Docker Sandboxes vs. contenedores: qué aislamiento necesita un agente de IA
Los contenedores comparten el kernel del host; los Sandboxes de Docker son microVMs con kernel propio. Para agentes de IA autónomos, esa diferencia define cuánto puede propagarse un error.
Una distinción que parece semántica y no lo es
Cuando Docker habla de Sandboxes, es fácil leerlo como “un contenedor con un agente de IA adentro”. El propio equipo de Docker advierte que esa lectura es incorrecta: se trata de tecnologías distintas, con límites de aislamiento que no son equivalentes. Entender la diferencia deja de ser un detalle técnico y pasa a ser una decisión de riesgo para cualquier pyme que empieza a delegar tareas en agentes autónomos.
La distinción central es simple: un contenedor es un proceso aislado que comparte el kernel del sistema anfitrión, mientras que un Docker Sandbox es una microVM con su propio kernel Linux, su propio sistema de archivos, su propia red y su propio motor de Docker privado. Un sandbox puede ejecutar contenedores, y por eso ambos conceptos se confunden con tanta facilidad.
Qué hace un contenedor y por qué sigue siendo útil
Un contenedor ofrece una vista propia del sistema de archivos, del árbol de procesos y de la red, apoyada en namespaces de Linux, con cgroups que miden CPU, memoria y E/S. Todo lo que corre en la máquina comparte el mismo kernel, y de ahí vienen sus ventajas: arranca rápido, empaqueta denso y suma poco overhead.
Sobre ese diseño se construyó más de una década de herramientas: Compose, Kubernetes, registros OCI, escáneres de imágenes y prácticamente cualquier sistema de CI. Si el trabajo consiste en ejecutar un servicio, procesar una petición o correr una evaluación y desaparecer, el contenedor sigue siendo la elección natural y lo seguirá siendo.
Conviene subrayar un matiz que suele pasarse por alto: incluso dentro de una máquina virtual, como ocurre en Docker Desktop sobre macOS o Windows, todos los contenedores de esa VM comparten un único kernel. El aislamiento entre un contenedor y el siguiente no cambia por el hecho de estar dentro de una VM.
Por qué un agente de IA no encaja en el molde del contenedor
Un agente de programación no es un proceso con dependencias conocidas. Es un actor que toma decisiones y opera sobre los sistemas como lo haría una persona con su laptop: clona repositorios, instala paquetes, levanta bases de datos, construye imágenes y vuelve a intentar durante horas. Ese comportamiento exige otra frontera, y dónde se ubique esa frontera determina hasta dónde puede llegar un error.
El primer motivo es la acumulación de estado. Una sesión de agente se parece a una tarde de trabajo: instala PostgreSQL, corre migraciones, levanta la aplicación con Compose, lee logs, cambia código y repite. Cada paso depende de lo que dejó el anterior. Un contenedor, en cambio, está pensado para reconstruirse desde una imagen y unos pocos volúmenes explícitos; lo que el agente creó fuera de esos volúmenes se pierde al recrearlo.
El segundo motivo es la confianza. El programa que decide qué comando ejecutar es probabilístico y puede leer instrucciones de muchas fuentes a la vez: archivos de código, descripciones de issues, páginas web, metadatos de paquetes o salidas de herramientas MCP. Parte de esa entrada no está verificada, y una instrucción maliciosa plantada en un README puede orientar al agente a propósito. El código que genera también puede ser erróneo o directamente hostil.
Docker menciona un caso real de un agente que borró una base de datos de producción tras malinterpretar su tarea. Cuando el agente corre sin supervisión y sin permisos que pidan confirmación, ya no queda ninguna barrera humana para frenarlo. Un proceso con esa autoridad y esa imprevisibilidad necesita un límite diseñado a su medida.
Qué aporta un sandbox en la práctica
Un Docker Sandbox entrega al agente sudo dentro de un entorno aislado. Puede instalar paquetes, ejecutar servicios, construir imágenes y levantar una aplicación completa con Compose sin tocar el daemon de Docker del host, sin acceder al sistema de archivos anfitrión fuera de su espacio de trabajo y sin interferir con otros sandboxes de la misma máquina. Además, permite arrancarlo con un comando, detenerlo, reanudarlo y conservar todo lo instalado hasta que se elimine.
La guía que propone Docker es clara: poner al agente en un sandbox y containerizar la aplicación sobre la que trabaja. Los contenedores siguen siendo la pieza correcta para aplicaciones empaquetadas, trabajos de CI y ejecuciones de corta duración. El sandbox cubre el caso del agente que necesita una máquina completa, estado persistente y controles de red y credenciales aplicados desde el host.
Qué implica esto para una pyme hispanohablante
Muchas pymes están incorporando agentes de IA para tareas de desarrollo, soporte o automatización de procesos sin revisar dónde se ejecutan. La pregunta relevante no es si el agente es bueno escribiendo código, sino qué puede tocar cuando se equivoca. Si comparte kernel con el resto de la máquina, el margen de error se mide en el mismo espacio que tus servicios.
- Separá roles: el agente va en un entorno con límites propios; las aplicaciones que produce, en contenedores.
- Revisá credenciales: un agente no debería tener acceso directo a producción ni a secretos que no necesita para la tarea.
- Pensá en el estado: si la sesión dura horas, el entorno debe conservar lo construido sin depender de volúmenes frágiles.
- Aplicá control de red: limitar a qué destinos puede conectarse el agente reduce la superficie de instrucciones no verificadas.
Nada de esto exige montar una infraestructura compleja. Exige elegir bien la frontera antes de que el agente tome la primera decisión. Si estás evaluando cómo incorporar agentes de IA y automatización en tu pyme sin exponer tus sistemas, en Altya podemos ayudarte a diseñar ese límite con criterio práctico.
Fuente: www.docker.com