Vercel - Sandbox - Python - agentes de IA
4 min lectura

Vercel Sandbox Python 1.0: prueba ramas de tu agente en aislamiento

El SDK Python 1.0 de Vercel Sandbox permite ejecutar y desechar pruebas de ramas generadas por agentes. Ejemplo con pytest, acceso, costos y límites.

Vercel Sandbox Python 1.0: prueba ramas de tu agente en aislamiento

Tu agente de código propone una rama con cambios en una app Python. Antes de ejecutar sus tests en tu portátil o en el servidor donde guardas claves reales, quieres abrir esa rama en un entorno separado y desecharlo al terminar. Desde el 16 de noviembre de 2026, Vercel ofrece la versión 1.0 de su SDK de Python para Sandbox: una API estable para crear un entorno aislado, correr comandos y cerrarlo con un context manager.

El anuncio oficial dice que la versión llega a paridad de funciones con el SDK de TypeScript, admite código síncrono y asíncrono mediante AnyIO y cambia la entrada/salida de comandos a bytes respecto de 0.x. Es una mejora concreta para quien ya tiene un agente o una herramienta de CI escrita en Python. No ejecuté un Sandbox real porque este entorno no tiene una cuenta de Vercel enlazada; el ejemplo siguiente viene de su documentación, no de una prueba propia de acceso.

Cuándo usarlo

Úsalo cuando el resultado de un agente, una rama de pull request o un archivo subido por un usuario vaya a ejecutar código. La documentación de Sandbox describe una microVM aislada, con su propio sistema de archivos. Eso reduce el riesgo de que un test cambie tus archivos locales o dependa de paquetes que solo existen en tu máquina. Aun así, el entorno puede tener red y permisos propios: no le pases secretos de producción ni trates el aislamiento como permiso para ejecutar cualquier código sin revisión.

Si solo quieres correr un test conocido en tu repositorio confiable, tu CI actual puede ser suficiente. Sandbox tiene más sentido cuando la entrada es cambiante o no confiable y necesitas un ciclo efímero por ejecución.

Prueba mínima: tests de una rama

Instala el paquete 1.x en un proyecto Python y configura autenticación. Vercel recomienda OIDC: en desarrollo local, enlaza el proyecto con vercel link y descarga credenciales con vercel env pull. En un despliegue de Vercel la autenticación es automática; en CI externo puedes usar los tokens de acceso documentados. Mantén los archivos de entorno fuera de Git.

uv add 'vercel-sandbox>=1.0'
vercel link
vercel env pull

Guarda lo siguiente como check_pr.py. Sustituye URL y revisión por un repositorio y una rama que controles. El async with cierra el Sandbox al salir, incluso si pytest falla. check=True hace visible ese fallo a tu proceso de revisión en vez de continuar como si la rama hubiera pasado.

import asyncio
from vercel import sandbox
from vercel.sandbox import GitSource

async def main():
    async with sandbox.create_sandbox(
        source=GitSource(
            url="https://github.com/tu-equipo/tu-repo.git",
            revision="rama-del-pr",
        )
    ) as box:
        await box.run_command("uv", ["run", "pytest", "-q"], check=True)

asyncio.run(main())

Ejecuta uv run check_pr.py. El resultado esperado es que el comando termine sin error cuando los tests pasan y lance un fallo cuando no pasan. Este snippet supone que el repositorio tiene pytest configurado y que el runtime del Sandbox puede obtener las dependencias. Si tu rama es privada, revisa antes el método de autenticación para clonar, sin insertar un token de Git en el código o el prompt del agente.

Qué verificar antes de automatizar pull requests

  1. Prueba una rama conocida que pasa y otra que falla; confirma que el agente recibe el estado correcto y que el entorno se cierra.
  2. Comprueba que no estás copiando .env, credenciales del repositorio o datos de clientes al Sandbox. El aislamiento del sistema de archivos no borra un secreto que tú mismo le entregas.
  3. Limita el tiempo y la frecuencia de ejecuciones. No actives un Sandbox por cada pulsación del editor: una cola por PR y cancelación de tareas obsoletas suelen ser más útiles.
  4. Revisa qué cambió si migras desde 0.x. En particular, el anuncio advierte que entrada y salida de comandos pasan a bytes; actualiza cualquier parser que esperaba cadenas.

Acceso y costo

La tabla de precios de Vercel consultada para este artículo muestra Sandbox con 5 horas de CPU activa, 420 GB-h de memoria y 5.000 creaciones incluidas al mes en el plan mostrado, además de límites de concurrencia y cargos por uso adicional. CPU activa no equivale a horas de reloj: la memoria provisionada puede seguir contando durante la vida del entorno. Revisa el plan y presupuesto de tu equipo antes de conectar un agente que pueda lanzar muchos tests. No se comprobó el costo real de una ejecución con una cuenta.

La decisión de esta semana: si tus agentes generan ramas Python, prueba una rama simple en Sandbox y mide tiempo, memoria y resultado antes de mover el flujo completo. Si tu CI actual ya separa el código y controla gasto, compara ambos con el mismo PR antes de añadir otra pieza de infraestructura.

Recibe lo nuevo en tu correo

Workshops gratis, herramientas y novedades de IA aplicadas a negocio, sin humo.

🎓 Workshops en vivo🛠️ Herramientas nuevas⚡ Novedades de IA

Sin spam. Te das de baja cuando quieras.

Comentarios

Aún no hay comentarios. Sé el primero.

Deja un comentario