python-session-mcp

Python in einer Sitzung ausführen, die am Leben bleibt, und sie LLM-Clients über das Model Context Protocol zugänglich machen.

Autor: Dr. Merwan Roudane

Was es anders macht

Die Sitzung bleibt bestehen. Ein DataFrame, der in einem Aufruf geladen wurde, ist im nächsten noch da, sodass eine Analyse in Schritten aufgebaut wird, anstatt jedes Mal vollständig neu gesendet zu werden.

Ihr Interpreter, nicht der des Servers. Der Server kann durchaus unter einem nackten Python ohne pandas installiert sein. Der Interpreter, der Ihren Code ausführt, wird separat gewählt: Eine conda- oder Anaconda-Installation wird bevorzugt, wenn eine vorhanden ist, und PYTHON_MCP_INTERPRETER überschreibt das.

Ein Absturz kostet einen Prozess. Code läuft in einem Worker, nicht im Server. Speicher erschöpfen, sys.exit aufrufen, eine C-Erweiterung zum Absturz bringen – der Worker wird ersetzt und der Server läuft weiter. Es hält auch den Benutzercode vom stdin des Servers fern, das unter MCP der JSON-RPC-Stream selbst ist.

Related MCP server: LLM Python Code Sandbox

Installation

pip install python-session-mcp

Bibliotheksnutzung

from python_mcp import PythonRunner

with PythonRunner() as py:
    py.run("import pandas as pd, statsmodels.api as sm")
    py.run("df = pd.read_csv('macro.csv')")
    print(py.run("df.describe()"))

    py.run("m = sm.OLS(df['y'], sm.add_constant(df[['x','z']])).fit()")
    print(py.run("m.summary()"))
    print(py.value("m.params.to_dict()"))    # a real Python dict

Ein abschließender Ausdruck wird so angezeigt, wie es eine REPL tun würde, sodass df.head() allein den Frame anzeigt, ohne print().

MCP-Server-Nutzung

{
  "mcpServers": {
    "python": {
      "command": "python-session-mcp",
      "env": { "PYTHON_MCP_INTERPRETER": "C:\\Users\\you\\anaconda3\\python.exe" }
    }
  }
}

Werkzeuge

Sitzung

Code ausführen

Daten

Schätzung

Diagramme

Fehler

Fehler nennen die Ausnahme und die Zeile Ihres Codes und lassen die Sitzung intakt:

Python error: NameError on line 2: name 'undefined_name' is not defined

Alles, was vor dem Fehler ausgegeben wurde, wird mit gemeldet, da diese Ausgabe oft erklärt, was den Fehler verursacht hat.

Abbildungen

Ein Plot kann nicht als Text zurückkommen. Zeichnen Sie ihn, dann speichern Sie ihn:

py.run("import matplotlib; matplotlib.use('Agg')")
py.run("import matplotlib.pyplot as plt; plt.plot(df['x'], df['y'], 'o')")
py.save_figure("figures/scatter.png")     # missing folders are created

Wissenswertes

• Der Interpreter ist vom Server getrennt. Prüfen Sie python_status, bevor Sie sich darauf verlassen, dass ein Paket vorhanden ist.

• Zustand ist ein Komfort und eine Gefahr. Namen bleiben bestehen, sodass eine veraltete Variable aus einem früheren Schritt eine spätere stillschweigend speisen kann. reset_namespace beim Start von etwas Neuem.

• run_python führt aus, was ihm gegeben wird, in Ihrer Umgebung, mit Ihrem Dateizugriff. Das ist der Sinn davon, und es lohnt sich, bewusst damit umzugehen.

• Der abschließende Ausdruck wird wiedergegeben. Ein langes DataFrame wird vollständig gedruckt, es sei denn, Sie schneiden es.

Tests

python tests/test_live.py     # 41 tests

Sie decken Persistenz, Fehlerberichterstattung mit Zeilennummern, JSON-Roundtrips, Figurenschreiben, Wiederherstellung nachdem Benutzercode den Worker vollständig tötet, und jedes Daten- und Schätzungswerkzeug gegen generierte Daten mit bekannten Koeffizienten ab.

Gegen EViews auf denselben Daten geprüft, stimmt die Regression mit jeder gedruckten Ziffer überein – Koeffizienten, R-Quadrat, Durbin-Watson und die Breusch-Godfrey- und Jarque-Bera-Statistiken gleichermaßen.

Lizenz

MIT. Copyright (c) 2026 Merwan Roudane.