MCP代码执行器
MCP 代码执行器是一个 MCP 服务器，允许 LLM 在指定的 Python 环境中执行 Python 代码。这使得 LLM 能够运行代码并访问环境中定义的库和依赖项。它还支持增量代码生成，以处理可能超出令牌限制的大型代码块。
特征
从 LLM 提示执行 Python 代码
支持增量代码生成以克服令牌限制
在指定环境中运行代码（Conda、virtualenv 或 UV virtualenv）
在需要时安装依赖项
检查软件包是否已安装
在运行时动态配置环境
可配置代码存储目录
Related MCP server: Python MCP Sandbox
先决条件
Node.js 已安装
以下之一：
安装了 Conda 并创建了所需的 Conda 环境
Python虚拟环境
UV虚拟环境
设置
克隆此存储库：
git clone https://github.com/bazinga012/mcp_code_executor.git导航到项目目录：
cd mcp_code_executor安装 Node.js 依赖项：
npm install构建项目：
npm run build配置
要配置 MCP Code Executor 服务器，请将以下内容添加到 MCP 服务器配置文件中：
使用 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"
}
}
}
}使用 Docker
{
"mcpServers": {
"mcp-code-executor": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"mcp-code-executor"
]
}
}
}注意： Dockerfile 仅针对 venv-uv 环境类型进行了测试。其他环境类型可能需要额外配置。
环境变量
必需变量
CODE_STORAGE_DIR：存储生成的代码的目录
环境类型（选择一种设置）
对于 Conda：
ENV_TYPE：设置为condaCONDA_ENV_NAME：要使用的 Conda 环境的名称
对于标准虚拟环境：
ENV_TYPE：设置为venvVENV_PATH：virtualenv 目录的路径
对于 UV Virtualenv：
ENV_TYPE：设置为venv-uvUV_VENV_PATH：UV 虚拟环境目录的路径
可用工具
MCP 代码执行器为 LLM 提供以下工具：
1. execute_code
在配置的环境中执行 Python 代码。最适合短代码片段。
{
"name": "execute_code",
"arguments": {
"code": "import numpy as np\nprint(np.random.rand(3,3))",
"filename": "matrix_gen"
}
}2. install_dependencies
在环境中安装 Python 包。
{
"name": "install_dependencies",
"arguments": {
"packages": ["numpy", "pandas", "matplotlib"]
}
}3. check_installed_packages
检查环境中是否已安装包。
{
"name": "check_installed_packages",
"arguments": {
"packages": ["numpy", "pandas", "non_existent_package"]
}
}4. configure_environment
动态改变环境配置。
{
"name": "configure_environment",
"arguments": {
"type": "conda",
"conda_name": "new_env_name"
}
}5. get_environment_config
获取当前环境配置。
{
"name": "get_environment_config",
"arguments": {}
}6. initialize_code_file
创建一个新的 Python 文件，其中包含初始内容。对于可能超出 token 限制的较长代码，请将此作为第一步。
{
"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
将内容附加到现有的 Python 代码文件。使用此功能可以向使用 initialise_code_file 创建的文件添加更多代码。
{
"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
执行现有的 Python 文件。此操作是使用 initialize_code_file 和 append_to_code_file 构建代码后的最后一步。
{
"name": "execute_code_file",
"arguments": {
"file_path": "/path/to/code/storage/my_script_abc123.py"
}
}9. read_code_file
读取现有 Python 代码文件的内容。在附加更多内容或执行文件之前，使用此方法验证文件的当前状态。
{
"name": "read_code_file",
"arguments": {
"file_path": "/path/to/code/storage/my_script_abc123.py"
}
}用法
配置完成后，MCP 代码执行器将允许 LLM 通过在指定的CODE_STORAGE_DIR中生成文件并在配置的环境中运行它来执行 Python 代码。
LLM 可以通过在其提示中引用此 MCP 服务器来生成和执行代码。
处理大型代码块
对于可能超出 LLM 令牌限制的较大代码块，请使用增量代码生成方法：
使用
initialize_code_file初始化具有基本结构的文件使用
append_to_code_file在后续调用中添加更多代码如果需要，使用
read_code_file验证文件内容使用
execute_code_file执行完整代码
这种方法允许 LLM 编写复杂的、多部分的代码，而不会遇到令牌限制。
向后兼容性
此软件包保持与早期版本的向后兼容性。使用旧版本且仅指定了 Conda 环境的用户无需更改配置即可继续使用。
贡献
欢迎贡献！请打开一个问题或提交一个拉取请求。
执照
该项目已获得 MIT 许可。