这个 Skill 能做什么，适合哪些场景？
cua-sandboxes 是 trycua/cua 仓库中 bundled 的一个技能，教你如何用 `cua` CLI 和 cua SDK 创建、使用并清理沙盒——即本地容器/虚拟机或 Cua 云端的临时计算机。它统一支持 gVisor 容器、QEMU Linux 虚拟机和 Apple Silicon 上的 Lume macOS 虚拟机，也支持任意 OCI 镜像和直连运行 cua-spacesd 的机器。技能覆盖命令行操作、Python/TypeScript/Swift/Kotlin 代码调用以及通过 cua MCP 服务器驱动的沙盒内网页浏览流程。本地沙盒无需账号，云端沙盒按量计费，需要及时删除。
- 用
cua sb create创建本地 gVisor 容器、QEMU Linux VM 或 Lume macOS VM（Apple silicon），也可 --on cloud 或指定任意 OCI 镜像 - 用
cua sb exec/shell/screenshot/vnc在沙盒内执行命令、交互 shell、截图并在浏览器中打开桌面 - 通过 Python（及其他语言绑定的相同对象）用代码创建、运行命令并删除沙盒
- 连接 cua MCP 服务器后，用 sandbox_create 等工具在沙盒内用 Chromium 浏览网页、点击、输入、截图
- 用
cua sb rm/suspend/fleet pools gc清理或暂停沙盒，回收云端资源
- 需要隔离环境运行不受信任代码或测试应用的开发者，避免污染本机
- 自动化代理要在桌面 GUI 中点击、填表、截图，而用户不想让代理碰自己的真实桌面
- 测试网页或本地 Web 应用（在沙盒里起服务后访问 http://127.0.0.1:<端口>）的工程师
- 需要 macOS 虚拟机环境（Apple silicon + Lume）的测试场景
- 批量生成数据或复现问题、随后一键销毁环境的自动化流水线
- 没有 cua CLI/SDK 且不愿安装整套 cua 工具链的用户——沙盒的全部操作都依赖它
- 希望远程调用而不提供 shell/运行时环境的纯 API 模型集成
- 依赖 Windows 沙盒镜像的用户——技能文档只列出 Linux 和 macOS 镜像与运行时（gVisor、QEMU、Lume），未给出 Windows 沙盒创建方式（尽管仓库整体支持 Windows）
如何安装这个 Skill？
- 云沙箱依赖 cua.ai 认证、relay 与 ghcr.io 镜像源，在中国大陆的可达性未验证，核心功能可能不可用；请先在本地模式（gVisor/QEMU）验证。
- `--on direct:... --token TOKEN` 的令牌处理方式未在文档中披露，请勿在共享环境中传入长期有效凭据。
- 云沙箱按量计费，务必按文档要求在任务结束后执行 `cua sb rm` 清理，避免产生持续费用。
- 技能依赖 cua-spacesd 预装镜像；使用普通 OCI 镜像时 exec/截图/GUI 功能会静默降级为仅生命周期管理。
- 本评估为纯静态审阅，未执行任何命令；所有命令行为、镜像可用性与隔离强度均未经实际验证。
- 发布者未经 FollowSkills 企业注册表验证，身份按未知处理；使用前请自行核对仓库与二进制来源。
- Shell / 命令行
- 网络访问
- 本地文件系统
- MCP Server
cua CLI (Rust)cua SDK (Python/TypeScript/Swift/Kotlin/Rust)cua MCP server for browser workflowcua-spacesd-capable images
先安装整个 cua 工具链（本技能属于 libs/cua/skills 下的技能集合）：
macOS / Linux（终端安装器）
curl -fsSL https://cua.ai/install.sh | shWindows（PowerShell）
irm https://cua.ai/install.ps1 | iex安装器会引导 cua auth login，并可将 cua 技能和 cua MCP 服务器安装到 Claude Code、Codex、Cursor 等 AI 编码代理中。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 在一个隔离的 Linux 沙盒里跑 `uname -a` 并告诉我结果
- 帮我创建一个 macOS 沙盒，在里面的桌面截个图
- 在沙盒里打开 example.com，读一下页面内容并填上搜索框
- 测试我本机 8080 端口的应用：在沙盒里启动它并访问 http://127.0.0.1:8080，用完删除沙盒
技能由 SKILL.md 的 description 触发：当任务需要隔离机器跑代码、测应用、操作 GUI、浏览或测试网页时使用。核心流程：
cua --version # 确认 CLI 可用
cua auth status # 云端沙盒需先登录
cua sb create linux --name dev # 本地 gVisor 容器
cua sb exec dev -- uname -a # 执行命令
cua sb screenshot dev # 截图
cua sb vnc dev # 浏览器打开桌面
cua sb rm dev --force # 用完删除要点：--kind vm 创建 QEMU Linux VM，cua sb create macos 创建 Lume macOS VM（Apple silicon），--on cloud 用云端（计费，务必删除），任何命令加 -- 得到机器可读输出。GUI 操作配合 cua do switch 后使用 cua do click 等；网页浏览通过 cua MCP 工具（images_list、sandbox_create、browser_navigate、browser_click 等）完成；本地运行时首次使用会自动安装（cua runtime setup 可提前装好）。
这个 Skill 有哪些优点和局限？
- 本地沙盒无需账号即可使用，隐私友好
- CLI 与 Python/TypeScript/Swift/Kotlin SDK 共享同一运行时和沙盒列表，脚本与代理可无缝切换
- 支持容器与 VM 双形态，以及 Apple Silicon 上的 macOS VM（Lume）
- 命令、代码和 MCP 服务器三条入口覆盖人工、程序化和代理驱动场景
- 明确的清理规则（强制删除云端沙盒、报告沙盒名称）降低资源浪费风险
- 需要安装整套 cua 工具链（CLI、可能的运行时、可选 MCP 服务器），前置条件较重
- 云端沙盒按量计费，忘记删除会产生费用
- 浏览器自动化流程依赖 cua MCP 服务器连接和自带 cua-spacesd 的镜像，普通镜像只有生命周期、日志和端口转发能力
- 源材料未提供独立测试结果或性能基准数据
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Cua 沙盒 本页 | 52 · 谨慎使用 | ★ 29k | 1 天前 | MIT |
| OpenChamber 性能工程技能 | 62 · 推荐 | ★ 11k | 3 天前 | MIT |
| cmux 工作区操作技能 | 64 · 推荐 | ★ 28k | 今天 | NOASSERTION |
| cmux-browser：cmux 内置浏览器自动化技能 | 60 · 推荐 | ★ 28k | 今天 | NOASSERTION |
| playwright-cli 浏览器自动化技能 | 56 · 谨慎使用 | ★ 11k | 13 天前 | MIT |
与同仓库的 Lume 相比，Lume 只管 Apple Silicon 上的本地 macOS/Linux VM，而本技能通过统一 CLI 额外覆盖 gVisor 容器、云端沙盒、直连机器和沙盒内浏览器自动化；仓库整体的 Cua Driver 负责本机桌面自动化，本技能则强调隔离环境。
FollowSkills 如何评估这个 Skill？
SKILL.md 明确倡导隔离原则（在沙箱内而非用户本机运行）、有状态会话迁移需用户明确同意、要求用后删除云沙箱并报告所用名称以便检查；数据流基本透明。但扣分点：未说明 `--token` 凭据的存储与生命周期，云依赖 cua.ai relay 的数据路径披露不完整，本地 gVisor/QEMU 隔离强度仅口头声明、无回滚与故障恢复说明，故未达满分。
文档内部自洽，命令、SDK、MCP 三种入口一致，并给出可诊断的错误处理（'invalid placement' 列出合法值、runtime doctor 只读检查）。但扣分：静态审阅无法复现关键路径（create/exec/截图/浏览），无针对该技能的测试证据，网络失败、镜像拉取失败等异常输入的失败反馈仅部分覆盖。
触发条件与适用场景描述清晰（需要隔离机器运行代码、测试应用、驱动 GUI、填表、截图），并明确非适用边界（不得在用户本机执行破坏性命令）。扣分：核心云功能依赖 cua.ai 及 ghcr.io，未披露在中国大陆的可达性，无中文支持说明，对非支持平台/运行时组合的边界仅部分列举。
文档分层合理（先决条件→创建→使用→清理→SDK→MCP→规则），README 明确 MIT 许可并详述 FSL/MIT 边界，进度披露良好。扣分：技能自身无版本号、变更记录或维护者归属，安装依赖 cua.ai 安装脚本存在隐含假设，FAQ/已知限制（如 Lume 仅限 Apple silicon）未在技能内完整列出。
命令与 SDK 示例可直接套用，浏览器自动化流程步骤完整并附带清理步骤，相比手动搭建 VM 有明显边际价值。但扣分：静态审阅无法验证示例输出是否真实可用，value claim（云计费、镜像可用性）依赖外部服务状态，缺少代表性输出的验证证据。
仓库含 SECURITY.md、真实 CI 工作流与测试，但均针对 cua-driver/perception 等其他组件，与该技能关键路径（sandbox create/exec/浏览）无直接对应测试；扣分：技能主张主要靠文档自证，缺乏独立可复现的第三方执行证据。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →