AIエージェントにコードのビルドやテストを任せるパイプラインを検討している、あるいはすでに一部導入しているQAエンジニアやSREに向けた話題です。Docker社が2026年9月、AIエージェント向けの実行環境をクラウド上で提供する「Docker Cloud Sandboxes」を発表しました。CI/CDパイプラインにAIエージェントを組み込む際の実行基盤選びの参考になれば幸いです。
サンドボックス（外部から隔離された実行環境）という言葉は聞き慣れていても、なぜAIエージェントにそれが必要なのか整理しておく価値があります。AIエージェントにコード生成やテスト実行を委ねると、意図しない挙動でホスト側のファイルを削除したり、想定外の外部通信を行ったりするリスクがあります。人間のレビューを介さず自動実行するCIパイプラインでは、このリスクをコンテナよりも高い分離レベルで抑える必要があります。
Docker Sandboxesの仕組みとCloud版で何が変わるか
Docker社は2026年2月に、ローカルマシン上で動く「Docker Sandboxes」を発表しています。これはMicroVM（ハイパーバイザーが提供する軽量な仮想マシン。通常のVMより起動が速く、コンテナより隔離性が高い）を基盤にした実行環境です。Claude CodeやGemini CLIのようなコーディングエージェントを、ホストOSから隔離した状態で動かせます。
今回のDocker Cloud Sandboxesは、この仕組みをクラウド上のマネージド環境として提供するものです。同じCLI（コマンドラインインターフェイス）、同じ信頼モデル、同じMCP（Model Context Protocol、AIエージェントが外部ツールと連携するための標準プロトコル）対応を維持したまま、実行場所だけをクラウドに移せます。
最大の技術的特徴は、稼働中のサンドボックスのファイルシステムをその場でキャプチャし、移動先で再作成できる点です。これにより、ローカルで動かしていたAIエージェントの作業を止めずにクラウドへ移行し、逆にクラウドからローカルへ戻すことも可能になります。CIパイプラインの文脈で言えば、実行環境の可搬性（ポータビリティ）が、テストランナーやビルドエージェントに近い形でAIエージェントにも適用されたと捉えられます。
既存のCI実行基盤との比較で見えてくる位置づけ
GitHub ActionsのセルフホステッドランナーやGitLab RunnerでDockerコンテナを使ってきたエンジニアにとって、MicroVMベースの分離という表現には注意が必要です。コンテナ型仮想化はカーネルをホストと共有するため起動は速い一方、隔離レベルはVMほど高くありません。Docker Sandboxesが採用するMicroVMは、Firecrackerのような軽量仮想化技術に近い方式で、数百ミリ秒での起動を保ちながらカーネルレベルの分離を実現しています。
これは、AIエージェントが自律的にシェルコマンドを実行したりファイルを書き換えたりする性質上、コンテナの分離レベルでは不十分と判断されたためと考えられます。QA視点で言えば、テスト対象コードの実行環境を「信頼できないコード実行」として扱う発想に近く、サンドボックス自体をテスト実行のセキュリティ境界として設計している点が特徴です。
もう一つの比較軸は、大量並列実行への対応です。100を超えるサブエージェントが同時にサンドボックスを要求するケースでは、ローカルマシンのCPU・メモリの上限に突き当たります。CI/CDの世界で言えば、セルフホステッドランナーのキャパシティ不足でジョブがキューに滞留する状況と同じ構造です。クラウド側にスケールできる実行基盤を用意しておくことで、この種のボトルネックを回避できます。
今日から確認できるポイント
リリースサイクルにAIエージェントの自動実行を組み込む、あるいはすでに組み込んでいる場合、以下の観点を確認しておくと判断がしやすくなります。
- 稼働時間の見積もり: 大規模なコーディング・テスト作業が数時間〜数十時間に及ぶ場合、ローカルマシンを稼働させ続ける運用コストとクラウド利用料を比較する
- 並列実行数の上限: サブエージェントを多数並行起動する設計なら、ローカルマシンのvCPU・メモリで足りるか事前に見積もる
- 料金体系の確認: 最小インスタンス「Micro」は1vCPU・2GBメモリで1時間0.07ドル（約10円）、最大の「XL」は16vCPU・32GBメモリで1時間1.12ドル（約168円）と公表されています
- 移行の互換性: 既存のDocker Sandboxes向けに書いた構成ファイルやMCP連携がそのままCloud側でも動くか、公式ドキュメントの構成ファイル仕様を照らし合わせる
料金体系を見ると、小規模なテスト実行であれば1時間あたり数円〜十数円のオーダーで収まる可能性があります。ただし新規申込者向けの250ドルクレジットは期間限定の施策である点に留意し、恒常的な運用コストとしては公式の料金ページで最新情報を確認することが必要です。
品質メトリクスの観点では、AIエージェントによる自動テスト実行やコード修正の失敗率・再実行回数をトラッキングする仕組みが別途必要になります。サンドボックスの可搬性が向上しても、実行結果の妥当性を検証するテスト戦略自体は従来通り人間が設計する部分です。CIパイプラインにAIエージェントを組み込む際は、サンドボックスの選定と並行して、生成されたコードやテスト結果をどの段階でゲートするか（マージ前レビュー、ステージング環境での再検証など）を明確にしておくと安心です。
まとめ
Docker Cloud Sandboxesは、既存のDocker Sandboxesと同じCLI・信頼モデルを保ちながら、実行場所をローカルとクラウドの間で移動可能にした点が核心です。CIパイプラインにAIエージェントを組み込む際の実行基盤選定では、稼働時間の見積もり、並列実行数の上限、料金体系、既存構成ファイルとの互換性の4点を確認しておくと判断がしやすくなります。
まずは自分のCI環境で動かしているAIエージェントの平均稼働時間と並列実行数を洗い出し、ローカル運用の限界に近づいていないか棚卸ししてみることが、次の一歩になります。