Песочница для ревью кода и проверки PR: докажите, что патч работает, до апрува

Дифф показывает, что патч обещает сделать. Он не показывает, действительно ли бага больше нет, выполняется ли когда-нибудь новая ветка if и не ломает ли обновление зависимости импорт на чистой установке. Ревьюеры это знают, поэтому столько ревью заканчиваются словами «LGTM, если тесты пройдут».

С патчами от ИИ этот разрыв растёт. Модель быстро выдаёт правдоподобный код, а правдоподобный — именно тот, что проскальзывает мимо уставшего ревьюера. Дешёвое решение — запускать изменение до того, как кто-то его одобрит, там, где оно ничему не навредит.

Проверка: base, head, тесты

Самое убедительное доказательство, которое может предъявить патч, — воспроизведение, которое падает на старом коде и проходит на новом. Песочница превращает это в скрипт на 20 строк. Это микро-VM Firecracker с Python 3.12, Node.js 22, git и curl, которая стартует примерно за секунду:

import os
from eqvps import Sandbox

REPO, BASE, HEAD = os.environ["REPO_URL"], os.environ["BASE_SHA"], os.environ["HEAD_SHA"]

def repro(sb, ref):
    sb.exec(f"cd /root/app && git checkout -q {ref}", timeout=55)
    return sb.exec("cd /root/app && python3 /root/repro.py", timeout=55).exit_code

with Sandbox.create(tariff="standard", ttl=1800) as sb:
    sb.exec(f"git clone -q {REPO} /root/app", timeout=55)
    sb.exec("cd /root/app && pip install -q -r requirements.txt", timeout=55)
    sb.upload("/root/repro.py", open("repro.py").read())
    before, after = repro(sb, BASE), repro(sb, HEAD)
    tests = sb.exec("cd /root/app && python3 -m pytest -q", background=True).wait()
    print(f"repro on base: {before}, on head: {after}; tests: {tests.state}, exit {tests.exit_code}")

repro.py — это сниппет из баг-репорта. Если он завершается с ненулевым кодом на base и с нулём на head, патч исправляет то, что заявляет. Опубликуйте эту строку и сводку тестов комментарием к пул-реквесту, и ревьюер начнёт с фактов.

Набор тестов работает фоновой задачей, потому что одна синхронная команда останавливается на 55 секундах. TTL в 30 минут ограничивает, сколько может стоить зависший прогон.

Ревью-агенты, которые запускают код

Та же идея работает для ИИ-ревьюера. Подключённый через MCP-сервер, агент получает инструменты песочниц: создать песочницу, выполнить команду, загрузить и скачать файлы. Вместо «это может сломать совместимость с Python 3.8» он выкачивает ветку, запускает код и цитирует traceback — или сообщает, что всё в порядке.

Дайте такому агенту лимит трат и токен только на чтение и решите, какие инструменты он может вызывать без спроса. В разделе защита MCP все инструменты разложены по уровню риска.

Какой тариф

Временные песочницы оплачиваются посекундно с минимумом 60 секунд. Если ревьюер хочет возвращаться к одной и той же среде пару дней, создайте её как persistent: она хранит диск до 30 дней и оплачивается за каждый начатый час, так что песочница standard на двухдневное ревью стоит около $3.17. Удалите её, когда пул-реквест смержен.

Лимиты, которые стоит знать

• Две команды одновременно на аккаунт. Для ревью, которые идут одно за другим, этого достаточно. Если проверять десятки пул-реквестов разом, они встанут в очередь.
• Нет входящих портов. Открыть приложение в браузере не получится. Запустите его внутри и проверьте через curl localhost из второй команды.
• Нет Docker внутри. Тесты, которые поднимают контейнеры, место на раннере на VPS.
• Исходящий интернет открыт. Именно благодаря этому работает pip install. Не кладите в песочницу ничего, что не отдали бы автору патча.

С чего начать

Новые аккаунты получают $1 времени песочниц — этого хватит больше чем на сотню проходов ревью на тарифе standard. На странице песочниц — тарифы, в справочнике SDK — все методы из примера, а Python SDK за 5 минут покажет настройку.

По теме: изолированные прогоны тестов в CI для всего пайплайна и песочница для ИИ-агентов для агентов, которые пишут этот код.