SandBase 운영 중

SandBase는 개발자를 위한 Agent 인프라 플랫폼으로, 하나의 API Key로 2,000개 이상의 모델 및 데이터 API와 E2B 호환 샌드박스 실행 환경을 통합 연결하며 OpenAI Agents API를 지원합니다. 개발자는 Agent가 실제 세계의 데이터를 가져오고, 코드를 실행하고, 파일을 처리하도록 할 수 있습니다. 또한 익숙한 워크플로를 Personal Agent로 패키징하여 자체 제품이나 CLI, MCP 도구에 삽입해 사용하고 호출량에 따라 비용을 지불할 수 있습니다.

WeChat에서 팔로우한 후 “开源”라고 답장하여 AI 오픈소스 프로젝트交流群에 참여
모델 연동: OpenAI Agents API 표준과 호환되므로, 개발자는 익숙한 OpenAI SDK를 사용해 Agent를 생성하고 세션을 설정하며 작업을 실행할 수 있습니다.
데이터 API: X, YouTube, 웹 검색, 기업 자료 등 실제 세계의 데이터를 제공하며, 일부 인터페이스는 매일 100회의 무료 호출을 제공합니다.
샌드박스 실행: E2B 호환 실행 환경을 제공하여 Agent가 샌드박스에서 코드를 실행하고 파일을 처리한 후 결과를 반환할 수 있습니다. 기존 E2B 코드는 낮은 비용으로 마이그레이션할 수 있습니다.
도구 통합: SKILL.md, CLI 및 로컬 MCP 브리지를 지원하며 Claude Code, Codex, Cursor 등 기존 AI 도구에 바로 연결할 수 있습니다.
스킬 템플릿: Twitter 정보 수집, YouTube 전사, SEO 분석, 기업 조사 등 재사용 가능한 Skill이 내장되어 Agent가 실제 작업을 완료하도록 지원합니다.

계정 등록: SandBase 공식 웹사이트 https://www.sandbase.ai/에 접속해 가입한 후 Console에 들어가 SandBase API Key를 발급받습니다.
빠른 연동: Claude Code, Codex, Cursor 등 AI 도구에 명령어 set up https://www.sandbase.ai/SKILL.md를 붙여 넣으면 AI 어시스턴트가 환경 설정을 자동으로 완료합니다.
모델 선택: OpenAI와 호환되는 엔드포인트 api.sandbase.ai/v1을 통해 OpenAI SDK로 필요한 모델을 지정해 Agent를 생성하고 작업 지침을 설정합니다.
데이터 연동: 동일한 API Key로 X, YouTube, 웹 검색 등의 데이터 API를 호출하며, 실행 전에 기능 설명과 가격을 먼저 확인합니다.
작업 실행: Agent 세션을 생성한 후 작업을 전달하면 Agent가 샌드박스에서 코드를 실행하고 자료를 정리해 결과 파일을 생성합니다.
결과 확인: 원본 링크의 유효성과 출력 결과가 선별 규칙에 부합하는지 직접 검증한 후, 프로세스의 신뢰성을 확인하고 자체 제품에 연동합니다.

통합 진입점: 하나의 API Key로 모델, 데이터 API 및 샌드박스를 동시에 연결하여 여러 플랫폼의 인증과 계정 관리를 반복해서 구현할 필요가 없습니다.
프로토콜 호환: OpenAI Agents API와 E2B SDK를 지원하므로 개발자는 기존 코드 작성 방식을 그대로 활용할 수 있어 마이그레이션 비용이 낮습니다.
생태계 통합: SKILL.md, CLI 및 MCP 브리지를 통해 Claude Code, Codex, Cursor 등 주요 AI 도구에 바로 통합하고 Agent를 고객 확보 채널로 활용할 수 있습니다.
실제 데이터: X, YouTube, 웹 검색 등 실제 세계의 데이터 API를 연결하여 Agent가 실제 결과물을 생성하는 작업을 수행할 수 있습니다.
광범위한 지원: 공식 발표 기준 2,000개 이상의 모델 및 API와 100개 이상의 플랫폼을 지원하여 다양한 선택 요구를 충족합니다.

프로젝트 공식 웹사이트: https://www.sandbase.ai/
GitHub 저장소: https://github.com/sandbaseai/

전문가급 학습 데이터 생성: 첨단 모델 기업을 위해 업계 전문가를 조직하여 높은 진입장벽의 SFT 데이터를 대량으로 생성하며, 금융, 법률, 의료, STEM 등 “전문가 수준의 고밀도 사고”가 필요한 분야를 다룹니다.
RL 환경 및 “안티패턴” 데이터: 모델을 위한 강화학습 환경과 “안티패턴” 학습 데이터셋을 구축하여, 모델이 여러 차례 시행착오를 거치며 추론 및 오류 수정 능력을 향상하도록 합니다. Dynasor, ProRL 등의 데이터셋과 학습 결과물도 이미 공개했습니다.
벤치마크 평가 및 “시험장 구축”: 전문가급 벤치마크 평가 서비스를 제공하고 실제 시험장 환경을 시뮬레이션하여 고난도 전문 작업에서 모델의 실제 수준을 검증합니다. 평가 결과는 모델 연구소의 참고 자료로 제공됩니다.
수직 산업 모델 역량 강화: Agent가 프로그래밍 이외의 전문 분야에서 활용될 수 있도록 실제 워크플로를 재현한 학습 과제를 제작하여, 긴 연쇄 과정의 전문 작업에서도 모델이 안정적이고 신뢰성 있게 작동하도록 합니다.