LoongCollector + ACS Agent Sandbox：构建 AI Agent 生产级运行平台

作者：林润骑（太业）

AI Agent 的安全与可观测性挑战

随着大语言模型（LLM）的快速发展，AI Agent 正在从实验室走向生产环境。从智能客服到代码助手，从数据分析到自动化运维，AI Agent 正在改变我们的工作方式。然而，与传统应用不同，AI Agent 有两个特点：

  • 行为不可预测：同样的输入可能产生不同的输出，调用不同的工具链路。
  • 具备执行能力：Agent 不仅能“说”，还能“做”——访问数据、调用 API、执行操作。

这两个特点，给我们带来了全新的挑战。

核心挑战一：运行时安全（Agent 能做什么？谁来控制边界？）

想象一下这个场景：一个客服 Agent 在回答用户问题时，因为 Prompt 注入攻击，意外访问了其他用户的订单信息，甚至调用了退款接口。这不是科幻，而是真实的安全风险。

AI Agent 的安全风险主要来自两个方面：

1. 执行环境缺少强隔离

Agent 在运行时需要访问数据、调用工具、执行操作，如果没有严格的权限控制，Prompt 注入或误触发就可能导致越权访问、数据泄露或误操作，比如 Agent 被注入恶意 Prompt，绕过权限检查，访问了不该访问的数据库。

2. 外部能力缺少管控

Agent 最大的威胁往往来自外部能力被滥用——异常外呼、SSRF/内网探测、敏感数据落盘或外传。比如 Agent 调用了一个“查询天气”的工具，但实际发起了对内网服务的扫描

核心挑战二：全链路可观测（Agent 做了什么？为什么这么做？效果如何？）

传统应用的行为是确定的，相同输入必然产生相同输出。但 AI Agent 不同——它的每一步决策都可能不同，这带来了三大可观测难题：

1. 行为难以复现和定位

同一个问题，Agent 今天可能调用工具 A，明天可能调用工具 B，后天可能直接回答。当出现错误时，很难知道“在哪一步出了问题”。

2. 成本难以控制和归因

Agent 的成本主要来自 LLM Token 消耗和外部 API 调用，且波动巨大。不知道哪些用户、哪些任务、哪些模型在“烧钱”。

3. 质量难以度量和优化

Agent 的输出质量受模型能力、Prompt 设计、检索数据等多重因素影响，且会不断变化。不知道“哪里好、哪里差、怎么改”。

为什么需要专门的解决方案？

传统的监控和安全方案在 AI Agent 场景下力不从心：

image

这就是为什么我们需要专门为 AI Agent 设计的运行平台和可观测方案。接下来，让我们看看 ACS Agent Sandbox 和 LoongCollector 如何解决这些挑战和问题。

ACS Agent Sandbox 与 LoongCollector：安全与可观测的完整保障

ACS Agent Sandbox 提供了基于 Kubernetes 的安全运行环境，而 LoongCollector 则作为可观测数据采集器，为 Agent 提供全方位的监控和分析能力。两者的深度集成，构建了一个完整的 AI Agent 生产级运行平台。

2.1 ACS Agent Sandbox：提供运行时安全保障

ACS（Alibaba Cloud Container Service）Agent Sandbox 是阿里云容器服务推出的 AI Agent 运行沙箱环境。它基于 Kubernetes 提供了一个安全、隔离、可扩展的 AI Agent 运行平台。

image

2.2 LoongCollector：提供 Sandbox 可观测能力保障

LoongCollector 是阿里云可观测团队开源的统一可观测数据采集器，专为云原生和高性能场景设计。在 AI Agent 场景，它具有独特优势：

image

极致性能与超低开销

AI Agent 计算密集，可观测组件必须轻量不拖累业务：

  • 零拷贝架构：Memory Arena + Zero-Copy，减少不必要的内存拷贝。
  • 事件池化复用：高频对象池化，降低内存分配与 GC 压力。
  • 单核高吞吐：单核可支撑 500MB/s 日志采集吞吐。

一体化采集：日志 / 指标 / 链路全覆盖

  • 日志：stdout/stderr、文件日志；自动关联 Kubernetes 元信息（Pod/Namespace/Labels）。
  • 指标：原生支持 Prometheus Exporter；系统指标（CPU/内存/网络/磁盘 I/O）；GPU 指标（NVIDIA DCGM）。
  • 链路：完整支持 OpenTelemetry。

端侧计算：把处理前置到数据源头

不仅采集，更能在端侧完成预处理，降低传输与存储成本：

  • 高性能 C++ 插件/SPL 引擎。
  • 支持过滤、转换、聚合等复杂处理。
  • 端侧降维：在源头减少噪声与数据量。

企业级可靠性：数据不丢、运行稳定

数据可靠性：

  • At-Least-Once 投递语义。
  • 本地磁盘缓存：网络异常落盘，恢复后重传。
  • 自动重试 + 指数退避。
  • 反压限流：下游拥塞时保护系统。

运行可靠性：

  • 多租户 Pipeline 隔离。
  • 优先级调度：关键数据优先。
  • 热更新/优雅变更：配置变更无需重启、零中断。

大规模弹性场景统一管控

  • ConfigServer：集中配置管理，支撑万级 Agent。
  • 远程配置下发：变更实时生效，无需登录机器。
  • 状态与性能监控：统一查看健康度与资源开销。

2.3 深度集成：LoongCollector 为 Sandbox 提供零侵入、自动化、高可靠的可观测能力

image

  • ACS 管控会自动为 Sandbox 注入 LoongCollector 容器。
  • 通过挂载共享文件路径。
  • 通过 Pod 网络，可以对 AI Agent 进行 Prometheus 抓取或者接收 OpenTelemetry 数据。

通过 ACS Agent Sandbox 与 LoongCollector 的深度集成，我们为 AI Agent 构建了一个完整的生产级运行平台：

image

基于 ACS Agent Sandbox + LoongCollector 运行 OpenClaw 的方案

OpenClaw 是最近爆火的一个 AI 应用，它重新定义了 AI 助理的边界——其核心价值不再是回答问题，而是真正理解意图、规划步骤并调用工具去完成任务，成为一个永不下线的“数字员工”。接下来，我们就看下如何使用 ACS Agent Sandbox + LoongCollector，安全、可观测的运行 OpenClaw。

3.1 开启 ACK/ACS 集群 Sandbox LoongCollector 注入

ACK 集群

PS：需要预先安装组件

修改 kube-system 下，eci-profile 这个 configmap ，其中 slsMachineGroup 即为 Sandbox 机器组标识，建议设置一个单独的标识，不要跟 ACK 的 daemonset 机器组一样。

ACS 集群

PS：需要预先安装组件

  • 组件管理中安装 ack-agent-sandbox-controller 组件，版本>=v0.5.3。
  • 如果需要通过 eip 暴露服务，则在 ACK 集群的组件管理中安装 ack-extend-network-controller 组件。
  • 组件管理中安装 alibaba-log-controller 组件。

机器组标识为 ACS 集群统一机器组标识：k8s-log-${集群 id}

3.2 在 ACS Agent Sandbox 中的部署 OpenClaw

OpenClaw 开启 Otel 插件

需要注意

  • OpenClaw 打包镜像的时候，需要包含 extensions/diagnostics-otel。
  • 需要在配置中打开 diagnostics-otel，才能进行指标和 Trace 数据的上报。

配置 ~/.openclaw/openclaw.json

PS：需要注意这里配置的 endpoint，需要在后面 LoongCollector 采集配置中用到。

{
  "plugins": {
    "allow": ["diagnostics-otel"],
    "entries": {
      "diagnostics-otel": { "enabled": true }
    }
  },
  "diagnostics": {
    "enabled": true,
    "otel": {
      "enabled": true,
      "endpoint": "http://127.0.0.1:4318",
      "protocol": "http/protobuf",
      "serviceName": "openclaw-gateway",
      "traces": true,
      "metrics": true,
      "logs": true,
      "sampleRate": 1,
      "flushIntervalMs": 60000
    }
  }
}

OpenClaw沙箱部署样例

这里我以一个最简化的部署为例，通过 Sandbox CR 直接创建 OpenClaw 沙箱：

apiVersion: agents.kruise.io/v1alpha1
kind: Sandbox
metadata:
  name: openclaw
  namespace: default
spec:
  template:
    metadata:
      labels:
        alibabacloud.com/acs: 'true'
        app: openclaw
    spec:
      containers:
        - name: openclaw
          # 请替换为实际的 OpenClaw 镜像地址
          image: <open-claw镜像地址> 
          imagePullPolicy: IfNotPresent 
          resources:
            limits:
              cpu: '4'
              memory: 8Gi
            requests:
              cpu: '4'
              memory: 8Gi
          securityContext:
            readOnlyRootFilesystem: false
          terminationMessagePath: /dev/termination-log
          terminationMessagePolicy: File
      dnsPolicy: ClusterFirst
      paused: true
      restartPolicy: Always
      schedulerName: default-scheduler
      securityContext: {}
      terminationGracePeriodSeconds: 1

3.3 完整可观测采集配置

从《你的 OpenClaw 真的在受控运行吗？》可以看到，OpenClaw 对应的可观测数据如下：

image

Session 日志

apiVersion: telemetry.alibabacloud.com/v1alpha1
kind: ClusterAliyunPipelineConfig
metadata:
  name: openclaw-session-log
spec:
  config:
    aggregators: []
    global: {}
    inputs:
      - Type: input_file
        # 这里的路径根据镜像openclaw的运行路径不同而不同
        FilePaths:
          - /home/node/.openclaw/agents/main/sessions/*.jsonl
        MaxDirSearchDepth: 0
        FileEncoding: utf8
        EnableContainerDiscovery: true
        # 根据OpenClaw沙箱信息进行容器过滤
        ContainerFilters:
          K8sPodRegex: ^(openclaw.*)$
    processors:
      - Type: processor_parse_json_native
        SourceKey: content
    flushers:
      - Type: flusher_sls
        Logstore: openclaw-session-log
    sample: ''
  # 请替换为 ACK/ACS 集群对应的 Sandbox 机器组名称
  machineGroups:
    - name: <your-sandbox-machine-group>
  # 要采集到的Project
  project:
    name: k8s-log-xxx
  # 要采集到的logstore
  logstores:
    - name: openclaw-session-log

应用日志

apiVersion: telemetry.alibabacloud.com/v1alpha1
kind: ClusterAliyunPipelineConfig
metadata:
  name: openclaw-app-log
spec:
  config:
    aggregators: []
    global: {}
    inputs:
      - Type: input_file
        FilePaths:
          - /tmp/openclaw/*.log
        MaxDirSearchDepth: 0
        FileEncoding: utf8
        EnableContainerDiscovery: true
        # 根据OpenClaw沙箱信息进行容器过滤
        ContainerFilters:
          K8sPodRegex: ^(openclaw.*)$
    processors:
      - Type: processor_parse_json_native
        SourceKey: content
    flushers:
      - Type: flusher_sls
        Logstore: openclaw-app-log
    sample: ''
  # 请替换为 ACK/ACS 集群对应的 Sandbox 机器组名称
  machineGroups:
    - name: <your-sandbox-machine-group>
  # 要采集到的Project
  project:
    name: k8s-log-xxx
  # 要采集到的logstore
  logstores:
    - name: openclaw-app-log

OpenTelemetry

apiVersion: telemetry.alibabacloud.com/v1alpha1
kind: ClusterAliyunPipelineConfig
metadata:
  name: openclaw-otel-config
spec:
  config:
    # 这里跟下面的logstores对应，分布存储Opentelemetry的日志、指标、Trace数据
    aggregators:
      - Type: aggregator_opentelemetry
        MetricsLogstore: openclaw-otel-metrics
        TraceLogstore: openclaw-otel-traces
        LogLogstore: openclaw-otel-logs
    global: {}
    inputs:
      - Type: service_otlp
        Protocals:
          HTTP:
            # 这里跟OpenClaw开启的diagnostics-otel的endpoint对应
            Endpoint: '127.0.0.1:4318'
            ReadTimeoutSec: 10
            ShutdownTimeoutSec: 5
            MaxRecvMsgSizeMiB: 64
    processors: []
    flushers:
      - Type: flusher_sls
        Logstore: openclaw-otel-logs
  # 请替换为 ACK/ACS 集群对应的 Sandbox 机器组名称
  machineGroups:
    - name: <your-sandbox-machine-group>
  # 要采集到的Project
  project:
    name: k8s-log-xxx
  # 要采集到的logstore，需要注意Opentelemetry有三类数据，需要定义三个logstore
  # metrics数据需要指定telemetryType: Metrics
  logstores:
    - name: openclaw-otel-logs
    - name: openclaw-otel-metrics
      telemetryType: Metrics
    - name: openclaw-otel-traces

3.4 方案总结：完整解决 OpenClaw 的安全挑战

Sandbox 实现 OpenClaw 安全、隔离运行

  • 单 Sandbox 运行在独立内核沙箱环境，避免恶意代码攻击主机系统程序。
  • 单 Sandbox 独立隔离临时文件系统，避免读取/篡改/删除主机文件。

LoongCollector 实现 OpenClaw 全栈可观测

image

总结与展望

AI Agent 的生产化不是“能不能”的问题，而是“怎么做”的问题。安全与可观测不是可选项，而是必选项。

如果你正在构建 AI Agent 应用：

  • 从现在开始重视运行时安全和可观测性。
  • 选择合适的工具而不是重复造轮子。
  • 建立最佳实践并在团队中推广。
  • 持续学习优化，让 Agent 真正创造价值。

ACS Agent Sandbox 和 LoongCollector 都是开放的平台，欢迎你尝试并反馈。让我们一起构建更安全、更可靠、更高效的 AI Agent 生产环境。希望本文能够为你的 AI Agent 可观测性建设提供参考和启发。

参考资料：

posted @ 2026-04-03 16:38  阿里云云原生  阅读(2)  评论(0)    收藏  举报