Servidor MCP de Sandbox

Un servidor MCP que proporciona entornos Docker aislados para la ejecución de código. Este servidor permite:

• Crea contenedores con cualquier imagen de Docker

• Escribir y ejecutar código en múltiples lenguajes de programación.

• Instalar paquetes y configurar entornos de desarrollo

• Ejecutar comandos en contenedores aislados

Prerrequisitos

• Python 3.9 o superior

• Docker instalado y en ejecución

• gestor de paquetes uv (recomendado)

• Servidor Docker MCP (recomendado)

Related MCP server: Python MCP Sandbox

Instalación

1. Clonar este repositorio:

git clone <your-repo-url>
cd sandbox_server

2. Crear y activar un entorno virtual con uv:

uv venv
source .venv/bin/activate  # On Unix/MacOS
# Or on Windows:
# .venv\Scripts\activate

3. Instalar dependencias:

uv pip install .

Integración con Claude Desktop

1. Abra el archivo de configuración de Claude Desktop:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Ventanas: %APPDATA%\Claude\claude_desktop_config.json

2. Agregue la configuración del servidor sandbox:

{
    "mcpServers": {
        "sandbox": {
            "command": "uv",
            "args": [
                "--directory",
                "/absolute/path/to/sandbox_server",
                "run",
                "sandbox_server.py"
            ],
            "env": {
                "PYTHONPATH": "/absolute/path/to/sandbox_server"
            }
        }
    }
}

Reemplace /absolute/path/to/sandbox_server con la ruta real al directorio de su proyecto.

3. Reiniciar Claude Desktop

Ejemplos de uso

Uso básico

Una vez conectado a Claude Desktop, podrá:

1. Crear un contenedor de Python:

Could you create a Python container and write a simple hello world program?

2. Ejecutar código en diferentes idiomas:

Could you create a C program that calculates the fibonacci sequence and run it?

3. Instalar paquetes y utilizarlos:

Could you create a Python script that uses numpy to generate and plot some random data?

Salvando y reproduciendo entornos

El servidor proporciona varias formas de guardar y reproducir sus entornos de desarrollo:

Creación de contenedores persistentes

Al crear un contenedor, puedes hacerlo persistente:

Could you create a persistent Python container with numpy and pandas installed?

Esto creará un contenedor que:

• Sigue funcionando después de que Claude Desktop se cierra

• Se puede acceder directamente a través de Docker

• Conserva todos los paquetes y archivos instalados

El servidor proporcionará instrucciones para:

• Acceder directamente al contenedor ( docker exec )

• Parada y arranque del contenedor

• Quitarlo cuando ya no sea necesario

Guardar el estado del contenedor

Después de configurar su entorno, puede guardarlo como una imagen de Docker:

Could you save the current container state as an image named 'my-ds-env:v1'?

Esto hará lo siguiente:

1. Crea una nueva imagen de Docker con todos tus:

   • Paquetes instalados

   • Archivos creados

   • Cambios de configuración

2. Proporcionar instrucciones para reutilizar el medio ambiente.

Luego puedes compartir esta imagen o usarla como punto de partida para nuevos contenedores:

Could you create a new container using the my-ds-env:v1 image?

Generando Dockerfiles

Para que su entorno sea totalmente reproducible, puede generar un Dockerfile:

Could you export a Dockerfile that recreates this environment?

El Dockerfile generado incluirá:

• Especificación de la imagen base

• Archivos creados

• Plantilla para pasos de configuración adicionales

Puedes usar este Dockerfile para:

1. Comparte la configuración de tu entorno con otros

2. Control de versiones de su entorno de desarrollo

3. Modificar y personalizar el proceso de construcción

4. Implementar en diferentes sistemas

Flujo de trabajo recomendado

Para entornos de desarrollo reproducibles:

1. Crear un contenedor persistente:

Create a persistent Python container for data science work

2. Instale los paquetes necesarios y configure el entorno:

Install numpy, pandas, and scikit-learn in the container

3. Pruebe su configuración:

Create and run a test script to verify the environment

4. Guardar el estado:

Save this container as 'ds-workspace:v1'

5. Exportar un Dockerfile:

Generate a Dockerfile for this environment

Esto le brinda múltiples opciones para recrear su entorno:

• Utilice directamente la imagen de Docker guardada

• Construir desde el Dockerfile con modificaciones

• Acceda al contenedor original si es necesario

Notas de seguridad

• Todo el código se ejecuta en contenedores Docker aislados

• Los contenedores se retiran automáticamente después de su uso.

• Los sistemas de archivos están aislados entre contenedores

• El acceso al sistema host está restringido

Estructura del proyecto

sandbox_server/
├── sandbox_server.py     # Main server implementation
├── pyproject.toml        # Project configuration
└── README.md            # This file

Herramientas disponibles

El servidor proporciona tres herramientas principales:

1. create_container_environment : crea un nuevo contenedor Docker con la imagen especificada

2. create_file_in_container : Crea un archivo en un contenedor

3. execute_command_in_container : ejecuta comandos en un contenedor

4. save_container_state : guarda el estado del contenedor en un contenedor persistente

5. export_dockerfile : exporta un archivo docker para crear un entorno persistente

6. exit_container : cierra un contenedor para limpiar el entorno cuando termina