Azure Container Apps 动态会话：安全运行 Python 代码的全新方式 ...

1. 技术背景先容

Azure Container Apps 动态会话（Dynamic Sessions for Azure Container Apps）为运行 Python 代码解释器提供了一个安全且可扩展的方式。通过使用 Hyper-V 隔离的沙盒环境，它答应我们安全地运行大概不可信的代码，同时保护主体系免受埋伏安全风险的陵犯。
动态会话内置了很多流行的 Python 数据科学和机器学习库，包罗 NumPy、pandas 和 scikit-learn 等，非常恰当处理惩罚数据分析及模型开发的任务。如果你必要一个支持动态代码实行的安全环境，动态会话将是一个理想的选择。
   更多信息：请参考官方文档 Azure Container App Sessions。
  

---

2. 核心原理分析

• 动态沙盒环境：每个会话运行在 Hyper-V 隔离的容器中，为代码实行提供安全保障。
  
• 自动化工具支持：官方提供了 SessionsPythonREPLTool，可直接与 Azure 会话池交互，动态实行 Python 代码。
  
• 数据上传与效果可视化：支持将本地数据上传到会话中，并处理惩罚图片、JSON 等各种数据格式的效果。
  

---

3. 代码实现演示

以下我们分步实现一次动态会话的使用场景，包罗环境安装、代码实行、数据上传以及效果处理惩罚。
3.1 环境准备

• 安装相干 Python 软件包：
  
  1. pip install -qU langchain-azure-dynamic-sessions langchain-openai langchainhub langchain langchain-community

  复制代码
• 在 Azure CLI 中登录以进行身份认证：
  
  1. az login

  复制代码
• 创建并配置动态会话池，获取会话池管理端点（POOL_MANAGEMENT_ENDPOINT）。
  

   注意：你必要按照 Azure 动态会话池配置文档 的步调完成会话池的创建。
  3.2 基本代码交互

以下是怎样通过 Python 使用 SessionsPythonREPLTool 动态实行代码的示例。

1. import getpass
2. from langchain_azure_dynamic_sessions import SessionsPythonREPLTool
4. # 输入会话池管理端点
5. POOL_MANAGEMENT_ENDPOINT = getpass.getpass(prompt="Enter Pool Management Endpoint: ")
7. tool = SessionsPythonREPLTool(pool_management_endpoint=POOL_MANAGEMENT_ENDPOINT)
9. # 执行简单的代码
10. result = tool.invoke("6 * 7")
11. print(result)

复制代码

实行效果：

1. {
2.   "result": 42,
3.   "stdout": "",
4.   "stderr": ""
5. }

复制代码

invoke 返回的效果是一个 JSON，其中包含实行效果 result、尺度输出 stdout 和尺度错误输出 stderr。如果必要原始数据字典，可使用 execute() 方法。

---

3.3 数据上传与分析

我们可以将本地数据上传到动态会话的沙盒环境中，并对数据进行处理惩罚。

1. import io
2. import json
4. # 准备数据
5. data = {"important_data": [1, 10, -1541]}
6. binary_io = io.BytesIO(json.dumps(data).encode("ascii"))
8. # 上传数据文件
9. upload_metadata = tool.upload_file(data=binary_io, remote_file_path="important_data.json")
11. # 在动态会话中加载数据并处理
12. code = f"""
13. import json
15. with open("{upload_metadata.full_path}") as f:
16.     data = json.load(f)
18. result = sum(data['important_data'])
19. """
20. execute_result = tool.execute(code)
21. print(execute_result)

复制代码

实行效果：

1. {
2.   "$id": "2",
3.   "status": "Success",
4.   "stdout": "",
5.   "stderr": "",
6.   "result": -1530,
7.   "executionTimeInMilliseconds": 12
8. }

复制代码

此示例中，我们上传了一个 JSON 数据文件，并在沙盒环境中计算了数据的总和。

---

3.4 处理惩罚图片效果

动态会话还可以天生图片效果（如 Matplotlib 图表）。以下是一个简朴的画图示例。

1. import numpy as np
2. import matplotlib.pyplot as plt
4. code = """
5. import numpy as np
6. import matplotlib.pyplot as plt
8. x = np.linspace(-1, 1, 400)
9. y = np.sin(x)
11. plt.plot(x, y)
12. plt.title('Plot of sin(x)')
13. plt.grid(True)
14. plt.savefig('/mnt/data/sin_plot.png')
15. """
16. result = tool.execute(code)
18. # 检查结果是否为图片
19. if result["result"]["type"] == "image":
20.     # 解码并显示图片
21.     import base64
22.     from PIL import Image
23.     import io
25.     base64_str = result["result"]["base64_data"]
26.     img = Image.open(io.BytesIO(base64.b64decode(base64_str)))
27.     img.show()

复制代码

以上代码将在动态会话中天生并返回图片，同时通过本地 PIL 库显示效果。

---

3.5 集成到智能代理

通过 LangChain 的动态会话工具，我们可以将其集成到智能代理中，增强交互逻辑。

1. from langchain import hub
2. from langchain.agents import create_tool_calling_agent, AgentExecutor
3. from langchain_openai import ChatOpenAI
5. llm = ChatOpenAI(model="gpt-4o", temperature=0)
6. agent_prompt = hub.pull("hwchase17/openai-functions-agent")
7. agent = create_tool_calling_agent(llm, [tool], agent_prompt)
9. agent_executor = AgentExecutor(agent=agent, tools=[tool], verbose=True)
11. # 执行复杂指令
12. response = agent_executor.invoke(
13.     {"input": "Calculate sin(pi). If negative, generate a random number in [0, 5]."}
14. )
15. print(response)

复制代码

---

4. 应用场景分析

• 数据安全实行：动态会话提供隔离环境，恰当运行不可信代码或敏感分析任务。
  
• 自动化交互：集成智能代理工具后，可轻松处理惩罚复杂指令，恰当企业级应用。
  
• 数据科学：内置流行数据与机器学习库，提拔分析服从。
  

---

5. 实践建议

• 安全优先：确保为动态会话分配最小权限的身份验证凭据。
  
• 性能优化：优化代码逻辑，以淘汰沙盒资源消耗。
  
• 日志监控：记录每次会话的实行过程，用于审计和调试。
  

---

如果碰到标题接待在品评区交流。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。