作者 | Steef-Jan Wiggers

譯者 | 明知山

微軟 為 Azure Logic Apps 引入了代碼解釋器，讓 Logic Apps 工作流中的 AI 智能體能夠在 Hyper-V 隔離沙箱中生成并執行 Python、JavaScript、C# 和 PowerShell 代碼。代碼解釋器作為 Logic Apps 智能體循環中的工具運行，這意味著大語言模型能夠接收自然語言指令、編寫代碼執行任務、在安全沙箱內運行代碼并返回結果——所有這些都在一個托管的工作流內完成。

該功能由 Azure 容器應用（Azure Container Apps，ACA）動態會話提供支持。每個代碼解釋器會話都在自己的 Hyper-V 邊界內運行，這也是微軟用于處理各類不可信工作負載的硬件級隔離技術。在 ACA 會話池啟用網絡隔離后，數據將始終限定在指定網絡邊界內，不會向外流出。Logic Apps 團隊團隊 表示：

這讓代碼解釋器擁有了媲美 ChatGPT 高級數據分析工具的強大能力，并且該功能已直接集成到 Logic Apps 運行時中。如今用戶無需編寫代碼、手動操作電子表格，僅用自然語言描述需求就能在同一工作流中得到可執行結果。

實際的應用場景十分直觀。一家企業有一份包含銷售數據的電子表格，Logic Apps 智能體工作流接收該文件，使用文檔分析工具提取數據，生成 Python 代碼來計算趨勢并創建可視化圖表，在沙箱會話中執行代碼，然后返回結果。使用者不需要懂 Python。生成的代碼在隔離環境中運行，而不是在主機進程中運行，因此即使出現類似import os; os.remove('/')這類模型幻覺產生的惡意代碼也不會造成任何破壞。

這讓 Logic Apps 在微軟的智能體平臺系統中形成了獨特定位。中糧國際 Azure 解決方案架構師 Somnath Saha分析 了企業架構師面臨的三種選擇：

• Logic Apps 智能體循環，適用于集成密集型工作流，有 450 多個連接器；

• Microsoft Foundry，適用于需要完整模型控制的專業級多智能體編排；

• Copilot Studio，適用于嵌入 Microsoft 365 的低代碼對話式智能體。

Saha 認為 Logic Apps 占據了一個獨特的細分領域：

當你的場景需要跨多個企業系統、ERP、CRM、數據庫、API 進行編排，并且需要內置治理、重試邏輯和審計跟蹤時，Logic Apps 智能體循環最為適合。它是集成架構師專屬的智能體平臺。

DevUP Solutions 創始人、微軟 MVP Mattias L?gdberg 向 InfoQ 證實，架構師可以完全自主掌控模型的選擇：

目前后臺使用的是 OpenAI 服務。首先，你可以根據該服務中部署的模型來選擇可用的模型。之后，你可以精確控制每個工作流 / 智能體使用什么模型，因此你對使用什么模型擁有完全的控制權。

代碼解釋器的加入進一步鞏固了這一定位。集成工作流經常需要在工作流中途轉換、分析或填充數據。以往這類操作需要調用 Azure Function 或外部 API，如今智能體可在同一工作流、同一安全邊界內就地生成并執行數據轉換代碼。

（來源：Microsoft Tech Community 博客文章——包含費用處理工具分支、并支持通過自適應卡片完成人工審核的 Logic Apps 智能體工作流。）

不妨將微軟的沙箱方案與各大超大規模云廠商的方案做對比，可供負責部署智能體生成代碼的團隊作為參考。Cloudflare 在其邊緣網絡上采用了 基于容器的隔離，更輕量的工作負載則采用了 V8 隔離。谷歌的 GKE 智能體沙箱 使用 gVisor 內核攔截作為開源的 Kubernetes 原語。微軟采用 Hyper-V 微虛擬機，提供了三者中最強的隔離邊界，但這種方案需要依賴 Azure 容器應用基礎設施。每種方法在隔離強度、可移植性和運維開銷之間做出了不同的權衡。

代碼解釋器除執行代碼外，還支持文件相關操作。智能體可以將文件上傳到 ACA 會話，在生成的代碼中將它們作為數據源引用，并下載結果。這在智能體循環中創建了一個完整的數據管道：攝取文件、通過生成代碼開展分析、生成報告或可視化圖表，最后將結果返回給用戶，或是流轉至工作流的下一環節。

Logic Apps 代碼解釋器現已公開預覽。前提條件是創建一個 Azure 容器應用 代碼解釋器會話池，可通過 Azure 門戶或 CLI 創建。Logic Apps 智能體實驗室 提供了集成配置的分步操作指南。

查看英文原文：

https://www.infoq.com/news/2026/05/azure-logic-apps-agents/

聲明：本文由 InfoQ 翻譯，未經許可禁止轉載。