Exécuteur Python REPL à espace de noms isolé au sein du processus GenPark : ce qu'il faut savoir avant la première utilisation

À qui s'adresse ce projet

• Aux personnes qui veulent permettre à un agent IA d'exécuter du code Python dans une conversation et de récupérer le résultat. Ce projet (GenPark AI Agent Skill) fournit un exécuteur Python REPL à espace de noms isolé au sein du processus, capable de capturer stdout/stderr, de restreindre les fonctions natives disponibles (safe builtins restrictor) et de prendre en charge l'introspection des variables à l'exécution.
• Convient aux environnements qui ne souhaitent pas introduire de dépendances complexes : la page officielle indique clairement qu'il est sans dépendance, implémenté uniquement avec la bibliothèque standard Python.
• Convient aux scénarios où l'on craint une contamination de la mémoire de l'agent : la source officielle souligne que l'isolation au sein du processus est assurée par une séparation propre des globals, empêchant la pollution de la mémoire de l'agent.
• Cas où ce n'est pas adapté : si vous avez besoin d'un véritable bac à sable au niveau du système d'exploitation, d'une isolation réseau ou de limites de ressources, la page officielle n'indique pas qu'elle fournisse ces capacités — c'est inconnu ; les besoins d'exécution du code dans un processus ou un conteneur séparé ne sont pas non plus mentionnés dans la documentation officielle.
• Prérequis inconnus : les preuves officielles n'indiquent pas la version minimale de Python prise en charge, ni si un framework hôte spécifique est nécessaire pour l'appeler ; référez-vous au README du dépôt.

Première tentative en 3 minutes

Chemin recommandé : récupérez le code depuis le dépôt GitHub officiel, chargez ce Skill dans votre environnement d'agent, puis exécutez une expression Python simple et en lecture seule.

1. Prérequis : disposer d'un environnement capable d'exécuter Python. La documentation officielle indique zéro dépendance, bibliothèque standard uniquement ; aucun paquet tiers n'est donc à installer.
2. Récupération : clonez le dépôt officiel en local :

git clone https://github.com/alphaparkinc/genpark-inprocess-python-repl-isolated-namespace-skill

1. Les preuves officielles ne fournissent pas de commande de chargement concrète, de signature de fonction ni de point d'entrée d'appel (par exemple le nom exact de la fonction execute ou le format de configuration) ; pour cette étape, lisez directement les instructions d'utilisation dans le README du dépôt, sans deviner l'interface.
2. Pour la première tentative, il est conseillé d'exécuter un code sans effet de bord, par exemple calculer une expression et afficher le résultat. Deux points suffisent à confirmer le succès : l'exécuteur renvoie bien la sortie stdout de votre code ; l'introspection des variables vous permet de consulter les variables à l'exécution dans l'espace de noms.
3. Signaux de succès : la télémétrie d'exécution structurée (structured execution telemetry décrite par la source officielle) contient les sorties stdout/stderr produites par le code, et la mémoire/les variables propres de l'agent hôte n'ont pas été modifiées par cette exécution.

Attention : la source officielle décrit le cheminement du code comme « code généré par l'agent → moteur à espace de noms isolé → télémétrie d'exécution structurée ». Même avec la restriction des fonctions natives et l'isolation des globals, il s'agit d'une isolation au sein du processus, pas d'un bac à sable hors processus ; ne considérez pas « l'espace de noms isolé » comme sans risque ou comme empêchant tout accès à l'environnement local — la source officielle ne fournit aucune garantie de sécurité de ce type.

Cas d'usage

Cas 1 : effectuer un calcul pur dans la conversation de l'agent

• Scénario : l'utilisateur demande à l'agent de calculer des statistiques sur un jeu de données.
• Méthode : soumettre à cet exécuteur REPL un code Python sans effet de bord, par exemple construire une petite liste, calculer la somme/moyenne puis l'afficher avec print.
• Résultat attendu : la source officielle indique qu'il capture stdout, donc l'agent peut vous renvoyer le résultat affiché ; grâce à la séparation propre des globals, les variables temporaires de ce code ne resteront pas dans la mémoire de l'agent.

Cas 2 : inspecter les variables de l'espace de noms après exécution

• Scénario : vous voulez vérifier quelles variables ont été créées après l'exécution d'un code, et quelles sont leurs valeurs.
• Méthode : après avoir exécuté votre code, utilisez la capacité d'introspection des variables à l'exécution (runtime variable introspection) pour consulter l'état des variables dans l'espace de noms isolé.
• Résultat attendu : vous pouvez voir les variables laissées par cette exécution dans l'espace de noms isolé, avec leur contenu ; les détails concrets de l'appel d'introspection et du format de retour ne sont pas précisés dans les preuves officielles — référez-vous au README du dépôt.

Limites d'utilisation

• Nature en lecture/écriture : c'est un exécuteur de code, capable par nature d'effectuer des opérations d'écriture arbitraires (comme écrire des fichiers) ; les preuves officielles mentionnent seulement la restriction des fonctions natives, sans préciser l'étendue de cette restriction — on ne peut pas confirmer qu'elle empêche toutes les écritures.
• Degré d'isolation : la source officielle ne garantit que l'isolation de l'espace de noms au sein du processus (séparation des globals) et le safe builtins restrictor ; aucune mention officielle d'un bac à sable au niveau processus ou conteneur, ni de restriction réseau.
• Effets de bord et points de vérification : avant l'exécution, vérifiez que le code à exécuter n'a pas d'effets de bord que vous ne souhaitez pas assumer ; la source officielle ne fournit aucun mécanisme « d'annulation du code exécuté ».
• Données locales : l'exécuteur tourne dans votre propre processus Python ; sa capacité à lire des fichiers locaux dépend de l'étendue des restrictions natives, ce que la source officielle ne précise pas — ne le considérez pas comme dépourvu d'implications de confidentialité.
• Non confirmé : l'interface d'appel concrète, la version de Python requise, la gestion des erreurs et le contenu de la liste blanche des safe builtins ne sont indiqués nulle part dans les preuves collectées ; vérifiez le texte original du dépôt avant utilisation.