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

Related MCP server: LLM Python Code Sandbox

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

1. 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

2. プロジェクト ディレクトリに移動します。

cd mcp_code_executor

3. Node.js の依存関係をインストールします。

npm install

4. 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。

1. 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

2. 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。

3. 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。

4. 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。