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: Python MCP 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
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_executorNode.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。