MCP コードエグゼキューター

MCP Code Executor は、LLM が指定された Python 環境内で Python コードを実行できるようにする MCP サーバーです。これにより、LLM は環境で定義されたライブラリや依存関係にアクセスしながらコードを実行できます。また、トークン制限を超える可能性のある大規模なコードブロックを処理するための増分コード生成もサポートしています。

特徴

LLMプロンプトからPythonコードを実行する
トークン制限を克服するための増分コード生成のサポート
指定された環境（Conda、virtualenv、または UV virtualenv）内でコードを実行する
必要に応じて依存関係をインストールする
パッケージがすでにインストールされているかどうかを確認する
実行時に環境を動的に構成する
設定可能なコード保存ディレクトリ

前提条件

Node.jsがインストールされている
次のいずれか:
- Conda がインストールされ、必要な Conda 環境が作成されました
- Python仮想環境
- UV仮想環境

設定

このリポジトリをクローンします:

git clone https://github.com/bazinga012/mcp_code_executor.git

プロジェクトディレクトリに移動します。

cd mcp_code_executor

Node.js の依存関係をインストールします。

npm install

プロジェクトをビルドします。

npm run build

構成

MCP Code Executor サーバーを構成するには、MCP サーバー構成ファイルに次の行を追加します。

Node.jsの使用

{
  "mcpServers": {
    "mcp-code-executor": {
      "command": "node",
      "args": [
        "/path/to/mcp_code_executor/build/index.js" 
      ],
      "env": {
        "CODE_STORAGE_DIR": "/path/to/code/storage",
        "ENV_TYPE": "conda",
        "CONDA_ENV_NAME": "your-conda-env"
      }
    }
  }
}

Dockerの使用

{
  "mcpServers": {
    "mcp-code-executor": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "mcp-code-executor"
      ]
    }
  }
}

注: Dockerfileはvenv-uv環境タイプでのみテストされています。他の環境タイプでは追加の設定が必要になる場合があります。

環境変数

必須変数

CODE_STORAGE_DIR : 生成されたコードが保存されるディレクトリ

環境タイプ（1つの設定を選択）

Condaの場合:
- ENV_TYPE : condaに設定
- CONDA_ENV_NAME : 使用するConda環境の名前
標準 Virtualenv の場合:
- ENV_TYPE : venvに設定
- VENV_PATH : 仮想環境ディレクトリへのパス
UV Virtualenvの場合:
- ENV_TYPE : venv-uvに設定
- UV_VENV_PATH : UV仮想環境ディレクトリへのパス

利用可能なツール

MCP コードエグゼキュータは、LLM に次のツールを提供します。

1. `execute_code`

設定された環境でPythonコードを実行します。短いコードスニペットに最適です。

{
  "name": "execute_code",
  "arguments": {
    "code": "import numpy as np\nprint(np.random.rand(3,3))",
    "filename": "matrix_gen"
  }
}

2. `install_dependencies`

環境に Python パッケージをインストールします。

{
  "name": "install_dependencies",
  "arguments": {
    "packages": ["numpy", "pandas", "matplotlib"]
  }
}

3. `check_installed_packages`

環境にパッケージがすでにインストールされているかどうかを確認します。

{
  "name": "check_installed_packages",
  "arguments": {
    "packages": ["numpy", "pandas", "non_existent_package"]
  }
}

4. `configure_environment`

環境構成を動的に変更します。

{
  "name": "configure_environment",
  "arguments": {
    "type": "conda",
    "conda_name": "new_env_name"
  }
}

5. `get_environment_config`

現在の環境構成を取得します。

{
  "name": "get_environment_config",
  "arguments": {}
}

6. `initialize_code_file`

初期コンテンツを含む新しいPythonファイルを作成します。トークン制限を超える可能性のある長いコードの最初のステップとしてこれを使用してください。

{
  "name": "initialize_code_file",
  "arguments": {
    "content": "def main():\n    print('Hello, world!')\n\nif __name__ == '__main__':\n    main()",
    "filename": "my_script"
  }
}

7. `append_to_code_file`

既存のPythonコードファイルにコンテンツを追加します。initialize_code_fileで作成されたファイルにコードを追加する場合に使用します。

{
  "name": "append_to_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py",
    "content": "\ndef another_function():\n    print('This was appended to the file')\n"
  }
}

8. `execute_code_file`

既存のPythonファイルを実行します。initialize_code_fileとappend_to_code_fileでコードをビルドした後の最終ステップとして使用してください。

{
  "name": "execute_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py"
  }
}

9. `read_code_file`

既存のPythonコードファイルの内容を読み取ります。ファイルの内容を追加したり実行したりする前に、ファイルの現在の状態を確認するために使用します。

{
  "name": "read_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py"
  }
}

使用法

MCP コードエグゼキュータが設定されると、指定されたCODE_STORAGE_DIRにファイルを生成し、設定された環境内で実行することで、LLM が Python コードを実行できるようになります。

LLM はプロンプトでこの MCP サーバーを参照してコードを生成および実行できます。

大きなコードブロックの処理

LLM トークン制限を超える可能性のある大きなコードブロックの場合は、増分コード生成アプローチを使用します。

基本構造を持つファイルをinitialize_code_fileを使用して初期化する
append_to_code_fileを使用して後続の呼び出しにコードを追加します。
必要に応じてread_code_fileを使用してファイルの内容を確認します。
execute_code_fileを使用して完全なコードを実行します。

このアプローチにより、LLM はトークンの制限に遭遇することなく、複雑な複数部分から成るコードを記述できます。

下位互換性

このパッケージは以前のバージョンとの下位互換性を維持しています。以前のバージョンでConda環境のみを指定していたユーザーは、設定を変更することなく引き続き作業できます。

貢献

貢献を歓迎します！問題を報告したり、プルリクエストを送信してください。

ライセンス

このプロジェクトは MIT ライセンスに基づいてライセンスされています。

Deploy Server

HTTP connection URL

security – no known vulnerabilities

license - permissive license

quality - confirmed to work

How are these scores calculated?

local-only server

The server can only run on the client's local machine because it depends on local resources.

LLM が指定された Conda 環境で Python コードを実行できるようにし、効率的なコード実行のために必要なライブラリと依存関係にアクセスできるようにします。

Related Resources

Reddit Discussion about this server

Related MCP Servers

MCP Python Interpreter
yzfly
A
security
F
license
A
quality
A Model Context Protocol server that allows LLMs to interact with Python environments, execute code, and manage files within a specified working directory.
Last updated -
9
66
Python MCP Sandbox
JohanLi233
-
security
A
license
-
quality
An interactive Python code execution environment that allows users and LLMs to safely execute Python code and install packages in isolated Docker containers.
Last updated -
25
Apache 2.0
MCP Sandbox
JohanLi233
-
security
A
license
-
quality
An interactive Python code execution tool that allows users and LLMs to safely execute Python code and install packages in isolated Docker containers.
Last updated -
25
Apache 2.0
MCP Python Interpreter
PortPro-Technologies-Inc
A
security
F
license
A
quality
A Model Context Protocol server that allows LLMs to interact with Python environments, enabling code execution, file operations, package management, and development workflows.
Last updated -
9

View all related MCP servers

MCP Code Executor