L’équipe d’agent-infra a mis à disposition sur GitHub un sandbox tout-en-un, baptisé AIO Sandbox, qui vise à unifier l’environnement d’exécution des agents d’intelligence artificielle. Ce projet embarque nativement un navigateur, un terminal (shell), un système de fichiers, un serveur VSCode, et des capacités MCP (Model Context Protocol) au sein d’un unique conteneur Docker. L’objectif affiché est de résoudre les difficultés traditionnelles liées à la coordination entre des outils de développement mono-fonctionnels.

Ce regroupement de fonctionnalités permet, selon les exemples de code fournis, à un agent d’effectuer des tâches séquentielles complexes : naviguer sur une page web, extraire son contenu, puis exécuter un script dans le shell, le tout en utilisant un système de fichiers partagé. L’intégration de ces composantes est le point fort de cette offre, offrant par exemple la possibilité de télécharger un fichier via le navigateur et de le manipuler immédiatement en ligne de commande.

L’installation est présentée comme relativement simple via la commande docker run, bien que l’on doive veiller à configurer correctement l’authentification API pour sécuriser les services en cas de déploiement en production. Les développeurs peuvent accéder à une documentation complète, à un navigateur VNC, au serveur VSCode et aux services MCP directement depuis l’adresse locale localhost:8080.

Le contexte sécuritaire des accès aux modèles IA

Si cette avancée technique facilite grandement le prototypage, elle rappelle aussi la fragilité croissante des environnements numériques. En effet, le contexte général montre que les agents et les accès aux modèles sont de plus en plus visés par des acteurs malveillants. Les incidents de type « LLMJacking », documentés par le groupe de renseignement des menaces de Google, montrent que des attaquants exploitent des clés API ou des jetons d’identité cloud exposés pour engendrer des coûts frauduleux massifs sur les ressources des modèles.

Ce phénomène est amplifié par la matérialisation d’un marché sous-terrain pour ces accès, où des « LLM Mixers » agissent comme des passerelles de revente d’accès non autorisés. Les chercheurs ont notamment constaté que des acteurs tentent de valider des clés volées par des requêtes minimales, afin de rester indétectables par les systèmes de surveillance classiques.

Les menaces sur les plateformes de développement

L’écosystème des plateformes de développement IA subit également une pression sécuritaire notable. Des rapports récents signalent des attaques d’« essaim d’agents » (agent swarm) ciblant spécifiquement les plateformes de développement. Ces incidents pointent du doigt l’accès aux identifiants et aux variables d’environnement stockées, qu’il s’agisse de problèmes de chaîne d’approvisionnement ou de vulnérabilités dans des systèmes hérités.

Dans ce climat d’alerte, où la compromission des identités est le vecteur dominant, l’existence d’un sandbox conteneurisé qui encapsule et isole l’exécution des agents devient une réponse technique pertinente. Il permet de contenir l’activité potentiellement débridée d’un agent dans un environnement prédéfini et sécurisé.

Il faudra surveiller comment ces solutions intégrées vont impacter l’adoption de pratiques de défense par défaut. Pour l’heure, la question demeure : comment garantir l’isolement parfait lorsque les outils sont, par définition, conçus pour interagir de manière aussi profonde entre eux ?

Sources

• GitHub – searxng/searxng: SearXNG is a free internet metasearch engine which aggregates results from various search services and databases.…, github.com
• GitHub – agent-infra/sandbox: All-in-One Sandbox for AI Agents that combines Browser, Shell, File, MCP and VSCode Server in a single Docker…, github.com
• The Rise of LLMJacking: How Threat Actors Monetize Compromised Cloud and Model Resources, Google Cloud, 2 novembre 2026
• “Black October” for AI Developer Platforms, Wiz, 30 octobre 2026