Monty

一个用 Rust 编写的极简、安全 Python 解释器，专为 AI Agent 代码执行设计，具备微秒级启动延迟与状态快照能力。

项目概述#

Monty 是一个由 Pydantic 团队开发的实验性 Python 解释器，核心完全由 Rust 编写。它不是 CPython 的替代品，而是专为 AI Agent 场景定制的运行时环境，允许 LLM（大语言模型）生成 Python 代码，并在高度受控、隔离的环境中执行，实现 "Code Mode" 或 "Programmatic Tool Calling"。

解决的问题#

安全风险：直接使用 exec() 或 subprocess 运行 LLM 生成的代码存在严重安全隐患；Monty 默认隔离文件系统、网络和环境变量，仅执行纯计算逻辑
性能瓶颈：传统沙箱方案（Docker、Pyodide、WASM）启动延迟高（毫秒到秒级），Monty 启动延迟 <1μs
状态持久化难：传统解释器难以在执行中途暂停并保存状态；Monty 支持在调用外部函数边界进行快照，可将运行状态序列化存入数据库

核心能力#

执行核心#

Rust 实现解释器：不依赖 CPython，核心逻辑全由 Rust 编写，通过 PyO3 提供绑定
Python 子集支持：支持合理的 Python 语法子集，足够表达 Agent 逻辑
类型检查集成：内置 ty 类型检查器，支持现代 Python 类型提示
同步/异步支持：支持主机端同步或异步代码调用
Stdout/Stderr 捕获：标准输出与错误流被捕获并返回给调用者

安全与隔离#

完全环境隔离：默认无文件系统、网络、环境变量访问权限
外部函数调用：仅能调用开发者显式授权的函数，由宿主控制权限边界
资源限制追踪：可监控内存分配次数、栈深度、执行时间；支持设定阈值并自动取消执行

状态管理与持久化#

执行快照：可在外部函数调用点将解释器完整状态序列化为字节
状态恢复：支持从快照恢复执行上下文，可跨进程/机器迁移
预编译序列化：已解析的代码对象可 dump/load，避免重复解析开销

性能对比#

方案	语言完整性	安全性	启动延迟	快照支持
Monty	部分	严格	0.06ms	容易
Docker	完整	良好	195ms	中等
Pyodide	完整	较弱	2800ms	困难
starlark-rust	极有限	良好	1.7ms	不支持
WASI/Wasmer	近完整	严格	66ms	中等

多语言绑定#

语言	包名
Python	`pydantic-monty` (PyPI)
JavaScript/TypeScript	`@pydantic/monty` (npm)
Rust	直接引用 crates

安装方式#

Python#

uv add pydantic-monty
# 或
pip install pydantic-monty

JavaScript/TypeScript#

npm install @pydantic/monty

使用示例#

基础运行#

import pydantic_monty

m = pydantic_monty.Monty('1 + 2')
print(m.run())  # 输出: 3

带输入变量与资源限制#

m = pydantic_monty.Monty('x * y', inputs=['x', 'y'])
limits = pydantic_monty.ResourceLimits(max_duration_secs=1.0)
result = m.run(inputs={'x': 2, 'y': 3}, limits=limits)

外部函数与快照恢复#

code = "data = fetch(url); len(data)"
m = pydantic_monty.Monty(code, inputs=['url'], external_functions=['fetch'])

progress = m.start(inputs={'url': 'https://example.com'})
snapshot_data = progress.dump()

restored = pydantic_monty.MontySnapshot.load(snapshot_data)
result = restored.resume(return_value='hello world')

Rust 使用#

use monty::{MontyRun, MontyObject, NoLimitTracker, PrintWriter};

let code = r#"
def fib(n):
    if n <= 1:
        return n
    return fib(n - 1) + fib(n - 2)
fib(x)
"#;

let runner = MontyRun::new(code.to_owned(), "fib.py", vec!["x".to_owned()], vec![]).unwrap();
let result = runner.run(vec![MontyObject::Int(10)], NoLimitTracker, &mut PrintWriter::Stdout).unwrap();

核心 API#

Monty(code, inputs, external_functions): 主入口类
MontyRun: Rust 侧的运行器封装
MontySnapshot: 执行中途的快照对象
ResourceLimits: 资源限制配置对象
.run(inputs, limits, external_functions): 同步执行
.start(inputs): 启动执行，遇到外部函数时暂停
.resume(return_value): 恢复执行
.dump() / .load(): 序列化与反序列化

当前限制#

标准库受限：仅支持 sys, typing, asyncio；dataclasses 与 json 即将支持
不支持第三方库：无法导入 Pydantic、NumPy 等
语法限制：暂不支持 class 定义与 match 语句（计划中）

适用场景#

AI Agent 的工具调用（LLM 写代码调用工具而非生成 JSON）
需要极速启动的 Serverless 或无状态计算环境
需要在不可信代码执行与严格资源控制之间取得平衡的场景
长任务的中断与恢复（如 Human-in-the-loop 交互）