このトピックでは、ApsaraDB RDS for PostgreSQL Supabase のサンドボックスでコードインタープリターを使い、e2b-code-interpreter SDK を用いて安全に分離されたクラウド環境で Python コードを実行する方法について説明します。5 つの典型的なシナリオを紹介します。
前提条件
作成済みの RDS For Supabase インスタンスが [実行中] 状態であることを確認します。
インスタンスが、中国 (北京) 、中国 (上海) 、中国 (杭州) 、中国 (深圳) 、または中国 (成都) の 5 つのリージョンのいずれかにあることを確認します。
AliyunServiceRoleForRDSAISupabaseサービスリンクロールが承認されていることを確認します。RDS コンソールの [サンドボックスとエッジ関数] ページで、サンドボックス機能が有効になっていることを確認してください。 詳細については、「サンドボックスとエッジ関数を使用する」をご参照ください。
使用制限
単一のサンドボックスのデフォルトのライフサイクルは、
timeoutパラメーターによって制御されます (サンプルでは最大 600 秒)。タイムアウト後、サンドボックスは自動的に破棄されます。必要に応じて、長時間実行されるタスクを分割するか、パラメーターの値を大きくしてください。シナリオ 5 (AI を活用したデータ分析エージェント) では、
LLM_API_KEYおよびLLM_BASE_URL環境変数を通じて、独自の大規模言語モデルサービスを用意する必要があります。RDS For Supabase のサンドボックスは LLM 機能を提供しません。
コードインタープリターの設定
コードインタープリターの実行環境を準備するために、以下の 6 つの設定項目を完了します。
ステップ 1: code-interpreter サンドボックステンプレートの作成
ApsaraDB RDS コンソールにログインし、対象の RDS For Supabase インスタンスの詳細ページに移動します。
左側のナビゲーションペインで、[コンポーネント] > [サンドボックスとエッジ関数] をクリックします。
ページの上部にある[サンドボックスとエッジ関数を有効化]トグルがオンになっていることを確認します。
右側の [Sandbox テンプレート] セクションで、code-interpreter 行を見つけ、[テンプレート ID] 列の値をコピーします。後続のすべてのコードサンプル (
Sandbox.create(template="<template-id>")) の<template-id>プレースホルダーをこの値に置き換えます。
プリセットのサンドボックステンプレートには claude-code、code-interpreter、deno、desktop、steel-browser があり、それぞれ異なる AI シナリオに対応しています。このトピックでは code-interpreter について説明します。他のテンプレートについては、対応するシナリオのトピックをご参照ください。
ステップ 2: ドメイン名のバインド
コードインタープリターは、インスタンス固有のドメイン <instance-id>.sb.rds.com を通じてサンドボックスにアクセスします。ローカルの /etc/hosts に次のマッピングを追加します。
<instance-ip> <instance-id>.sb.rds.comインスタンスの IP アドレスは、RDS For Supabase インスタンスの [基本情報] ページで確認できます。
開発環境およびテスト環境では、/etc/hosts に直接書き込みます。本番環境では、DNS 解決を通じてドメイン名を一元的に管理してください。
ステップ 3: e2b SDK パッチコードのダウンロード
GitHub リポジトリ aliyun-rds-pg/e2b-sdk-patch からパッチコードをダウンロードします。このパッチは RDS For Supabase のルーティングに適応します。
ステップ 4: (任意) HTTPS アクセスのための SSL 設定
HTTPS でサンドボックスにアクセスするには、まず RDS For Supabase インスタンスに SSL 証明書を設定します。詳細については、「RDS Supabase の SSL 設定と HTTPS アクセスの有効化」をご参照ください。
SSL 証明書を設定した後、信頼されたルート証明書ファイルを指すように、次の環境変数を設定します。
# rootCA.pem は、RDS For Supabase インスタンスの SSL 証明書の生成に使用される CA 証明書です。
export SSL_CERT_FILE="/xxx/rootCA.pem"
export REQUESTS_CA_BUNDLE="/xxx/rootCA.pem"ステップ 5: 環境変数の設定
SDK がサンドボックスと LLM サービスに接続できるように、次の環境変数を設定します。
export E2B_DOMAIN=<instance-id>.sb.rds.com
export E2B_API_KEY=<your-service-key>
export LLM_API_KEY=<your-llm-api-key>
export LLM_BASE_URL=<your-llm-base-url>環境変数 | 説明 |
| サンドボックスのアクセスドメイン、つまりステップ 2 でバインドしたドメインです。 |
| サンドボックス認証用の ServiceKey です。インスタンス詳細ページの右上隅にある[API キーの取得]をクリックし、[ServiceKey] フィールドの値をコピーします。 |
| LLM サービスの API キーです。シナリオ 5 (AI エージェント) でのみ必須であり、他のシナリオでは空のままにできます。 |
| LLM サービスのベース URL です。シナリオ 5 でのみ必須であり、他のシナリオでは空のままにできます。 |
ステップ 6: e2b-code-interpreter SDK のインストール
pip install e2b-code-interpreter openaiコードインタープリターの使用例
コードインタープリターのコアワークフローは、サンドボックスの作成、コードまたはファイル操作の実行、結果の取得、サンドボックスの破棄 の順に進みます。ローカルの Python REPL と比較して、サンドボックスは、ステートフルな複数ターン実行、同時コンテキスト分離、およびバイナリ結果取得をサポートする、安全な分離されたクラウド実行環境を提供します。以下の 5 つの各シナリオでは、完全な実行可能な Python スクリプトを提示します。スクリプトをコピーし、「サンプルコードの実行」で説明されているように .py ファイルとして保存して実行してください。
シナリオ 1: ステートフルな複数ターンにわたるコード実行
同じサンドボックス内で run_code を複数回呼び出すと、ターンをまたいで変数とインポートされたモジュールが保持されるため、分析ワークフローを段階的に構築するのに適しています。with ステートメントを使用して、終了時にサンドボックスを自動的に破棄します。
from e2b_code_interpreter import Sandbox
from patch_e2b import patch_e2b
patch_e2b(True)
with Sandbox.create(template="<template-id>") as sbx:
sbx.run_code("x = 10")
execution = sbx.run_code("x += 5; print(f'x = {x}')")
print(execution.logs.stdout) # x = 15
sbx.run_code("import math")
execution = sbx.run_code("print(f'pi = {math.pi}')")
print(execution.logs.stdout) # pi = 3.141592653589793シナリオ 2: ファイルの読み書き操作
sbx.files.write と sbx.files.read を通じてサンドボックスのファイルシステムと対話し、run_code 内の pandas などのライブラリにローカルファイルを直接使用させることで、ファイル操作とコード実行を統一できます。
from e2b_code_interpreter import Sandbox
from patch_e2b import patch_e2b
patch_e2b(True)
with Sandbox.create(template="<template-id>") as sbx:
sbx.files.write("/home/user/data.csv", "name,age,city\nAlice,30,Beijing\nBob,25,Shanghai")
content = sbx.files.read("/home/user/data.csv")
execution = sbx.run_code("""
import pandas as pd
df = pd.read_csv('/home/user/data.csv')
print(df.describe())
""")
print(execution.logs.stdout)シナリオ 3: コードコンテキストの分離
コードコンテキストを使用すると、同じサンドボックス内に複数の独立したコードコンテキストを作成できます。各コンテキストは独自の変数と状態を維持するため、タスク間で状態分離が必要なシナリオ (たとえば、データ分析とレポート生成を干渉なく並行して実行する場合など) に適しています。
例 1:作成、使用、分離の検証
from e2b_code_interpreter import Sandbox
from patch_e2b import patch_e2b
patch_e2b(True)
sandbox = Sandbox.create(template="<template-id>")
try:
# 2 つの独立したコードコンテキストを作成
data_ctx = sandbox.create_code_context()
report_ctx = sandbox.create_code_context()
# data_ctx でデータを準備
sandbox.run_code("""
import pandas as pd
import numpy as np
np.random.seed(42)
dates = pd.date_range('2025-01-01', periods=30)
data = pd.DataFrame({'date': dates, 'revenue': np.random.randint(1000, 5000, 30)})
print(data.head())
""", context=data_ctx)
# report_ctx でレポートを生成 (独立した環境であり、data_ctx の影響を受けない)
sandbox.run_code("""
report_lines = [
'=== Data analysis report ===',
f'Generated: 2025-07-02',
'State: The data context and this context are isolated from each other',
]
for line in report_lines:
print(line)
""", context=report_ctx)
# 分離の検証: data_ctx の data 変数は report_ctx には存在しない
result = sandbox.run_code("print('data' in dir())", context=report_ctx)
print(f'report_ctx に data 変数が存在するか: {result.logs.stdout[0]}') # False
finally:
sandbox.kill()例 2:コンテキストの一覧表示、再起動、削除
SDK には、アクティブなすべてのコンテキストの一覧表示、コンテキストの再起動 (状態のクリア) 、コンテキストの削除など、コンテキストを管理するための完全な API セットが用意されています。これらの操作により、複雑なシナリオで複数の実行環境を柔軟に管理できます。
from e2b_code_interpreter import Sandbox
from patch_e2b import patch_e2b
patch_e2b(True)
sandbox = Sandbox.create(template="<template-id>")
try:
data_ctx = sandbox.create_code_context()
report_ctx = sandbox.create_code_context()
# すべてのアクティブなコンテキストを一覧表示
contexts = sandbox.list_code_contexts()
print(f'アクティブなコンテキストの数: {len(contexts)}')
# コンテキストを再起動 (状態をクリアして新規に開始)
data_ctx = sandbox.restart_code_context(data_ctx)
print(f'再起動されたコンテキスト: {data_ctx.id}')
# コンテキストを削除 (オブジェクト経由)
sandbox.remove_code_context(report_ctx)
print('report_ctx を削除しました')
# context_id を通じても削除可能
sandbox.remove_code_context(data_ctx.id)
print('data_ctx を削除しました')
finally:
sandbox.kill()コンテキスト管理 API (list_code_contexts、restart_code_context、remove_code_context) は、コンテキストオブジェクトまたは context_id 文字列のいずれかを引数に取ります。
シナリオ 4: データ分析と可視化
サンドボックス内で matplotlib を使用してグラフを生成し、その後 sbx.files.read(..., format="bytes") を使用して PNG バイトをローカルディスクに取得します。
from e2b_code_interpreter import Sandbox
from patch_e2b import patch_e2b
patch_e2b(True)
sandbox = Sandbox.create(template="<template-id>", timeout=300)
try:
execution = sandbox.run_code("""
import numpy as np
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
np.random.seed(42)
days = np.arange(1, 31)
prices = 120 + np.cumsum(np.random.randn(30) * 2)
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(days, prices, 'b-', linewidth=2, marker='o')
ax.set_title('Simulated 30-Day Price Trend')
plt.tight_layout()
plt.savefig('/home/user/chart.png', dpi=150)
print(f'Price range: {prices.min():.2f} - {prices.max():.2f}')
""")
print(execution.logs.stdout)
chart_bytes = sandbox.files.read("/home/user/chart.png", format="bytes")
with open("chart.png", "wb") as f:
f.write(chart_bytes)
print("Chart saved")
finally:
sandbox.kill()サンドボックスはヘッドレス環境です。コード内で matplotlib.use('Agg') を使用して、matplotlib のバックエンドを明示的に Agg に設定する必要があります。そうしないと、ディスプレイバックエンドがないために plt.savefig の呼び出しが失敗する可能性があります。
シナリオ 5: AI を活用したデータ分析エージェント
LLM のツール呼び出し機能とコードインタープリターを組み合わせて、インテリジェントなデータ分析アシスタントを構築します。ワークフローは、データファイルのアップロード、LLM による分析コードの生成、サンドボックスでのコード実行によるグラフの作成、結果のローカルディスクへの保存の順に進みます。以下の例では、TMDB 映画データセット (約 10,000 レコード) を使用し、LLM に可視化コードを生成させ、それをサンドボックスで実行します。
依存関係のインストール
pip install e2b-code-interpreter openai python-dotenv完全なコード
import sys
import os
import json
import base64
from dotenv import load_dotenv
load_dotenv()
from e2b_code_interpreter import Sandbox
from patch_e2b import patch_e2b
from openai import OpenAI
patch_e2b(True)
client = OpenAI(
api_key=os.getenv("LLM_API_KEY"),
base_url=os.getenv("LLM_BASE_URL"),
)
# サンドボックスを作成し、データセットをアップロード
sbx = Sandbox.create(template="<template-id>", timeout=300)
with open("dataset.csv", "rb") as f:
dataset_path = sbx.files.write("/home/user/dataset.csv", f)
def run_ai_generated_code(ai_code: str):
"""AI が生成したコードを実行し、結果のグラフを保存します。"""
print("サンドボックスでコードを実行中...")
execution = sbx.run_code(ai_code)
print("コードの実行が完了しました。")
if execution.error:
print(f"実行エラー: {execution.error.value}")
print(execution.error.traceback)
return
# グラフ (PNG) を抽出し、保存
for idx, result in enumerate(execution.results):
if result.png:
with open(f"chart-{idx}.png", "wb") as f:
f.write(base64.b64decode(result.png))
print(f"グラフを chart-{idx}.png に保存しました")
if execution.logs.stdout:
print(f"出力: {execution.logs.stdout}")
# プロンプトの構築:データと分析要件を記述
prompt = f"""
約 10,000 レコードの映画に関する CSV ファイルがあり、サンドボックスの {dataset_path.path} に保存されています。
列とその意味は次のとおりです。
- id: number、映画の一意の識別子
- original_language: string、元の言語 (例: "eng", "es", "ko")
- original_title: string、映画の元のタイトル
- overview: string、映画の短い概要
- popularity: float、人気スコア (おおよその範囲は 0 から 9137.939 で、正規化されておらず、外れ値を含む)
- release_date: date、yyyy-mm-dd 形式
- title: string、映画の英語タイトル
- vote_average: float、平均視聴者評価 (0 から 10 の範囲)
- vote_count: integer、投票数
vote_average (平均視聴者評価) の年次推移を示す折れ線グラフをプロットする Python コードを記述してください。
データを表示したり探索したりする必要はなく、直接可視化してください。
重要:コードの最終行は、グラフを表示する次のステートメントでなければなりません:
display(plt.gcf())
"""
# ツール呼び出しを使用して、LLM にコードを生成させる
print("LLM の応答を待っています...")
msg = client.chat.completions.create(
model="qwen3.7-plus",
messages=[{"role": "user", "content": prompt}],
tools=[{
"type": "function",
"function": {
"name": "run_python_code",
"description": "サンドボックスで Python コードを実行する",
"parameters": {
"type": "object",
"properties": {
"code": {"type": "string", "description": "実行する Python コード"},
},
"required": ["code"],
},
},
}],
)
# レスポンスを解析し、生成されたコードを実行
for tool_call in msg.choices[0].message.tool_calls:
if tool_call.function.name == "run_python_code":
code = json.loads(tool_call.function.arguments)["code"]
print("AI によって生成されたコード:")
print(code)
run_ai_generated_code(code)
sbx.kill()
print("サンドボックスのリソースがクリーンアップされました")ワークフローの説明
データのアップロード:ローカルの CSV ファイルをサンドボックス内の
/home/user/dataset.csvにアップロードします。プロンプトの構築:データの列定義と分析要件を LLM に説明し、コードの末尾に
display(plt.gcf())を含めるよう要求します。ツール呼び出し:OpenAI の関数呼び出しプロトコルを通じて、LLM にコードをツール引数として返させます。
サンドボックスでの実行:
sbx.run_code()を呼び出してコードを実行し、execution.resultsのpngフィールドから base64 エンコードされたグラフを抽出します。結果の保存:
base64.b64decodeで PNG をデコードし、ローカルディスクに保存します。
サンプルコードの実行
いずれかのシナリオのサンプルコードは、次の手順で保存・実行します。
ステップ 1: スクリプトファイルの作成
サンプルコードを .py ファイルとして保存します。ファイルは、「Code Interpreter の設定」のステップ 3 でダウンロードした patch_e2b ソースコードと同じディレクトリに配置する必要があります。そうしないと、ModuleNotFoundError: No module named 'patch_e2b' というエラーが発生します。ディレクトリ構造の例:
e2b-sdk-patch/
├── patch_e2b/ # 「コードインタープリターの設定」のステップ 3 でダウンロードしたパッチのソースコード
├── main.py # あなたのサンプルスクリプト
├── .env # シナリオ 5 のみ、LLM の認証情報を保存
└── dataset.csv # シナリオ 5 のみ、分析対象のデータセットスクリプトを別のディレクトリに配置する場合は、patch_e2b のソースパスを PYTHONPATH に追加します。
export PYTHONPATH="/path/to/e2b-sdk-patch:$PYTHONPATH"/path/to/e2b-sdk-patch はプレースホルダーです。ローカルの patch_e2b ソースの実際の絶対パス (例: /Users/yourname/code/e2b-sdk-patch) に置き換えてください。:$PYTHONPATH は既存のパスを保持し、上書きされないようにします。設定後、設定を有効にするために同じターミナルウィンドウでスクリプトを実行してください。
ステップ 2: コード内のプレースホルダーの置換
サンプルコード内の <template-id> を、「コードインタープリターの設定」のステップ 1 で記録したテンプレート ID に置き換えます。
patch_e2b(True) は、Sandbox 関連の呼び出しの前に呼び出す必要があります。そうしないと、SDK は RDS For Supabase のカスタムルーティングではなく、デフォルトの上流ルーティングにフォールバックします。
ステップ 3: 環境変数が有効であることの確認
スクリプトを開始する前に、「コードインタープリターの設定」のステップ 5 で定義された 4 つの環境変数が読み込まれていることを確認してください。
E2B_DOMAIN=<instance-id>.sb.rds.com
E2B_API_KEY=<your-service-key>
LLM_API_KEY=<your-llm-api-key>
LLM_BASE_URL=<your-llm-base-url>ステップ 4: スクリプトの実行
作業ディレクトリで実行してください。
python3 demo.py初回実行時、コンソールにサンドボックス ID (sandbox_id) が表示され、サンドボックスが正常に作成されたことを示します。実行完了後、不要なクォータ消費を避けるため、sbx.kill() または with ステートメントによってサンドボックスが破棄されたことを確認してください。
一般的な起動時の問題
Q1:実行中に SSL: CERTIFICATE_VERIFY_FAILED が発生した場合はどうすればよいですか?
A:SSL 証明書が設定されていません。「コードインタープリターの設定」のステップ 4 に戻り、SSL_CERT_FILE と REQUESTS_CA_BUNDLE を信頼されたルート証明書ファイルを指すように設定してください。
Q2:Sandbox.create が "template not found" を報告した場合はどうすればよいですか?
A: <template-id> が、コンソールの [サンドボックステンプレート] テーブルにある code-interpreter 行の完全な [テンプレート ID] であること (設定項目名の code-interpreter ではありません)、およびインスタンスで [サンドボックスとエッジ関数] が有効になっていることを確認してください。
Q3:ドメイン解決が Name or service not known で失敗した場合はどうすればよいですか?
A:<instance-ip> <instance-id>.sb.rds.com がローカルの /etc/hosts に追加されていること、および E2B_DOMAIN 環境変数が正確に一致していることを確認してください。