MCP 代码执行器
MCP代码执行器是允许LLMs在指定的Python环境中执行Python代码的MCP服务器. 这使得LLMS能够运行代码,可以访问环境定义的库和依赖. 它还支持处理可能超过符号限制的大型代码块的递增代码生成.
特征
- 从 LLM 提示执行 Python 代码
- 支持递增代码生成以克服符号限制
- 在指定的环境中运行代码( Conda, virtualenv, 或 UV virtualenv)
- 需要时安装依赖关系
- 检查是否已安装软件包
- 在运行时动态配置环境
- 可配置代码存储目录
先决条件
- 已安装节点.js
- 以下是:
- 安装了理想的 Conda 环境
- Python 虚拟版本
- UV 虚拟env
设置
- 克隆此寄存器 :
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 依赖性 :
npm install
- 构建工程 :
npm run build
配置
要配置 MCP 代码执行器服务器, 请在您的 MCP 服务器配置文件中添加以下内容 :
使用节点.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"
}
}
}
}
使用嵌入器
{
"mcpServers": {
"mcp-code-executor": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"mcp-code-executor"
]
}
}
}
说明: Dockerfile只用 vev-uv 环境类型进行了测试. 其他环境类型可能需要额外的配置.
环境变量
所需变量
CODE_STORAGE_DIR: 将存储生成代码的目录
环境类型( 选择一个设置)
-
对于康达:
ENV_TYPE: 设定为condaCONDA_ENV_NAME: 要使用的 Conda 环境名称
-
对于标准Virtualenv:
ENV_TYPE: 设定为venvVENV_PATH: 虚拟env 目录的路径
-
对于紫外线Virtualenv:
ENV_TYPE: 设定为venv-uvUV_VENV_PATH: UV virtualenv 目录路径
可用工具
MCP代码执行器为LLMS提供了下列工具:
1. 联合国. 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. 联合国. install_dependencies
在环境中安装 Python 包.
{
"name": "install_dependencies",
"arguments": {
"packages": ["numpy", "pandas", "matplotlib"]
}
}
3个. check_installed_packages
检查是否已在环境中安装软件包 .
{
"name": "check_installed_packages",
"arguments": {
"packages": ["numpy", "pandas", "non_existent_package"]
}
}
4.四. configure_environment
动态地改变环境配置.
{
"name": "configure_environment",
"arguments": {
"type": "conda",
"conda_name": "new_env_name"
}
}
5 (韩语). get_environment_config
获得当前环境配置.
{
"name": "get_environment_config",
"arguments": {}
}
6. 国家. initialize_code_file
创建带有初始内容的新 Python 文件。 将此作为可能超过符号限制的较长代码的第一步.
{
"name": "initialize_code_file",
"arguments": {
"content": "def main():\n print('Hello, world!')\n\nif __name__ == '__main__':\n main()",
"filename": "my_script"
}
}
7. 联合国. append_to_code_file
将内容添加到已有的 Python 代码文件中 。 使用此选项将更多代码添加到以初始化 code file 创建的文件中 .
{
"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. 联合国. execute_code_file
执行已有的 Python 文件。 以初始化 code file 和 appind to code file 建立代码后, 将此作为最后一步 .
{
"name": "execute_code_file",
"arguments": {
"file_path": "/path/to/code/storage/my_script_abc123.py"
}
}
9. 国家. read_code_file
读取已存在的 Python 代码文件的内容。 在附加更多内容或执行之前, 使用此程序来验证文件的当前状态 .
{
"name": "read_code_file",
"arguments": {
"file_path": "/path/to/code/storage/my_script_abc123.py"
}
}
使用量
配置后, MCP 代码执行器将允许 LLMS 通过生成指定的文件执行 Python 代码 CODE_STORAGE_DIR 并在配置的环境中运行.
LLMS可以通过在它们的提示中引用这个MCP服务器来生成和执行代码.
处理大码块
对于可能超过LLM符号限制的较大代码块,使用递增代码生成方法:
- 初始化文件 使用
initialize_code_file - 添加更多代码 使用
append_to_code_file - 校验文件内容 如果需要使用的话
read_code_file - 执行完整的代码 使用
execute_code_file
这种方法允许LLMs写出复杂的多段代码而不会跑入符号限制.
后向兼容性
这个软件包与更早的版本保持了后向相容性. 仅指定了Conda环境的前几个版本的用户将继续工作,其配置没有任何改变.
捐款
欢迎捐款! 请打开一个问题或提交拉动请求.
许可证
这个项目根据麻省理工学院的许可证获得许可.