Исполнитель кода MCP

MCP Code Executor — это сервер MCP, который позволяет LLM выполнять код Python в указанной среде Python. Это позволяет LLM запускать код с доступом к библиотекам и зависимостям, определенным в среде. Он также поддерживает инкрементальную генерацию кода для обработки больших блоков кода, которые могут превышать ограничения токенов.

Функции

Выполнение кода Python из подсказок LLM
Поддержка инкрементальной генерации кода для преодоления ограничений токенов
Запустить код в указанной среде (Conda, virtualenv или UV virtualenv)
Устанавливайте зависимости при необходимости
Проверьте, установлены ли уже пакеты
Динамически настраивать среду во время выполнения
Настраиваемый каталог хранения кодов

Предпосылки

Node.js установлен
Один из следующих вариантов:
- Conda установлена с созданием желаемой среды Conda
- Виртуальное о��ружение Python
- УФ виртуальное окружение

Настраивать

Клонируйте этот репозиторий:

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

Перейдите в каталог проекта:

cd mcp_code_executor

Установите зависимости Node.js:

npm install

Создайте проект:

npm run build

Конфигурация

Чтобы настроить сервер MCP Code Executor, добавьте следующее в файл конфигурации серверов MCP:

Использование Node.js

{
  "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"
      }
    }
  }
}

Использование Докера

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

Примечание: Dockerfile был протестирован только с типом среды venv-uv. Другие типы среды могут потребовать дополнительной настройки.

Переменные среды

Требуемые переменные

CODE_STORAGE_DIR : Каталог, в котором будет сохранен сгенерированный код.

Тип среды (выберите одну настройку)

Для Конды:
- ENV_TYPE : Установить значение conda
- CONDA_ENV_NAME : Имя используемой среды Conda
Для стандартного Virtualenv:
- ENV_TYPE : Установить на venv
- VENV_PATH : Путь к каталогу virtualenv
Для UV Virtualenv:
- ENV_TYPE : Установить venv-uv
- UV_VENV_PATH : Путь к каталогу UV virtualenv

Доступные инструменты

MCP Code Executor предоставляет следующие инструменты для LLM:

1. `execute_code`

Выполняет код Python в настроенной среде. Лучше всего подходит для коротких фрагментов кода.

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

2. `install_dependencies`

Устанавливает пакеты Python в среду.

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

3. `check_installed_packages`

Проверяет, установлены ли уже пакеты в среде.

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

4. `configure_environment`

Динамически изменяет конфигурацию среды.

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

5. `get_environment_config`

Получает текущую конфигурацию среды.

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

6. `initialize_code_file`

Создает новый файл Python с начальным содержимым. Используйте это как п��рвый шаг для более длинного кода, который может превысить лимиты токенов.

{
  "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`

Добавляет содержимое к существующему файлу кода Python. Используйте это, чтобы добавить больше кода в файл, созданный с помощью initialize_code_file.

{
  "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`

Выполняет существующий файл Python. Используйте это как последний шаг после создания кода с помощью initialize_code_file и append_to_code_file.

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

9. `read_code_file`

Читает содержимое существующего файла кода Python. Используйте это для проверки текущего состояния файла перед добавлением дополнительного содержимого или его выполнением.

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

Использование

После настройки MCP Code Executor позволит LLM выполнять код Python, генерируя файл в указанном CODE_STORAGE_DIR и запуская его в настроенной среде.

LLM могут генерировать и выполнять код, ссылаясь на этот сервер MCP в своих подсказках.

Обработка больших блоков кода

Для более крупных блоков кода, которые могут превысить ограничения токенов LLM, используйте подход инкрементной генерации кода:

Инициализируйте файл с базовой структурой, используя initialize_code_file
Добавьте больше кода в последующие вызовы с помощью append_to_code_file
При необходимости проверьте содержимое файла с помощью read_code_file
Выполните весь код с помощью execute_code_file

Такой подход позволяет LLM писать сложный, многокомпонентный код, не сталкиваясь с ограничениями токенов.

Обратная совместимость

Этот пакет поддерживает обратную совместимость с более ранними версиями. Пользователи предыдущих версий, которые указали только среду Conda, продолжат работать без каких-либо изменений в своей конфигурации.

Внося вклад

Вклады приветствуются! Пожалуйста, откройте тему или отправьте запрос на извлечение.

Лицензия

Данный проект лицензирован по лицензии MIT.

Install 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.

Tools

execute_code

Позволяет LLM выполнять код Python в указанной среде Conda, обеспечивая доступ к необходимым библиотекам и зависимостям для эффективного выполнения кода.

Related Resources

Reddit Discussion about this server

Related MCP Servers

mcp-pyodide
yonaka15
A
security
A
license
A
quality
A Pyodide server for executing Python code by Large Language Models (LLMs) via the Model Context Protocol (MCP).
Last updated -
5
8
10
TypeScript
MIT License
Fused MCP Agentsofficial
fusedio
-
security
A
license
-
quality
A Python-based MCP server that allows Claude and other LLMs to execute arbitrary Python code directly through your desktop Claude app, enabling data scientists to connect LLMs to APIs and executable code.
Last updated -
23
MIT License
MCP Server for continue.dev
alexsmirnov
A
security
F
license
A
quality
A Python server implementing the Model Context Protocol to provide customizable prompt templates, resources, and tools that enhance LLM interactions in the continue.dev environment.
Last updated -
2
1
Python
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
42
Python

View all related MCP servers

MCP Code Executor