件和当前控制器（AI或人类）调整编码策略。我们的评估在安全性、性能和任务完成率方面展现了强劲结果。在复杂任务基准测试中，AgentBay（智能体+人类）模型实现了超过48%的成功率提升。此外，我们的ASP协议相比标准RDP将带宽消耗降低高达50%，端到端延迟降低约5%，尤其在网络条件较差时。我们认为AgentBay为构建下一代可靠的人机监督自主系统提供了基础原语。
引用
@article{arxiv.2512.04367,
title = {AgentBay: A Hybrid Interaction Sandbox for Seamless Human-AI Intervention in Agentic Systems},
author = {Yun Piao and Hongbo Min and Hang Su and Leilei Zhang and Lei Wang and Yue Yin and Xiao Wu and Zhejing Xu and Liwei Qu and Hang Li and Xinxin Zeng and Wei Tian and Fei Yu and Xiaowei Li and Jiayi Jiang and Tongxu Liu and Hao Tian and Yufei Que and Xiaobing Tu and Bing Suo and Yuebing Li and Xiangting Chen and Zeen Zhao and Jiaming Tang and Wei Huang and Xuguang Li and Jing Zhao and Jin Li and Jie Shen and Jinkui Ren and Xiantao Zhang},
journal= {arXiv preprint arXiv:2512.04367},
year = {2025}
}