Ejecutar Python en MCP

Name: mcp-run-python
Author: pydantic

Servidor de protocolo de contexto de modelo para ejecutar código Python en un entorno sandbox.

El código se ejecuta utilizando Pyodide en Deno y, por lo tanto, está aislado del resto del sistema operativo.

Consulte

El servidor se puede ejecutar con deno instalado usando:

deno run \ -N -R=node_modules -W=node_modules --node-modules-dir=auto \ jsr:@pydantic/mcp-run-python [stdio|sse|warmup]

dónde:

-N -R=node_modules -W=node_modules (alias de --allow-net --allow-read=node_modules --allow-write=node_modules ) permite el acceso de red y de lectura y escritura a ./node_modules . Estos son necesarios para que pyodide pueda descargar y almacenar en caché la biblioteca estándar y los paquetes de Python.
--node-modules-dir=auto le dice a deno que use un directorio node_modules local
stdio ejecuta el servidor con el transporte MCP de Stdio , adecuado para ejecutar el proceso como un subproceso localmente
sse ejecuta el servidor con el transporte SSE MCP , ejecutando el servidor como un servidor HTTP para conectarse local o remotamente
warmup ejecutará un script mínimo de Python para descargar y almacenar en caché la biblioteca estándar de Python. Esto también es útil para comprobar el correcto funcionamiento del servidor.

Aquí hay un ejemplo del uso de @pydantic/mcp-run-python con PydanticAI:

from pydantic_ai import Agent from pydantic_ai.mcp import MCPServerStdio import logfire logfire.configure() logfire.instrument_mcp() logfire.instrument_pydantic_ai() server = MCPServerStdio('deno', args=[ 'run', '-N', '-R=node_modules', '-W=node_modules', '--node-modules-dir=auto', 'jsr:@pydantic/mcp-run-python', 'stdio', ]) agent = Agent('claude-3-5-haiku-latest', mcp_servers=[server]) async def main(): async with agent.run_mcp_servers(): result = await agent.run('How many days between 2000-01-01 and 2025-03-18?') print(result.output) #> There are 9,208 days between January 1, 2000, and March 18, 2025.w if __name__ == '__main__': import asyncio asyncio.run(main())