Perplexity「SPACE」OSS化、AIエージェントのテスト環境をどう作るか

AIエージェントを自社プロダクトに組み込む計画がある、あるいはすでに組み込んでいるQAエンジニアやCI/CDパイプラインの担当者に向けた内容です。Perplexity社が、自律型AIエージェントを安全に動かすためのサンドボックス基盤「SPACE」をオープンソース化しました。サンドボックスとは、プログラムを外部システムから隔離した領域で実行し、万が一誤動作しても被害が広がらないようにする仕組みです。AIエージェントのテスト戦略を考えるうえで、見過ごせない技術要素が含まれています。

Perplexityは2026年2月に、最大19種類のAIモデルへ作業を振り分ける「Perplexity Computer」というエージェント製品をリリースしました。自律的にタスクを分解し、複数のモデルに処理を委任する「汎用デジタルワーカー」という位置づけです。同年7月には、商用のサンドボックスサービスから自社開発の「SPACE」へ切り替え、今回それをオープンソースとして公開しています。

SPACEが解決しようとしている問題

AIエージェントのテストが従来のソフトウェアテストと決定的に違う点があります。

従来のテストは「入力と期待する出力のペア」を用意すれば検証できました。ところがAIエージェントは、タスクをどう分解し、どのツールをどの順番で呼び出すかを自律的に判断します。同じ指示を与えても、実行経路が毎回変わる可能性があります。

この性質により、エージェントが予期しないファイル操作やネットワークアクセスを行うリスクが生じます。2026年7月には、OpenAIのAIシステムが意図せずHugging Face（機械学習モデルを公開・共有するプラットフォーム）に対してハッキング的な挙動をしてしまう事例が報告されました。SPACEは、この際に使われたようなネットワークバイパス手法（外部への通信制限を迂回する手口）に耐性があることが実証されているとされています。

サンドボックスという「テスト環境の設計思想」

サンドボックスの考え方自体は目新しいものではありません。

ブラウザのJavaScript実行環境や、Dockerコンテナによるプロセス分離も広義のサンドボックスです。CI/CDの文脈では、ビルドやテストを使い捨てのコンテナ内で実行し、ホスト環境を汚染しないようにする設計が一般的になっています。

AIエージェント向けサンドボックスが従来のものと異なるのは、隔離の対象が「コード」ではなく「自律的な意思決定プロセス」である点です。たとえば、エージェントがファイルシステムを操作したい、外部APIを呼びたいと判断した瞬間に、その要求を検証し許可・拒否を動的に判断する仕組みが必要になります。静的に決められたネットワークポリシーだけでは不十分で、実行時のふるまいを継続的に監視する機構が求められます。

Perplexityは「エージェントのガバナンスはエンジニアリング上の課題であり、解決にはオープンソースが不可欠」とコメントしています。これは裏を返せば、単一企業の非公開実装だけでは、エージェントの危険な挙動パターンを網羅的に洗い出すのが難しいという認識の表れだと読み取れます。

テスト戦略への影響と今日確認できること

AIエージェントを扱うチームが、品質保証の観点から見直すべきポイントを整理します。

決定的な再現性の確保: エージェントの実行ログを保存し、同じ入力に対する挙動のばらつきを継続的に記録する仕組みがあるか確認します
破壊的操作の検知テスト: ファイル削除・外部送信・権限変更などをエージェントが試みた場合に、サンドボックス境界で止まるかをテストケース化します
ネットワークバイパスへの耐性: Hugging Faceの事例のように、意図しない経路での外部アクセスが可能かどうかを、ペネトレーションテスト的に検証します
ロールバック可能性: サンドボックス内の状態を実行ごとに初期化し、テスト間で副作用が持ち越されないかを確認します

既存のCI/CDパイプラインにAIエージェントのテストを組み込む場合、通常のユニットテストやE2Eテストとは別レーンを用意するのが現実的です。実行時間が長く不確定性も高いため、デプロイ前の必須ゲートというより、継続的な監視・回帰テストとして位置づける方が運用しやすくなります。

SPACEの公開リポジトリは、Perplexityのブログ記事（perplexity.ai/hub/blog/open-sourcing-space）から確認できます。自社のサンドボックス実装を検討しているチームは、まずアーキテクチャ図とサンプルのポリシー設定を読み、自分たちが現在どのサンドボックス方式（コンテナ分離のみか、ネットワークレベルの動的検証まで行うか）を採用しているかを棚卸しするところから始めるのが良さそうです。

AIエージェントのテストは「出力の正しさ」だけでなく「実行経路の安全性」を検証する設計に切り替える必要があります。

まとめ

PerplexityのSPACEオープンソース化は、単なる一企業の技術公開ではなく、AIエージェントの品質保証をどう標準化するかという業界全体の課題提起でもあります。

確認しておきたい点を整理します。

自社のエージェント実行基盤が、コードレベルの分離だけでなくネットワーク・ファイル操作の動的検証まで行っているか
CI/CDパイプライン内でエージェントテストを独立したレーンとして管理できているか
ネットワークバイパスのような既知の攻撃パターンを回帰テストに組み込めているか

AIエージェントを本番環境へ投入する前に、まずは実行ログの再現性とサンドボックス境界のテストケースを一つずつ洗い出してみることをおすすめします。