导读:从一份 GPU 捕获开始 #
假设游戏里有一帧突然变慢,让 Agent 来查。搜源码能找到相关的着色器,但要知道那一帧的时间花在了哪里,还得读 GPU 捕获,看当时执行了哪些工作、用到了哪些资源。Apple 的 Metal 工具可以从命令行读取捕获。Agent 据此找到值得检查的代码,改完重新构建,再用新的捕获确认那一帧有没有变快。1
选 Agent 的运行环境,我更愿意先确认一项工作能否完成,再比较完成它要花多少时间。就这次调查来说,Shell 能启动工具,Metal 工具能读出 GPU 状态,构建和验证还要用到相应的软件、设备和权限。如果几个环境都具备这些条件,哪个用起来更省事,才值得接着比。
1 先确定任务,再比较运行环境 #
1.1 完成条件决定需要什么信息 #
修复编译错误时,Agent 可以从编译器诊断入手,定位并修改源码,再运行构建。diff 记录了代码改动,构建结果说明这组输入能否通过编译。如果用户报告的是“角色在运行时走错了分支”,调查还要继续进入实际执行过程,查看日志、断点和对象值。若要求把画面中的物体放到指定位置,渲染结果也要参与判断。
源码能帮助 Agent 推测哪里出了问题,断点处的对象值能告诉它程序这次实际走了哪条路,渲染图能让它看到用户最后看见的画面。该取哪种证据,要看用户要求它修复什么。
同一项工作里,Agent 可能先改代码,再调应用接口,最后看截图,用鼠标或键盘操作界面。Coding Agent、应用 Agent 和 Computer Use 描述的能力可以这样配合。至于哪些操作需要先请用户确认,还得看这项任务的授权。
1.2 模型的判断怎样变成实际操作 #
模型根据上下文决定下一步,负责组织调用的程序(常称为 harness)把请求交给工具,再把结果送回模型。真正读取栈帧的是调试器,修改图层的是图像编辑器。本机进程能访问哪些资源,由操作系统限制。请求到了远端服务,还要看服务用什么身份执行、这个身份有哪些权限。
一项能力要经过这条链才能被模型使用。IDE 里已有断点功能,Agent 还需要一个可调用的入口、正确的调试会话,以及能够解释返回值的上下文。连接失败、参数错误和断点没有命中,发生在不同环节:前两种问题涉及工具调用,后一种还可能与构建配置、符号或程序执行路径有关。
把这些环节分开,能让平台比较更准确。一次工具失败可能来自 Agent 程序的适配,也可能来自应用没有开放接口,或操作系统拒绝了访问。知道失败发生在哪里,才知道更换 Shell、升级插件或调整权限分别能解决什么。
1.3 从可行性到使用成本 #
如果没有可用的目标设备,Agent 即使改完源码,也可能没法验证结果。几个环境都能跑完整个任务时,我才会比较配置要花多久、哪些步骤需要人来接手。下面这些问题可以用来检查自己的工作环境。
| 条件 | 应当确认的问题 | 可以取得的证据 |
|---|---|---|
| 软件与设备 | 目标工具链、应用和硬件是否可用? | 支持范围、启动结果、设备连接状态 |
| 操作入口 | Agent 能否表达所需动作? | 命令参数、API 或工具定义及调用返回 |
| 状态与验证 | 能否读到足以判断成败的信息? | 诊断、对象值、测试结果或图像 |
| 执行权限 | 谁允许写文件、启动程序、访问网络? | 实际生效的策略、审批记录和服务端授权 |
| 使用成本 | 接入和运行需要谁投入时间? | 配置步骤、人工介入、延迟及故障恢复记录 |
同一套接口可能减少人工点击,也可能增加配置和故障排查。比较时,应尽量保持任务、模型和权限条件一致,观察完整过程里省下了哪些工作、又增加了哪些工作。Shell 是开发任务里常见的入口,可以先从这里看这种成本如何产生。
2 Shell 怎样帮助 Agent 完成开发工作 #
2.1 日常命令用到了多少 Shell 能力 #
在以检索源码、查看 diff 和运行构建为主的工作流中,Agent 主要调用的是 rg、Git 和编译器。换成 PowerShell 执行同一组命令,主要工作仍由这些外部程序完成。如果脚本很少使用 PowerShell 模块,也没有调用 .NET API,就很少用到对象管道与运行时集成所提供的能力。对这类简单文本与仓库操作,更直接的选择依据是现有脚本、参数传递和错误处理是否省事。
Bash 通过管道连接程序的输入输出,格式由程序约定;PowerShell 的 cmdlet 管道在进程内传递对象,按参数绑定规则接收。2 例如 Get-Process | Where-Object WorkingSet64 -gt 200MB 直接筛选对象属性,省去了识别显示列和单位的步骤。Bash 可以通过外部程序取得数据,再用 jq 等工具处理结构化输出。已有工具能提供什么,决定了两条路径各需多少额外处理。
而当任务需要 .NET 能力时,PowerShell 的优势就更具体了。它可以加载与当前运行时兼容的 .NET 程序集,构造对象、访问属性和调用方法,也能使用现成的 PowerShell 模块。3 相比为同一个类库另写包装程序,再让 Bash 启动并解析输出,直接调用通常更方便,也少了一层进程间的数据转换。
已有 Bash 脚本能把工作做完,就可以继续用。需要直接调用 .NET 类库或管理模块时,PowerShell 能省去包装和转换。两种 Shell 在进程与数据处理上的具体差异见附录 B。
2.2 一条命令经过了哪些处理 #
命令看起来很短,执行时却可能经过多次解析。Agent 将命令文本交给执行工具,Shell 处理引号、展开和重定向,外部程序再解释收到的参数。程序结束以后,执行工具还可能截断输出,或将结果包装成文本、JSON 再交回模型。路径中的空格、编码差异和输出格式,都可能在这些步骤中影响结果。
这些规则与版本有关。PowerShell 7.3 改进了原生程序的参数传递,7.4 改进了部分原生命令重定向和管道中的字节流保留;Windows PowerShell 5.1 沿用较早的规则。输出经过 cmdlet 时,还需考虑该 cmdlet 的解析与转换。4 因此,一次失败值得保留的材料包括 Shell 版本、原命令、目标程序和实际错误。它们能帮助判断改动应落在哪一步。
返回值的设计同样影响后续工作。PowerShell 可以先筛选对象属性再输出 JSON,CLI 也可以自行生成 JSON。模型依据这些返回字段判断下一步:空结果、失败和部分成功若没有区别清楚,就可能需要额外调用才能确认发生了什么。附录 B.4 进一步讨论对象离开执行进程后如何表示。
2.3 接口设计的收益取决于任务 #
SWE-agent 的论文使用 ACI(Agent-Computer Interface)描述 Agent 与计算机交互的接口,并研究仓库浏览、文件编辑等操作的设计怎样影响软件工程任务。接口会影响模型获得什么反馈,以及怎样发现和纠正操作错误。5 mini-SWE-agent 则采用以 Bash 为核心的简洁设计,复用现成命令来完成编程任务。6
我倾向于先用手头的命令完成一次任务,看哪一步最费事。频繁搜索仍找不到符号,或者反复读源码也猜不出断点处的变量值,这时接入 IDE 就有明确用途。它能让 Agent 直接做哪项查询、少做哪些尝试,也就有了可以和接入成本比较的依据。
3 应用怎样把能力提供给 Agent #
3.1 调用入口与它所提供的能力 #
CLI、应用 API、MCP 和图像输入分别参与调用过程的不同部分。CLI 通过命令及参数表达操作,应用 API 提供可编程能力;MCP(Model Context Protocol)约定客户端怎样发现工具、提交参数并取得结果;图像输入则让模型观察可见内容。一个 MCP 工具可以在服务端调用 CLI,一条 CLI 命令也可以通过应用 API 取得结构化数据。7
一个返回文件文本的工具,与一个返回断点处对象值的工具,向模型提供的信息不同。选用它们,要看当前问题需要哪一种信息,以及这些信息是否足以支持下一步判断。比较工具时,应具体检查它们的输入和返回值。
MCP 规范允许工具声明输入结构,并返回文本或结构化内容。这有助于客户端理解怎样发起调用,但具体操作、错误处理和访问控制仍由工具及其后端实现。7 下面三个案例分别考察 GPU 调查、游戏运行时调试和视觉结果检查,看看应用能力如何进入 Agent 的工作流。
3.2 Xcode 与 Metal:命令行也能提供专业状态 #
Apple 为 Metal 提供的命令行工具处理着具体的图形开发任务。gpucapture 用于捕获 GPU 工作负载,gpudebug 用于浏览捕获、检查资源和分析性能,metalperftrace 用于性能跟踪及摘要。Agent 可以通过命令取得这些领域信息,再结合源码继续调查。1
在捕获中找到耗时的 GPU 工作以后,Agent 可以查看它用到的资源,再回到工程里找相应的代码。这里直接调用 Metal 的命令行工具就有价值:它能提供光靠搜索源码拿不到的运行数据。
Xcode 也通过 MCP 向外部 Agent 开放能力,包括项目构建等操作;使用时需按相应版本完成接入和授权。8 这使同一项调查可以组合命令行与 IDE 工具:读取捕获、修改工程、重新构建,再观察新的运行结果。接口如何分工,取决于每一步需要的数据和操作。
3.3 Rider 与 Unreal:把源码关系和运行状态接起来 #
假设 Unreal 项目中的角色在某个条件下走错了分支。Agent 可以从源码里找出相关函数和调用关系,再通过调试器查看这次执行的输入、对象和线程。前一种信息帮助形成解释,后一种信息用于核对解释是否符合实际运行。
Rider 2026.2 提供 ue-code-authoring、ue-live-debugging 和 ue-test-authoring 三项面向 UE C++ 的 Agent Skill,分别指导代码编写、运行时调查和测试编写。2026.2.1 公告又介绍了覆盖 C++ 和 Unreal 等项目的通用 debugging-code Skill。910
这些 Skill 为不同任务提供操作指引。执行调用时,Rider 的 MCP Server 提供入口,IDE 索引和调试器执行相应查询。Rider 与 Unreal Editor 之间还通过 UnrealLink、RiderLink 两侧插件实现蓝图导航、游戏启动设置和编辑器日志等集成。Agent 的工具调用由此能够使用工程信息,并在连接和调试条件满足时读取运行状态。11
ue-live-debugging 的文档还给出了 PIE(Play In Editor,即在编辑器内运行游戏)的调查路径:查询当前游戏状态,或者等待断点命中后读取栈帧与变量。对于项目 C++ 断点,这份技能要求先检查构建配置,使用 DebugGame Editor 或 Debug Editor,并确认断点已绑定后再触发问题。10 取得变量值后,Agent 要将断点命中时的输入和对象状态与用户报告的触发条件对照,确认观察到的是同一问题。
3.4 Blender:修改场景以后,怎样判断画面 #
运行时数据能够解释程序怎样执行;涉及构图和视觉效果时,还需要观察最终产物。Blender 的 Python API bpy 可以修改场景,命令行可以在无界面模式下执行脚本和渲染。依据这些能力,可以构造一条工作流:Agent 通过脚本移动物体、生成渲染,再将图片交给具备视觉输入的模型或用户检查。12
这里可以把完成条件说得很具体:目标物体是否出现在画面中,是否落在约定区域,是否被其他物体遮挡。脚本返回成功,说明这次调用按程序的规则完成;但画面是否符合要求,还要结合物体位置、摄像机朝向和遮挡关系检查渲染结果。“光照自然”之类要求则需要参考图或更明确的描述,才有一致的检查依据。
视觉输入负责观察,场景修改仍可通过 bpy 进行;需要处理界面状态时,GUI 控制也可以参与。由应用 API 完成操作、通过图像确认效果,是同一任务中可以配合的两种能力。
在这些专业任务中,应用与验证工具的接入,比命令采用哪套 Shell 语法更影响 Agent 能否完成工作。我认为,把专业软件已有的操作和状态开放给 Agent,是平台适配值得重点投入的方向。随着这些能力开放,Agent 能够修改的对象和调用的进程也会增加,执行环境还要对这些操作落实权限限制。
4 开发工具需要怎样的权限范围 #
4.1 让任务授权成为实际限制 #
开发任务需要访问的资源通常超出一个源码目录。Agent 在项目中写文件,编译器可能要读取安装在别处的工具链和依赖,构建工具还会启动子进程。执行环境既要容纳这些正常行为,也要把写入和网络访问限制在允许的范围内。Codex 的 Windows 沙箱工程文章描述的,正是这组需求。13
用户提出“修改这个项目”,给出了任务意图。产品还要把这个意图转成具体策略:哪些目录能写、哪些命令需要确认、是否允许联网,以及限制怎样传给子进程。例如,配置中的 writable_roots 描述可写范围,执行层再据此设置操作系统能够强制实施的限制。
这里的沙箱指受约束的执行环境。用户授权决定任务允许做什么,审批流程处理需要再次确认的操作,沙箱负责在进程执行时落实资源限制。三者相互配合,才使“允许修复项目”成为可以执行和检查的规则。
4.2 Codex on Windows:把现有机制组成沙箱 #
OpenAI 在 2026 年 5 月的工程文章中说明,团队需要让 Codex 使用用户已有的 Shell、Git、Python、包管理器和构建工具,同时限制文件写入和网络访问。团队评估了 AppContainer、Windows Sandbox 和完整性级别等方案。对于这种开放的工具调用,AppContainer 的能力配置难以直接适配;独立的 Windows Sandbox 桌面则需要额外衔接实际项目与开发环境。13
最终方案组合了专用 Windows 用户、安全标识符(SID)、访问控制列表(ACL)、受限令牌和防火墙规则。早期实现曾通过环境变量和代理地址抑制联网,但程序可以忽略这些设置,直接建立连接。后续实现改用针对专用用户的防火墙规则:设置阶段需要管理员权限,运行命令的进程则使用受限身份。13
这段实现过程说明了产品要承担哪些工作。它要准备用户和凭据,配置文件访问,建立并检查网络规则,还要让开发工具读到必要的路径。每项限制都需要落到实际调用上;某个依赖目录没有开放,正常构建就可能失败,某条网络路径没有受到约束,产品声明的规则就可能没有落实。
同文还讨论了 macOS 的 Seatbelt,以及 Linux 上的 seccomp、bubblewrap。13 Linux 另有 Landlock,允许普通进程主动收紧自身及后代的部分资源访问,支持的操作随内核 ABI 变化。14 就这项 Codex 实践而言,Windows 的身份、文件权限与防火墙需要额外整合,这是原生 Windows 适配中实际增加的工作。因而,现成隔离工具和 Agent 产品的适配成熟度,应当作为平台选型的重要条件;用户最终要承担的安装、配置与排错成本也应计入其中。Win32 与 NT 的长期接口和资源管理设计见附录 A。
4.3 MXC 与 Windows MCP 分别解决哪一段 #
微软的 Microsoft eXecution Container(MXC)尝试用统一配置和 SDK 描述不可信代码的执行范围,再由 Windows、Linux、macOS 上的不同后端实施隔离。统一配置有助于开发者表达执行要求,实际限制则由所选后端和具体实现决定。不过,本文引用的仓库说明将它列为早期预览,并明确警示当前配置仍有过宽之处,不能作为安全边界。15
Windows MCP 文档关注工具的发现、连接和受限运行。On-device Agent Registry(ODR)帮助 Agent 发现并连接本机或远端 MCP 服务,并提供用户和管理员控制。符合相应打包、注册条件的受限服务可在独立的 Agent 会话中运行,访问用户文件还涉及额外授权。相关文档标为预发布信息。16
这两条路线分别试图减少执行环境配置和工具接入的工作。对一个实际任务,可以继续追踪:服务怎样被找到,客户端以什么身份连接,服务进程在哪里运行,最终访问由哪项策略限制。产品的发展状态及材料范围列在附录 C。
4.4 权限需要沿着调用继续追踪 #
假设 Agent 的本地命令只获准写一个项目目录,同时接入了能够修改远端仓库的 MCP 服务。一次本地写入由本机沙箱约束;一次远端提交使用的则是服务端身份和授权范围。两项操作即使由同一个模型发起,也可能经过不同的执行者。
MCP 工具定义描述调用形式,协议还规定 HTTP 传输中的授权职责。17 因此,在调查一次远端修改时,需要找到实际接收请求的服务及其凭据;在调查一次本地文件写入时,需要检查执行进程及其访问策略。调用链中的这些身份和限制,共同决定 Agent 最终能做什么。
这种追踪也适用于应用工具。Agent 获准连接 IDE 后,IDE 能执行哪些操作,取决于它暴露的工具、应用权限和项目状态。平台选择因而还涉及工具服务运行在哪里,以及用户能否理解、维护这条调用链。
5 怎样据此选择工作环境 #
5.1 把接口放进一次完整调查 #
现在可以把 Rider 与 Unreal 的案例连成一项工作:用户提供了可复现的运行时异常,Agent 先取得触发条件和日志,定位源码,再进入调试现场,最后修改并重新运行。下表依据前面的文档能力组织这条流程,说明每一步依赖什么,以及得到的结果用于判断什么。18
| 步骤 | 依赖的能力 | 得到的结果用于判断什么 |
|---|---|---|
| 重现并读取异常 | 引擎运行、输入条件与日志工具 | 问题能否在约定条件下再次出现 |
| 定位相关代码 | 文本搜索、IDE 符号和调用关系查询 | 哪条执行路径可能解释现象 |
| 检查运行时 | PIE 状态查询、断点、栈帧和变量读取 | 实际执行是否符合对源码的解释 |
| 修改并构建 | 文件编辑、构建工具及诊断 | 改动是否按预期完成,能否通过构建 |
| 再次运行 | 同样的触发条件及必要的画面检查 | 改动是否修复了用户报告的行为 |
通过 Rider MCP 执行这条 PIE 调查路径,需要 IDE 打开对应工程、MCP Server 已启用,并能连接 Unreal Editor;项目 C++ 断点还要确认已绑定。10
如果 Agent 找不到符号,可以从索引和工程状态查起;无法取得变量,就要检查调试会话;构建通过以后行为仍然异常,则要继续调查运行条件和修复思路。平台适配的收益也可以逐项观察,例如更容易连接调试器、少做一次文件传递,或更可靠地重现问题。它们最终影响的是完成这项工作的时间和人工介入。
5.2 目标软件先确定执行环境 #
专业工具给平台选择设定了具体条件。Metal 捕获和 Xcode 调查依赖相应的 Apple 开发环境;在 Windows 上用 PIX 调查 D3D12 工作负载,需要满足其 Windows、GPU 和图形 API 要求。19 一项需要在 Linux 目标环境重现的服务端故障,则可能把最终验证放在 Linux 主机或容器中。
对这些任务,专业软件和设备支持应当优先于通用命令执行的便利。一个平台能直接提供目标应用及其调试、构建接口,就是明确的适用性优势。Agent 的交互界面、命令执行端和最终验证设备可以位于不同位置,远程构建、容器和 WSL 都提供了组合环境的方式;组合以后,文件传递、凭据和设备连接也成为工作的一部分。
因此,“使用哪套桌面系统”和“让某项任务在哪个系统中执行”可以分别决定。对同时依赖几种环境的开发者,保留已有工具并连接它们,可能比迁移整个工作流更省事。Windows + WSL 就是其中一种实际可用的组合。
5.3 Windows + WSL:保留两侧已有的工作流 #
Windows + WSL 的适用场景及容器支持见 《Snap、Flatpak 与 Nix》3.4 节。对于同时依赖 Windows 应用和 Linux 开发环境的用户,我认为保留 Windows 桌面,再让 WSL 承担 Linux 侧开发工作,是务实的选择。Agent 也可以沿用这套分工:Windows 继续运行桌面应用,Codex CLI 与 Linux 工具链在 WSL2 中运行。OpenAI 的 WSL 文档给出了对应的安装和启动方法。20
这种组合让用户可以保留两侧已经熟悉的工具。不过,具体工程仍需确定放在哪里、由哪一侧编译和运行。微软与 OpenAI 都建议,将主要使用 Linux 命令处理的项目放在 WSL 文件系统中,以减少跨文件系统访问的开销及相关兼容问题。20
若要让 WSL2 中的 Agent 进一步调用 Windows IDE,工作流还需提供可达的工具入口,正确对应两侧路径,并安排最终构建和调试在哪一侧执行。设备、调试器与凭据的使用方式也要随之确定。这些接入工作会影响组合方案是否省事。
要不要这样组合,取决于自己的项目。日常工作已经能在 Linux 桌面上完成,多接一侧 IDE 就多一处要维护的连接。工程依赖 Windows 专业应用,又有现成的 Linux 脚本要跑,花时间把两侧接通就有了具体收益。Codex CLI 能在 WSL2 里运行,只回答了兼容性问题。选环境还得算上自己的软件依赖和维护时间,这也是《我们到底在争论什么》1.1 节讨论过的区别。
5.4 接口节省的工作,与接入后增加的工作 #
专用工具可以让 Agent 直接取得 IDE 的语义分析结果或调试状态,减少反复搜索与猜测。与此同时,工具需要配置和维护,定义及返回数据也会占用模型上下文。Anthropic 在讨论通过代码组合 MCP 调用时,展示了将部分中间处理留在执行环境中、只向模型返回必要结果的设计。21 调用方式会改变这些成本,工具提供的数据也需要适当选择。
评价一次接入,可以沿着 5.1 节的完整流程观察:它让哪一步更容易完成?减少了多少人工整理和重复调用?连接失败时,谁负责恢复?这些工作要与延迟、配置和版本维护一起计算。
我会把接入工作花在调查真正卡住的地方。现成的命令已经能定位问题、修改并验证,就继续复用。源码搜索只能缩小范围,还得靠人打开调试器逐个读变量,就值得先接通调试器,再看整次调查省下了多少人工操作。
结语:从可调用的能力判断平台价值 #
给自己的项目选环境时,我会挑一个平时就会遇到的问题,看看 Agent 能不能一直查到足以验证修复的那一步。查 GPU 性能,就看它能否读取捕获、定位代码,改完重新构建,再测一次。查角色走错分支,就看它能否在问题发生时停住,读到那次调用的对象值。专业软件里我用惯的这些能力,如果 Agent 也能直接调用,就是我选择这个平台的理由。
沿这条路径还要查清权限。允许 Agent 修项目,构建工具就得读得到依赖,写入和网络访问也得限制在授权范围内。一个平台可能有我需要的专业软件,同时还需要产品和用户多做一些沙箱配置。这些工作也得算进使用成本。
对依赖 Windows 应用、同时要跑 Linux 工具链的人,Windows + WSL 值得考虑。已经在 Linux 桌面或 macOS 上跑通整套流程的人,也有充分理由沿用现有环境。对我来说,换平台最有说服力的理由,是它能完成原先做不了的那一步,或者让一件常做的事少费些工夫。
附录 A:Windows 的长期接口与资源管理 #
正文中的 Windows 案例涉及应用接口和操作系统实现两个层次。Win32 向应用提供窗口、进程、文件和系统集成等 API;这里讨论的 NT 基础设施包括对象管理器、安全机制和 I/O 管理等内核态组件。它们影响软件能使用多久、资源由谁持有,以及应用如何落实访问限制。理解这些设计,有助于解释 4.2 节中沙箱实现的工程成本。
A.1 长期兼容如何保护既有投入 #
我看重 Win32 的一个原因,是 Windows 把旧软件继续可用当作平台维护的一项责任。源码兼容让旧代码仍能编译,二进制兼容让已经发布的程序继续运行,行为兼容则要求接口尽量维持调用方依赖的语义。对寿命很长的行业软件和内部工具,后两项直接影响用户能否升级操作系统。Raymond Chen 在讨论 Windows 兼容性的工程成本时指出,成本更多体现在新功能的设计上:平台必须考虑那些早于新功能发布、对它一无所知的应用会怎样运行。22
平台因此分担了应用开发者和用户的迁移成本。停止维护的小工具仍有继续使用的机会,已有工作流也能逐步更新。与此同时,新接口的设计要照顾旧调用方式,开发者会遇到多个年代留下的函数、参数和行为。评价这样的接口,既要算今天写一段代码的成本,也要算已发布软件在今后几年继续工作的成本。
API Set 展示了 Windows 如何把公开契约与实现位置分开。应用可以依赖 API 契约名,由加载器将它映射到当前系统上的实现 DLL;平台调整内部组织时,调用方可以继续依赖同一契约。不过,使用具体契约前仍需查询它是否可用,并遵守接口文档中的版本要求。23
在 COM 组件体系中,QueryInterface 让调用方询问对象是否支持某个接口,成功后再使用;同一对象实例可查询到的接口集合须保持稳定。例如,宿主可以让旧插件继续提供基本读取功能,让实现了新接口的插件额外提供批量读取。这个例子说明,稳定的基础接口可以与逐步增加的能力并存,各组件因而能够按自己的节奏更新。24
A.2 对象、身份与一次访问获得的权限 #
NT 将文件、进程、线程、事件和注册表键等资源表示为不同类型的内核对象。对象管理器统一处理这类对象的命名和生命周期,具体类型保留各自的数据与操作。文件读取和进程终止因而可以共享身份、访问检查和引用管理的基本概念,同时按照各自的规则执行。25
| 概念 | 在访问控制中承担的工作 |
|---|---|
| SID | 标识用户、组等安全主体 |
| Access Token | 记录进程或模拟线程的身份、组、特权等安全上下文 |
| 安全描述符及 DACL | 描述对象的所有者和自主访问控制规则 |
| 句柄及已授予的访问权 | 让进程引用具体对象,并限定通过该句柄可请求的操作 |
例如,允许查询一个进程的信息、读取它的内存和终止它,可以对应不同的访问权。服务线程还可以模拟客户端身份,让资源访问接受客户端安全上下文的检查。25 服务据此选择以谁的身份访问;具体任务获准使用哪些资源,还要由宿主根据用户授权进一步限定。
对于按句柄接收输入的工作进程,宿主可以先打开文件,再传入具有所需访问权的句柄。DuplicateHandle 提供跨进程复制句柄的机制,结果受参数、对象类型和相应规则约束。设计者还要检查工作进程通过令牌、其他句柄或代理服务获得的访问路径:一个只读句柄只限定经它进行的操作,进程重新按路径打开文件时还会接受另一轮访问检查。25
这种把授权附着在具体资源引用上的思路,也可以与 FreeBSD 的 Capsicum 对照。进程进入 capability mode 后,访问全局命名空间受到限制,主要使用明确授予的文件描述符等资源,并能进一步收窄其操作权限。Linux capabilities 这个名称指向另一种机制:它把传统 root 特权拆成若干单元。比较这些设计时,需要分别说明授予的是某个对象的操作权,还是执行某类特权操作的资格。26
A.3 资源何时仍在使用,何时可以释放 #
程序取得句柄以后,还要遵守相应的生命周期契约。CloseHandle 用于关闭多类内核对象的句柄;注册表键和 socket 分别使用 RegCloseKey 和 closesocket。关闭一个进程句柄也不会终止那个进程。这些区别要求程序明确记录自己持有什么、谁负责释放,以及释放动作究竟结束了什么。27
这部分责任可以交给类型和封装来执行。微软的 Windows Implementation Library(WIL)提供 C++ RAII 包装,把 Windows 资源的释放与包装对象的生命周期绑定,并提供缓冲区和错误处理辅助。应用仍然调用原有 Windows API,同时用作用域管理减少遗漏清理的机会。稳定的底层接口由此可以继续使用,调用代码也能逐步改善。28
异步调用返回后,请求可能仍在进行。使用 I/O Completion Port 时,应用提交异步 I/O,工作线程从完成端口取得相应的完成通知。宿主要保存请求与任务的对应关系,并让相关内存在请求完成前保持有效。发出取消请求后,也要确认操作已经结束;微软的取消文档要求,相关 OVERLAPPED 结构要等相应 I/O 完成后才能重用。29
窗口消息提供了另一个具体例子。PostMessage 投递消息后返回,接收方稍后处理;SendMessage 等待窗口过程处理完成。同线程调用可以直接进入窗口过程,跨线程等待时发送方还可能处理传入的非队列消息。30 如果程序正在修改数据结构,此时调用的窗口过程又触发了回调,回调就可能看到尚未完成的状态。对提供 GUI 或插件接口的 Agent 宿主,需要明确什么时候允许回调观察状态,以及窗口关闭时怎样处理尚未完成的任务。
A.4 用任务组织进程、预算和退出规则 #
一次编译或文档转换可能启动多个辅助进程。Windows 的 Job Object 可以把相关进程作为一个单位管理,设置资源限制、收集统计,并整体终止其中的进程。设置 JOB_OBJECT_LIMIT_KILL_ON_JOB_CLOSE 后,关闭该 Job 的最后一个句柄会终止与它关联的进程。要让这条退出规则覆盖整项任务,还需检查子进程的创建方式,以及是否允许它们脱离 Job。31
假设 Agent 启动一个转换工具,工具又启动渲染器。宿主可以把它们纳入同一个 Job,为这次转换设置预算,并在任务结束时清理关联进程。用户取消这次转换时,宿主便能处理归入该任务的多个进程。实现时需要确认辅助进程确实被纳入管理;宿主可先请求正常退出,再按超时规则终止未退出的进程。
Linux 的 cgroup v2 同样能按层级组织进程、分配和限制资源。资源预算与访问控制各有职责:内存限额决定任务能使用多少内存,文件访问策略决定它能读取哪些文档。seccomp 限制系统调用,Landlock 则允许程序进一步收紧自身及后代的部分资源访问。14 对 Windows 也要逐项检查进程归组、身份、对象权限和网络策略,才能确定一次任务实际受到什么约束。
A.5 将基础机制变成用户可理解的行为 #
在自主访问检查中,NULL DACL 放行访问,存在但不含任何条目的空 DACL 则不授予访问。两个看起来相近的参数状态,产生了相反的效果。宿主需要把“未配置”“拒绝访问”“允许哪些操作”转换为准确的底层状态,并检查失败路径。32
审计也需要专门配置。文件访问审计依赖已启用的策略,以及系统访问控制列表(SACL)中与访问类型、主体匹配的条目。33 系统可以记录资源访问,Agent 产品还要将这些事件与任务、工具调用和用户授权关联起来。这些记录才能帮助用户查明某次修改由什么任务发起、当时允许了什么,以及任务取消以后是否仍有工作在运行。
Win32 的长期契约保护了已有应用和集成代码的投入,NT 的对象、安全与生命周期机制则为宿主提供了组织执行过程的基础。对本文讨论的 Agent,这些价值最终体现在旧工具能否继续使用、授权能否落实到具体操作、任务结束后能否正确收尾。4.2 节的 Windows 沙箱案例展示了把这些基础机制组合成产品的工作;5.3 节讨论的个人工作流,则决定这份投入对使用者是否划算。
附录 B:PowerShell 与 Bash 的能力边界 #
第 2 部分讨论 Shell 在工作流中的作用。本附录进一步区分解释器本身、运行时和外部程序提供的能力,并说明这些能力怎样变成 Agent 能使用的结果。
B.1 先限定比较对象 #
pwsh 通常指现代跨平台 PowerShell,运行在现代 .NET 上;Windows PowerShell 5.1 由 powershell.exe 启动,基于 .NET Framework。二者的模块兼容性、原生程序参数和编码行为有所不同。现代 PowerShell 可以在 Linux、macOS 上运行,但 Windows 专属模块、provider 或 API 仍需要相应的 Windows 环境。34
Bash 本身提供展开、数组、管道、重定向和进程替换等语言能力;GNU Coreutils、jq、Python 和 Git 是它可以调用的外部程序。脚本使用 Bash 的数组或进程替换时,部署环境也需要提供 Bash,不能只按 POSIX sh 的语法范围来准备。35 两种 Shell 的可移植性都涉及解释器、依赖库或命令,以及最终调用的操作系统接口。
| 维度 | PowerShell / pwsh |
Bash |
|---|---|---|
| 数据与管道 | cmdlet 之间传递 .NET 对象,并按参数绑定规则处理 | 通过程序输入输出和文件描述符组织数据,格式由程序约定 |
| 库调用 | 可直接使用可加载的 .NET 类型与方法 | 通常通过命令、其他语言或单独的程序接入库 |
| 外部程序 | 能调用 Git、编译器等;参数和输出处理与版本有关 | 复用已有 Unix CLI 约定;外部命令选项可能随平台变化 |
| 错误处理 | 区分终止与非终止错误,并处理原生程序退出码 | 使用退出状态、条件判断与管道规则;set -e 受上下文影响 |
| 可移植性 | 取决于模块、.NET API 与操作系统支持范围 | 取决于 Bash 版本、GNU/BSD 工具参数与设备接口 |
B.2 PowerShell 怎样直接使用 .NET #
下面的例子在 PowerShell 中构造一个 .NET System.Uri 对象,读取地址的主机名和查询字符串:
$uri = [System.Uri]::new('https://example.com/docs?id=7')
$uri.Host
$uri.Query
脚本通过类型和成员直接取得结果。这条路径的便利来自 PowerShell 与 .NET 运行时的集成:已有类库中的对象可以继续保留属性和方法,供后续脚本使用。调用者可以用 Get-Member 查看成员,调用静态方法,也可以用 Add-Type 加载程序集或编译 C#。需要 Windows 原生函数时,还能经 .NET 的 P/Invoke 互操作路径调用,并按接口要求处理签名、数据布局和资源释放。3
对于已经依赖 .NET 类库或 PowerShell 管理模块的任务,直接使用这些类型可以省去一层包装程序。不过,程序集及其依赖需要适配当前运行时,Windows API 需要受支持的系统,进程访问也仍接受身份与沙箱检查。若任务需要读取某个应用的内部状态,应用还须提供相应接口,脚本才能调用。
B.3 Bash 怎样组合进程与文件描述符 #
下面的命令比较两份排序后的输入:
diff <(sort left.txt) <(sort right.txt)
两次 sort 负责排序,diff 负责比较。Bash 的进程替换在系统支持时,将两条排序命令的输出呈现为 diff 可读取的路径。这里每个程序完成自己的操作,Shell 负责连接它们。管道、重定向和文件描述符使已有程序能够组合使用,展开和作业控制则帮助脚本组织输入与执行过程。35
这种组合方式适合已经围绕标准输入、标准输出和退出状态建立的工具链。要可靠地复用这些工具,脚本需要正确处理变量引用、分词与通配符展开,文件名和编码也要符合目标程序的约定;跨平台使用时,还可能遇到 GNU 与 BSD 工具选项不同。管道的默认退出状态和 pipefail 会影响前面某个命令的失败能否反映到整条管道。35
输入输出也可以采用结构化格式。例如,Bash 调用返回 JSON 的程序,再交给 jq 或 Python 处理,数据便能按约定字段继续传递。与 PowerShell 进程内的对象操作相比,这条路径把更多约定放在进程之间:谁生成数据、谁解析数据,以及怎样表达错误,都需要由工具和脚本共同确定。
B.4 数据返回 Agent 时发生了什么 #
PowerShell 可以先在执行进程内筛选对象、选择字段,再将结果编码:
Get-Process |
Where-Object WorkingSet64 -gt 200MB |
Select-Object Id, ProcessName, WorkingSet64 |
ConvertTo-Json
200MB 是演示阈值。交给模型的是选定字段的 JSON。在这条调用中,对象处理由 PowerShell 完成,模型根据返回字段作判断。后续若需要读取更多属性或调用方法,Agent 还要发起相应的工具操作。接口也应约定返回值的形状,例如是否固定使用数组,空结果怎样表示,以及部分失败如何报告。
PowerShell 远程会话也会涉及类似的数据传递问题:输出通常经过序列化,接收端多是保留属性的表示,具体类型和方法行为由远程会话规则决定。36 因此,在一个进程里可直接调用的对象,跨过进程或工具边界以后,要按实际传输形式继续处理。
错误结果同样需要明确约定。PowerShell 的 try/catch 捕获终止错误,cmdlet 的非终止错误和原生程序的非零退出码需要按调用方式处理;Bash 则需要检查退出状态,以及管道中较早命令的失败。35 MCP 的工具 schema 或 CLI 的 JSON 输出可以用字段表示这些结果,帮助 Agent 判断哪一步失败、是否还有可用数据,以及接下来能否继续。7
B.5 哪些任务能直接受益 #
系统管理任务如果已经使用 .NET 类库和 PowerShell 模块,直接调用对象与方法往往能减少包装和格式转换。已有大量 Bash 脚本和 Unix CLI 的项目,则可以沿用现成的进程、文件和退出状态约定。这些收益来自已有依赖与 Shell 能力的配合。
如果两边主要调用同一组跨平台程序,就应结合项目脚本比较参数传递、编码和错误处理。现有脚本的复用程度,以及团队是否需要维护额外包装,也会影响最终选择。
附录 C:文中产品材料的时间与范围 #
正文中的产品案例依据下列版本与材料。发布说明描述当时的实现,文档和仓库则可能继续更新;实际接入时,需要按使用的版本确认启用条件。
| 产品或机制 | 本文采用的材料 | 适用范围与限制 |
|---|---|---|
| Xcode / Metal | Apple 开发者文档;访问于 2026-09-28 | 说明文档所述的 Metal 工具和外部 Agent 接入方式,实际使用依赖 Xcode 版本与授权 |
| Rider / Unreal | Rider 2026.2、2026.2.1 公告,Unreal 技能及 MCP、UnrealLink 文档;访问于 2026-09-28 | Skill 指导调用;IDE 索引、调试器和运行中的 UE 项目提供状态,具体步骤依赖工具接入与调试配置 |
| Codex Windows 沙箱 | OpenAI 2026-05-13 工程文章 | 说明当时的设计与实现;当前行为按所用版本核对 |
| MXC | Microsoft GitHub README;访问于 2026-09-28 | 早期预览;仓库明确不允许将当前配置视作安全边界 |
| Windows MCP / ODR | Microsoft 预发布文档;访问于 2026-09-28 | 发现、授权和服务的受限运行各有前提,打包方式影响服务可使用的隔离方式 |
| Codex CLI in WSL2 | OpenAI WSL 文档;访问于 2026-09-28 | 支持在 WSL 内安装与运行 CLI;调用 Windows 应用还需相应的工具接入 |
-
Apple,Metal Developer Tools 与 Investigating GPU issues with AI agents,访问于 2026-09-28。说明 Metal 命令行工具的职责和文档化的调查路径。↩↩
-
JetBrains,Rider 2026.2.1 and ReSharper 2026.2.1 Are Here!,2026-08-19。说明通用
debugging-codeSkill 覆盖 C++ 与 Unreal Engine 等项目。↩ -
JetBrains,Unreal Engine Agent Skills;ue-live-debugging 技能源码,访问于 2026-09-28。用于核对 Unreal 调试工作流的工具与前提。↩↩↩
-
JetBrains,UnrealLink and RiderLink,访问于 2026-09-28。说明 Rider 插件、Unreal Editor 插件及两者提供的集成。↩
-
Blender,Python API 使用文档源码与Blender 作为 Python 模块的说明源码,访问于 2026-09-28。官方 GitHub 镜像中的前者展示通过
bpy修改对象位置,后者解释将 Blender 作为 Python 模块使用,以及它与后台模式运行脚本的关系和区别;视觉检查是本文组合示例。↩ -
OpenAI,Building a safe, effective sandbox to enable Codex on Windows,2026-05-13。记载当时的目标、候选方案及受限用户、令牌、ACL、防火墙的组合实现。↩↩↩↩
-
Linux kernel,Landlock userspace API,访问于 2026-09-28。限制继承及支持的访问类别随内核 ABI 变化。↩↩
-
Microsoft,Microsoft eXecution Container README,访问于 2026-09-28。仓库自述为早期预览,警示现有配置过宽且当前不能作为安全边界。↩
-
JetBrains,Rider MCP Server,访问于 2026-09-28。说明外部 Agent 的连接、服务启用和 IDE 工具范围。↩
-
Microsoft,What's new in PowerShell 7.4,访问于 2026-09-28。用于部分原生程序重定向和管道的字节流处理。↩
-
Yang 等,SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering,2024。论文讨论 ACI 设计与其软件工程实验结果,结论受实验条件限制。↩
-
Model Context Protocol,Tools 规范,协议版本 2026-07-28,访问于 2026-09-28。定义工具描述、调用与返回形式;具体工具实现负责处理正确性和访问权限。↩↩↩
-
Apple,Giving external agents access to Xcode;Xcode 26.3 Release Notes,访问于 2026-09-28。用于外部 Agent 接入及版本前提。↩
-
Microsoft,about_Pipelines,PowerShell 7.4 文档视图,访问于 2026-09-28。说明 cmdlet 对象管道与原生程序边界。↩
-
Microsoft,Add-Type;Using Static Classes and Methods,访问于 2026-09-28。用于 .NET 类型、程序集及互操作路径。↩↩
-
Microsoft,Securely containing MCP servers on Windows,访问于 2026-09-28。受限会话、打包前提、用户文件授权及例外需按具体配置核查。↩
-
Model Context Protocol,Authorization 规范,协议版本 2026-07-28,访问于 2026-09-28。用于 HTTP 传输的授权职责,不代替本地进程隔离。↩
-
Microsoft,PIX Requirements,访问于 2026-09-28。用于限定 PIX 的运行要求,不外推到所有游戏开发任务。↩
-
OpenAI,WSL: Run and troubleshoot Codex in Windows Subsystem for Linux,访问于 2026-09-28。提供 Codex CLI 在 WSL 中的安装运行说明及相关环境边界。↩↩
-
Anthropic,Code execution with MCP: building more efficient AI agents,2025-11-04。分析工具定义与中间结果的上下文成本;示例数字不作为通用平均值。↩
-
Raymond Chen,The real cost of compatibility is not in the hacks; the hacks are small potatoes,2007-07-23。作者以 Windows 功能设计说明兼容旧应用的成本;本文据此讨论平台与调用方之间的维护责任。↩
-
Microsoft,Windows API sets,访问于 2026-10-03。说明契约名称、实现 DLL 的映射及可用性查询。↩
-
Microsoft,Rules for Implementing QueryInterface,访问于 2026-10-03。规定 COM 对象身份和可查询接口集合的稳定性;插件渐进扩展是本文构造的示例。↩
-
Microsoft,Windows Security Model for Driver Developers,访问于 2026-10-03。用于身份、模拟、安全描述符与对象访问检查。↩↩↩
-
FreeBSD,capsicum(4);Linux man-pages,capabilities(7),访问于 2026-10-03。分别说明 capability mode、描述符权限限制与 Linux 对特权的拆分。↩
-
Microsoft,CloseHandle,访问于 2026-10-03。说明适用对象、注册表键和 socket 的关闭方式,以及关闭进程句柄与终止进程的区别。↩
-
Microsoft,Windows Implementation Library,访问于 2026-10-03。项目提供 Windows 资源的 RAII 包装、缓冲区及错误处理辅助。↩
-
Microsoft,I/O Completion Ports;Canceling Pending I/O Operations,访问于 2026-10-03。说明完成通知、请求取消及相关结构的使用寿命。↩
-
Microsoft,SendMessage,访问于 2026-10-03。说明同步消息处理、同线程调用、跨线程等待期间的非队列消息,以及投递消息的替代入口。↩
-
Microsoft,Job Objects;JOBOBJECT_BASIC_LIMIT_INFORMATION,访问于 2026-10-03。用于进程归组、资源限制、breakaway 和关闭最后一个 Job 句柄时的终止规则。↩
-
Microsoft,about_Remote_Output,访问于 2026-09-28。说明远程会话输出的序列化及对象行为。↩
-
Microsoft,Null DACLs and Empty DACLs,访问于 2026-10-03。说明两种状态在自主访问控制中的含义;对象的最终可访问性还受其他适用检查影响。↩
-
Microsoft,Audit Policy CSP: ObjectAccess_AuditFileSystem,访问于 2026-10-03。说明文件访问审计策略与 SACL 匹配条件;事件与 Agent 任务的关联由本文提出为宿主的实现责任。↩
-
Microsoft,What is PowerShell?;Migrating from Windows PowerShell 5.1 to PowerShell 7;PowerShell differences on non-Windows platforms,访问于 2026-09-28。↩
-
GNU,Bash Reference Manual。用于 Bash 展开、重定向、进程替换、数组和退出状态规则。↩↩↩↩