今天凌晨，网友 @jianxliao 在 X 平台上分享了其与 Manus AI 的互动经历，并迅速引来了近百万网友的围观。
据用户描述，他仅通过简单的请求（如访问 /opt/.manus/ 文件夹）便成功获取了 Manus 的沙盒运行时代码。
并揭示了 Manus 使用 Claude Sonnet 模型等技术细节。
一时间，关于 Manus 被成功「越狱」的消息甚嚣尘上。
就在刚刚，Manus 联合创始人 @peakji（季逸超）作出了回应，他表示，
这并非意外或漏洞，而是 Manus 设计的一部分。
简单来说，沙盒是一个被严格限制的环境，
开发者可以在沙盒里测试新功能，不用担心代码出错会破坏整个系统。
每个会话都有独立的沙盒环境，与其他会话完全隔离。用户可以通过 Manus 的界面直接进入沙盒。
沙盒中的代码主要用于接收 agent 发出的指令，因此仅被轻微混淆处理。
即使用户获取了沙盒代码，也不会对系统的整体安全构成威胁。
Peak 强调，Manus 的设计并不神秘，其行动空间的设计与学术界常见的方法类似。
且由于采用了检索增强生成（RAG）机制，工具描述会根据任务的不同而动态变化。这意味着，即使通过「越狱」手段获取工具信息，也无法得到一致的结果。
Peak 表示 Manus 采用多 agent 协作的架构设计。
用户在与 Manus 交互时，实际上只与执行 agent 通信，而执行 agnet 本身并不掌握其他 agent 的详细信息。
这种设计不仅有助于控制上下文长度，还能有效避免因过多信息导致性能下降。
「这也是为什么通过『越狱』获得的提示大多是幻觉的原因。
」Peak 解释道。
Peak 坦言，团队使用了许多开源技术。与此同时也一直秉持开源传统，「在不久的将来，我们将开源不少好东西。」
他本人也长期在 Hugging Face 上分享训练后的模型。
当被问及 Manus 的基础模型时，Peak
称目前使用的是 Claude 和 Qwen 微调模型。团队早期只能使用 Claude 3.5 Sonnet v1（不支持长链推理），因此需要大量辅助模型来弥补不足。
Peak 还表示正在内部测试 Claude 3.7，并将尽快发布更新。
值得一提的是，Peak 也谈到了 Manus 是否使用 MCP（Model Context Protocol，模型上下文协议）的热议话题。
简单来说，你可以把 MCP 想象成一个「万能接口」，
就像电脑上的 USB-C 接口一样。这个接口让 AI 模型能够轻松地连接到各种外部资源，比如文件、数据库、在线服务等。
通过 MCP，AI 助手不仅能获取数据，还能直接对数据进行操作，比如读取文件内容、更新数据库记录等。
「
实际上，
Manus 并没有使用 MCP。
我们更多地受到了我的朋友王星尧（
@xingyaow_
）的研究工作的启发。」
名为
《Executable Code Actions Elicit Better LLM Agents》的研究论文，引入可执行 Python 代码（CodeAct），提出了一种新的方法来增强大型语言模型（LLM）agent 的能力。
该方法使得 LLM agent 能够直接执行代码行为，从而将多种行为统一到一个更加灵活和强大的动作空间中。
附上论文链接：
https://openreview.net/forum?id=jJ9BoXAfFa
尽管 Manus 研究团队并未完全采用 CodeAct，但这项研究提供了三个关键见解：
1️⃣ 编写代码并不是最终目标，而是一种通用的解决问题的方法。
3️⃣ 由于 LLM 在编程方面表现出色，因此让智能体执行与其训练分布最接近的任务是合理的。
3️⃣ 这种方法大大减少了上下文长度，并且能够组合复杂的操作。
