SideKernel: um sandbox usável baseado em microVM para agentes de código de IA no macOS
Um estudo identifica, por meio de uma pesquisa com usuários, que menos de 40% de quem usa agentes de codificação de IA os executa em sandbox, e propõe o SideKernel, um sandbox local de código aberto baseado em microVM para macOS, voltado a resolver as barreiras de usabilidade que explicam essa baixa adoção. Em comparação com outras soluções do mercado, SideKernel e o Docker Sandboxes se destacam entre as opções testadas.
O ponto de partida do trabalho é uma tensão conhecida de quem opera agentes de codificação baseados em IA: eles precisam de autonomia real sobre o ambiente de desenvolvimento — executar comandos, editar arquivos, instalar dependências — mas são, por definição, componentes não confiáveis, que podem ser manipulados por prompt injection, dependências maliciosas ou simplesmente cometer erros destrutivos. Isolamento via sandbox é a mitigação óbvia, mas o autor mostra, com uma pesquisa formativa com usuários reais, que a adoção é baixa: menos de 40% roda agentes isolados, e o motivo não é falta de ferramentas, mas falta de usabilidade nas que existem.
A partir desse diagnóstico, o SideKernel é construído especificamente para macOS usando isolamento por microVM, uma abordagem mais forte que containers tradicionais, pois isola também o kernel, não só o espaço de usuário. O autor também faz um levantamento sistemático do espaço de soluções locais e abertas de sandbox por microVM para macOS, filtrando por cinco critérios de inclusão e comparando as alternativas remanescentes em 23 testes de capacidade derivados diretamente das barreiras de usabilidade identificadas na pesquisa com usuários.
O resultado da comparação é que poucas soluções no mercado se aproximam do SideKernel em recursos, e que Docker Sandboxes e SideKernel pontuam mais alto nas características ligadas à usabilidade — um indicativo de que o problema de isolamento de agentes no desktop ainda é mal resolvido de forma ampla, mesmo quando soluções técnicas de isolamento já existem há anos em outros contextos.
Para quem desenvolve ou opera agentes de codificação de IA localmente, a relevância é dupla: primeiro, há evidência empírica de que a maioria dos usuários roda agentes autônomos sem isolamento algum, uma superfície de risco relevante dado o potencial destrutivo de comandos de shell gerados por LLM; segundo, o trabalho oferece tanto uma ferramenta concreta quanto um mapa comparativo do ecossistema, útil para decidir qual sandbox adotar e por que a usabilidade — não só a robustez técnica do isolamento — é o fator decisivo de adoção.