python-session-mcp

Python を存続し続けるセッション内で実行し、Model Context Protocol 経由で LLM クライアントに公開します。

著者: Dr Merwan Roudane

他と違う点

セッションは維持される。 ある呼び出しで読み込んだ DataFrame は次の呼び出しでもそのまま残るため、分析は毎回全体を送り直すのではなく、段階的に構築されます。

あなたのインタープリターであり、サーバーのものではない。 サーバーは、pandas が入っていない素の Python 環境にインストールされているかもしれません。コードを実行するインタープリターは別途選択されます。conda または Anaconda のインストールがあればそれが優先され、PYTHON_MCP_INTERPRETER で上書きできます。

クラッシュしても失われるのは1プロセスだけ。 コードはサーバーではなくワーカーで実行されます。メモリを使い果たしても、sys.exit を呼んでも、C 拡張がクラッシュしても、ワーカーは置き換えられ、サーバーは処理を続けます。また、ユーザーコードをサーバーの標準入力から遠ざけます。MCP では、その標準入力は JSON-RPC ストリームそのものです。

Related MCP server: LLM Python Code Sandbox

インストール

pip install python-session-mcp

ライブラリとしての利用

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

最後の式は REPL と同じように表示されるため、df.head() だけでも print() なしでフレームが表示されます。

MCP サーバーとしての利用

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

ツール

セッション

コードの実行

データ

推定

チャート

エラー

失敗時には、例外と あなたの コードの行が示され、セッションはそのまま維持されます:

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

失敗前に出力されたものは、その失敗と一緒に報告されます。その出力が失敗の原因を説明していることが多いからです。

図

プロットはテキストとして返すことはできません。描画してから保存してください:

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

知っておくべきこと

• インタープリターはサーバーのものとは別です。 パッケージが存在することを前提にする前に python_status で確認してください。

• 状態は便利であると同時に危険です。 名前は残り続けるため、前のステップの古い変数が、いつの間にか後のステップに使われることがあります。新しいことを始めるときは reset_namespace を使いましょう。

• run_python は与えられたものを何でも実行します。あなたの環境で、あなたのファイルアクセス権限で。それがこのツールの目的であり、意図的に使う価値があります。

• 最後の式はエコーされます。 長い DataFrame は、スライスしない限り全体が表示されます。

テスト

python tests/test_live.py     # 41 tests

テストは、永続性、行番号付きのエラー報告、JSON ラウンドトリップ、図の書き出し、ユーザーコードがワーカーを完全に停止させた後の復旧、そして既知の係数を持つ生成データに対するすべてのデータ・推定ツールをカバーしています。

同じデータで EViews と照合したところ、回帰結果は表示されたすべての桁で一致しました。係数、R-squared、Durbin-Watson、そして Breusch-Godfrey と Jarque-Bera の統計量も同様です。

ライセンス

MIT. Copyright (c) 2026 Merwan Roudane.