代码执行器

Name: 代码执行器
Author: bazinga012

作者：bazinga012204 星标更新：2025-05-25

安装使用来源：spider==github.com

项目介绍

MCP代码执行器

MCP代码执行器是一个MCP服务器，允许大型语言模型（LLMs）在指定的Python环境中执行Python代码。这使得LLMs能够运行具有环境定义库和依赖项访问权限的代码。它还支持增量代码生成，以处理可能超过令牌限制的大代码块。

特性

从LLM提示中执行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、虚拟环境或UV虚拟环境）
按需安装依赖项
检查包是否已安装
运行时动态配置环境
可配置的代码存储目录

先决条件

安装Node.js
下列之一：
- 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

克隆此仓库：

git clone https://github.com/bazinga012/mcp_code_executor.git

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仅测试过与venv-uv环境类型一起使用。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：生成的代码将存储在此目录中

环境类型（选择一种设置）

对于Conda：
- ENV_TYPE：设置为conda
- CONDA_ENV_NAME：使用的Conda环境名称
对于标准虚拟环境：
- ENV_TYPE：设置为venv
- VENV_PATH：虚拟环境目录路径
对于UV虚拟环境：
- ENV_TYPE：设置为venv-uv
- UV_VENV_PATH：UV虚拟环境目录路径

可用工具

MCP代码执行器向LLMs提供以下工具：

1. `execute_code`

在配置的环境中执行Python代码。适用于短代码片段。

{
  "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`

检查包是否已在环境中安装。

{
  "name": "check_installed_packages",
  "arguments": {
    "packages": ["numpy", "pandas", "non_existent_package"]
  }
}

4. `configure_environment`

动态更改环境配置。

{
  "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`

创建一个带有初始内容的新Python文件。用于较长代码的第一步，这些代码可能会超过令牌限制。

{
  "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`

向现有Python代码文件追加内容。用于向通过initialize_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。在使用initialize_code_file和append_to_code_file构建代码后作为最后一步使用。

{
  "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。用于在追加更多内容或执行之前验证文件的当前状态。

{
  "name": "read_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py"
  }
}

使用方法

配置完成后，MCP代码执行器将允许LLMs通过在指定的CODE_STORAGE_DIR中生成文件并在配置的环境中运行来执行Python代码。

LLMs可以通过在其提示中引用此MCP服务器来生成和执行代码。

处理大代码块

对于可能超过LLM令牌限制的大代码块，使用增量代码生成方法：

使用initialize_code_file初始化一个基本结构的文件
使用append_to_code_file在后续调用中添加更多代码
如有需要，使用read_code_file验证文件内容
使用execute_code_file执行完整的代码

这种方法允许LLMs编写复杂的多部分代码而不受令牌限制的影响。

向后兼容性

此包保持与早期版本的向后兼容性。仅指定了Conda环境的先前版本用户将继续工作，无需更改其配置。

贡献

欢迎贡献！请打开一个问题或提交一个拉取请求。

许可证

本项目根据MIT许可证授权。