微软为 Azure Logic Apps 引入了代码解释器，让 Logic Apps 工作流中的 AI 智能体能够在 Hyper-V 隔离沙箱中生成并执行 Python、JavaScript、C# 和 PowerShell 代码。代码解释器作为 Logic Apps 智能体循环中的工具运行，这意味着大语言模型能够接收自然语言指令、编写代码执行任务、在安全沙箱内运行代码并返回结果——所有这些都在一个托管的工作流内完成。
该功能由 Azure 容器应用（Azure Container Apps，ACA）动态会话提供支持。每个代码解释器会话都在自己的 Hyper-V 边界内运行，这也是微软用于处理各类不可信工作负载的硬件级隔离技术。在 ACA 会话池启用网络隔离后，数据将始终限定在指定网络边界内，不会向外流出。Logic Apps 团队团队表示：
这让代码解释器拥有了媲美 ChatGPT 高级数据分析工具的强大能力，并且该功能已直接集成到 Logic Apps 运行时中。如今用户无需编写代码、手动操作电子表格，仅用自然语言描述需求就能在同一工作流中得到可执行结果。
实际的应用场景十分直观。一家企业有一份包含销售数据的电子表格，Logic Apps 智能体工作流接收该文件，使用文档分析工具提取数据，生成 Python 代码来计算趋势并创建可视化图表，在沙箱会话中执行代码，然后返回结果。使用者不需要懂 Python。生成的代码在隔离环境中运行，而不是在主机进程中运行，因此即使出现类似 import os; os.remove('/') 这类模型幻觉产生的恶意代码也不会造成任何破坏。
这让 Logic Apps 在微软的智能体平台系统中形成了独特定位。中粮国际 Azure 解决方案架构师 Somnath Saha 分析了企业架构师面临的三种选择：
Logic Apps 智能体循环，适用于集成密集型工作流，有 450 多个连接器；
Microsoft Foundry，适用于需要完整模型控制的专业级多智能体编排；
Copilot Studio，适用于嵌入 Microsoft 365 的低代码对话式智能体。
Saha 认为 Logic Apps 占据了一个独特的细分领域：
当你的场景需要跨多个企业系统、ERP、CRM、数据库、API 进行编排，并且需要内置治理、重试逻辑和审计跟踪时，Logic Apps 智能体循环最为适合。它是集成架构师专属的智能体平台。
DevUP Solutions 创始人、微软 MVP Mattias Lögdberg 向 InfoQ 证实，架构师可以完全自主掌控模型的选择：
目前后台使用的是 OpenAI 服务。首先，你可以根据该服务中部署的模型来选择可用的模型。之后，你可以精确控制每个工作流/智能体使用什么模型，因此你对使用什么模型拥有完全的控制权。
代码解释器的加入进一步巩固了这一定位。集成工作流经常需要在工作流中途转换、分析或填充数据。以往这类操作需要调用 Azure Function 或外部 API，如今智能体可在同一工作流、同一安全边界内就地生成并执行数据转换代码。
（来源：Microsoft Tech Community 博客文章——包含费用处理工具分支、并支持通过自适应卡片完成人工审核的 Logic Apps 智能体工作流。）
不妨将微软的沙箱方案与各大超大规模云厂商的方案做对比，可供负责部署智能体生成代码的团队作为参考。Cloudflare 在其边缘网络上采用了基于容器的隔离，更轻量的工作负载则采用了 V8 隔离。谷歌的 GKE 智能体沙箱使用 gVisor 内核拦截作为开源的 Kubernetes 原语。微软采用 Hyper-V 微虚拟机，提供了三者中最强的隔离边界，但这种方案需要依赖 Azure 容器应用基础设施。每种方法在隔离强度、可移植性和运维开销之间做出了不同的权衡。
代码解释器除执行代码外，还支持文件相关操作。智能体可以将文件上传到 ACA 会话，在生成的代码中将它们作为数据源引用，并下载结果。这在智能体循环中创建了一个完整的数据管道：摄取文件、通过生成代码开展分析、生成报告或可视化图表，最后将结果返回给用户，或是流转至工作流的下一环节。
Logic Apps 代码解释器现已公开预览。前提条件是创建一个 Azure 容器应用代码解释器会话池，可通过 Azure 门户或 CLI 创建。Logic Apps 智能体实验室提供了集成配置的分步操作指南。
查看英文原文：https://www.infoq.com/news/2026/05/azure-logic-apps-agents/
