Orchard：微软研究院开源AI智能体统一沙盒与训练框架

Orchard是什么

Orchard是微软研究院开源的智能体统一沙盒+训练一体化框架。传统Agent项目大多将沙盒环境作为训练代码附属模块，不同项目环境无法复用，评测、训练、数据集生成环境割裂。Orchard将容器沙盒独立为通用服务层，上层对接SFT、RL训练逻辑与各类Agent任务模板，实现任务、数据集、评测协议跨模型、跨推理引擎复用。

项目内置完整实验案例，覆盖代码修复、网页交互、通用任务助手三大典型智能体方向，配套公开可复用的大规模交互轨迹数据集。

功能特色

1. 分布式隔离沙盒服务：基于Kubernetes实现容器级隔离，提供REST API、Python SDK，支持终端PTY会话、命令执行、文件读写、Git补丁操作，具备CPU、内存、超时、网络隔离等资源管控与安全鉴权能力。

2. 训练‑环境解耦架构：沙盒作为独立服务运行，训练逻辑、大模型推理与执行环境完全分离，训练、生成数据集、评测使用同一套环境，消除环境漂移问题。

3. 完整RL训练组件：内置适配沙盒rollout的强化学习训练栈，支持监督微调SFT、在线强化学习，开箱即用智能体训练流程。

4. 多类型Agent任务模板：内置代码修复、网页多模态浏览、通用个人助手三套Recipe实验方案，可直接复现论文实验指标。

5. 高性能低成本沙盒：沙盒启动速度快，支持大规模并行实例，对比同类托管沙盒服务具备更低算力开销。

6. 公开高质量轨迹数据集：提供SWE代码修复、GUI网页交互多轮Agent交互轨迹数据集，托管于Hugging Face，可直接用于模型微调与研究。

7. 部署灵活：支持Azure AKS一键部署，也可部署在自定义自建Kubernetes集群，不绑定特定镜像与大模型。

技术细节

1. 整体三层架构

• 底层Orchard Env：K8s原生沙盒服务，对外提供同步/异步SDK与REST接口，负责容器生命周期管理、资源限制、安全隔离、终端交互，是整个项目运行底座。单命令平均执行延迟0.28s，并行1000个沙盒实例启动耗时约26秒，支持API密钥鉴权做访问控制。

• 中层Trainer训练栈：改造后的Slime RL库，对接Env沙盒完成rollout采样，实现SFT、在线强化学习完整训练链路。

• 上层Recipes业务方案：封装不同智能体任务逻辑，包含SWE代码智能体、GUI网页浏览智能体、Claw通用助手智能体，衍生OpenWebRL、OpenForge RL扩展实验。

2. 安全与资源管控：每个Agent任务运行在独立隔离容器，做网络隔离，配置CPU内存上限、执行超时时间，避免任务之间互相干扰。

3. 模型兼容性：不绑定特定大模型，可接入Qwen、Claude、OpenCode等任意推理后端。

4. 数据集构成

• swe子集：107185条代码修复多轮交互轨迹，覆盖2788个GitHub仓库，每条轨迹平均47.5轮交互，标注任务修复结果。

• gui子集：3070条浏览器多模态网页交互轨迹。

应用场景

• AI代码智能体研发：构建、训练、评测自动修复GitHub项目bug的代码Agent，复现SWE‑bench系列基准实验。

• 多模态网页智能体研究：训练能够浏览网页、操作浏览器完成任务的多模态Agent，复现WebVoyager、Mind2Web评测。

• 通用个人助手Agent开发：训练可在沙盒内执行系统操作的通用任务助手。

• Agent数据集构建：批量生成高质量多轮交互轨迹数据集，用于SFT微调。

• 学术研究复现：统一环境复现各类智能体论文实验，解决环境不一致导致复现失败问题。

• 大规模Agent评测：批量并行跑Agent基准测试，降低评测成本。

使用方法

1. 环境准备
   准备可用Kubernetes集群，支持Azure AKS或自建K8s集群，安装集群依赖组件。

2. 部署Orchard Env沙盒服务
   使用项目提供部署脚本完成Env服务部署，获取服务地址与API访问密钥。

3. 安装Python SDK
   引入项目SDK，通过API地址和密钥连接沙盒服务，测试容器创建、命令执行、文件读写基础接口。

4. 选择Recipe任务模板
   选择内置Recipe示例：代码智能体、GUI网页智能体、Claw助手，配置目标大模型推理后端地址。

5. 执行rollout/训练/评测
   可直接运行任务做数据集采样；也可启动Trainer模块执行SFT或者在线RL训练；也可直接跑基准评测获取指标。

6. 使用公开数据集
   从Hugging Face下载microsoft/Orchard数据集，用于模型微调、分析、二次研究。

提示：沙盒运行依赖K8s集群资源，大规模并行实验需要充足集群算力。

竞品对比

选取E2B、Modal两个主流Agent沙盒产品进行对比。

常见问题解答

Orchard必须使用Azure云才可以部署吗？

不是，Orchard原生基于Kubernetes，既支持Azure AKS一键部署，也可以部署在任意自建K8s集群，不强制绑定Azure云厂商。

Orchard是否内置大模型？

项目本身不携带大模型权重，它只是基础设施框架，需要用户自行接入外部推理后端，支持各类主流开源、闭源大模型。

普通个人电脑可以直接运行Orchard吗？

不建议。Orchard底层依赖完整Kubernetes集群，个人单机环境资源不足，适合有K8s运维基础的研究人员、实验室使用。

Orchard数据集可以用于商业微调吗？

数据集跟随项目MIT协议，使用时需要遵守数据集内部附加约束，建议查阅Hugging Face数据集页面许可说明。

Orchard可以直接拿来做生产环境线上Agent产品吗？

项目面向学术研究，沙盒为研究场景设计，安全模型没有经过生产级加固，不建议直接直接上线生产业务。

Orchard和OpenForge RL是什么关系？

OpenForge RL是基于Orchard底座衍生的扩展研究项目，主要解决训练与真实推理环境不一致问题，属于上层实验方案，不属于底层框架本体。

相关链接

• 项目GitHub仓库：https://github.com/microsoft/Orchard

• Hugging Face数据集地址：https://huggingface.co/datasets/microsoft/Orchard

• arXiv技术论文：https://arxiv.org/pdf/2605.15040

总结

Orchard作为微软研究院开源的智能体基础设施框架，通过把沙盒环境独立成标准化分布式服务，解决传统AI智能体项目环境割裂、难以复现、部署成本高的行业痛点，整套方案包含沙盒服务、训练组件、任务模板与公开数据集，面向代码、网页、通用助手多类智能体研究场景，为智能体科研工作提供统一可复用的底层工具链。