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

本文链接：https://blog.csdn.net/HGWAcsdgvs/article/details/145069856

1. 技术背景介绍

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，它允许我们安全地运行可能不可信的代码，同时保护主系统免受潜在安全风险的侵害。

动态会话内置了许多流行的 Python 数据科学和机器学习库，包括 NumPy、pandas 和 scikit-learn 等，非常适合处理数据分析及模型开发的任务。如果你需要一个支持动态代码执行的安全环境，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. 核心原理解析

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

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，包括环境安装、代码执行、数据上传以及结果处理。

3.1 环境准备

安装相关 Python 软件包：

pip install -qU langchain-azure-dynamic-sessions langchain-openai langchainhub langchain langchain-community

在 Azure CLI 中登录以进行身份认证：
```
az login
```
创建并配置动态会话池，获取会话池管理端点（POOL_MANAGEMENT_ENDPOINT）。

注意：你需要按照 Azure 动态会话池配置文档的步骤完成会话池的创建。

3.2 基本代码交互

以下是如何通过 Python 使用 SessionsPythonREPLTool 动态执行代码的示例。

import getpass
from langchain_azure_dynamic_sessions import SessionsPythonREPLTool

# 输入会话池管理端点
POOL_MANAGEMENT_ENDPOINT = getpass.getpass(prompt="Enter Pool Management Endpoint: ")

tool = SessionsPythonREPLTool(pool_management_endpoint=POOL_MANAGEMENT_ENDPOINT)

# 执行简单的代码
result = tool.invoke("6 * 7")
print(result)

执行结果：

{
  "result": 42,
  "stdout": "",
  "stderr": ""
}

invoke 返回的结果是一个 JSON，其中包含执行结果 result、标准输出 stdout 和标准错误输出 stderr。如果需要原始数据字典，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。

import io
import json

# 准备数据
data = {"important_data": [1, 10, -1541]}
binary_io = io.BytesIO(json.dumps(data).encode("ascii"))

# 上传数据文件
upload_metadata = tool.upload_file(data=binary_io, remote_file_path="important_data.json")

# 在动态会话中加载数据并处理
code = f"""
import json

with open("{upload_metadata.full_path}") as f:
    data = json.load(f)

result = sum(data['important_data'])
"""
execute_result = tool.execute(code)
print(execute_result)

执行结果：

{
  "$id": "2",
  "status": "Success",
  "stdout": "",
  "stderr": "",
  "result": -1530,
  "executionTimeInMilliseconds": 12
}

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 处理图片结果

动态会话还可以生成图片结果（如 Matplotlib 图表）。以下是一个简单的绘图示例。

import numpy as np
import matplotlib.pyplot as plt

code = """
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-1, 1, 400)
y = np.sin(x)

plt.plot(x, y)
plt.title('Plot of sin(x)')
plt.grid(True)
plt.savefig('/mnt/data/sin_plot.png')
"""
result = tool.execute(code)

# 检查结果是否为图片
if result["result"]["type"] == "image":
    # 解码并显示图片
    import base64
    from PIL import Image
    import io

    base64_str = result["result"]["base64_data"]
    img = Image.open(io.BytesIO(base64.b64decode(base64_str)))
    img.show()

以上代码将在动态会话中生成并返回图片，同时通过本地 PIL 库显示结果。

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。

from langchain import hub
from langchain.agents import create_tool_calling_agent, AgentExecutor
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-4o", temperature=0)
agent_prompt = hub.pull("hwchase17/openai-functions-agent")
agent = create_tool_calling_agent(llm, [tool], agent_prompt)

agent_executor = AgentExecutor(agent=agent, tools=[tool], verbose=True)

# 执行复杂指令
response = agent_executor.invoke(
    {"input": "Calculate sin(pi). If negative, generate a random number in [0, 5]."}
)
print(response)