“在我电脑上能跑”30 秒就被拆穿：Hanselman 的 sandbox-mcp 给 agent 一台用完就扔的 Windows

vibe-coding 最大的盲区不在写代码那一步，在测试那一步：agent 在同一台机器上写、同一台机器上测，你电脑上装过的运行库、字体、注册表项，它全当成理所当然。微软的 Scott Hanselman 11 月 6 日开源的 sandbox-mcp，就是来拆这个盲区的：它给 agent 一台全新的、一次性的 Windows 11，用完就扔。装好、部署应用、点控件、抓崩溃、留证据、删机器，一套下来实测 40 到 50 秒。

它抓“在我电脑上能跑”的办法很直接。README 里给了个真实例子：开发机上装了 Visual C++，一台断网的全新沙箱里没有。NativeProof.exe 在沙箱里 29.8 秒就失败了，退出码 -1073741515，原因写得明白：缺 VC++ 运行库。明确点选补装之后再跑，30.9 秒通过，报告里还会标注这是 PROVISIONED（补装过的），不是干净机器通过。两件事都写进同一份报告，哪个是真通过、哪个是补装后通过，分得清清楚楚。

它能干的不只是跑个 exe。sbx deps 先静态扫一遍依赖：PE 架构、导入表、.NET 配置、包依赖，不运行也不安装任何东西；sbx install-test 装一遍安装包再卸一遍，报告安装器留下、卸载器没清掉的每一个文件、注册表项、服务、计划任务和自启项；sbx detonate 把不信任的文件扔进断网沙箱，看它到底干了什么。UI 操作走原生 UI Automation，不是猜像素：读控件树、点按钮、填文字、等结果，WinUI、WPF、WinForms、Win32 都支持；证据留下来的是截图、录屏、HTML 报告、退出码和崩溃事件。

我的判断是，这个工具真正值钱的是一条默认规则：默认不装任何依赖。很多“干净机器测试”工具为了图省事会悄悄把缺的运行库补上，测完告诉你“通过了”——通过的是补装过的机器，不是用户那台。sandbox-mcp 把补装变成必须你明确点选的动作，而且补装过的通过会打上标记，不会跟真通过混在一起。这条规则比它支持多少种 UI 框架都重要。agent 的工作流也因此能闭环：写完、扔进沙箱测、看截图、修、再测，不用碰你的真实桌面。

边界也要说清楚：第一，Windows Sandbox 本身只要 Windows 专业版或企业版，家庭版用不了；第二，一次只能开一个沙箱，要并行多台机器还是得用虚拟机或云主机；第三，沙箱关掉就全删，没有持久环境，不适合要长期养着的状态；第四，硬件相关的负载（比如要特定显卡驱动的）它测不了；第五，detonate 只是观察记录，不是安全 verdict，别把它当杀毒软件；第六，本文没经过独立实测，命令和数字以仓库 README 为准。