Mcp Code Executor

Créé par

bazinga012•Jun 25, 2025

L'exécuteur de code MCP est un serveur MCP qui permet aux LLM d'exécuter du code Python dans un environnement Conda spécifié.

Outils Développeur

Aperçu

Qu'est-ce que l'Exécuteur de Code MCP ?

L'### Exécuteur de Code MCP est un serveur spécialisé conçu pour exécuter du code Python dans un environnement Conda spécifié. Il sert de pont pour les Modèles de Langage de Grande Taille (LLMs) afin d'exécuter des scripts Python sans problème, en s'assurant que les dépendances et les environnements nécessaires sont correctement gérés. Cet outil est particulièrement utile pour les développeurs et les chercheurs qui ont besoin de tester et d'exécuter des extraits de code dans un environnement contrôlé.

Caractéristiques de l'Exécuteur de Code MCP

Gestion de l'Environnement Conda : Configure et gère automatiquement les environnements Conda pour s'assurer que toutes les dépendances sont satisfaites pour l'exécution du code Python.
Intégration avec les LLMs : Permet aux LLMs d'exécuter du code Python, facilitant ainsi l'exploitation des capacités de l'IA dans les tâches de codage.
Répertoire Public : Le code est disponible dans un répertoire public, permettant des contributions et une collaboration de la communauté.
Interface Conviviale : Conçu avec l'ergonomie à l'esprit, facilitant l'exécution du code sans connaissances techniques approfondies.
Open Source : Le projet est open-source, encourageant les développeurs à contribuer et à améliorer ses capacités.

Comment Utiliser l'Exécuteur de Code MCP

Cloner le Répertoire : Commencez par cloner le répertoire de l'Exécuteur de Code MCP depuis GitHub.
```
git clone https://github.com/bazinga012/mcp_code_executor.git
```
Installer les Dépendances : Naviguez vers le répertoire cloné et installez les dépendances requises en utilisant Conda.
```
cd mcp_code_executor
conda env create -f environment.yml
conda activate mcp_env
```
Lancer le Serveur : Démarrez le serveur de l'Exécuteur de Code MCP pour commencer à exécuter du code Python.
```
python server.py
```
Exécuter le Code : Utilisez l'API ou l'interface fournie pour envoyer du code Python à exécuter. Le serveur gérera l'exécution dans l'environnement Conda spécifié.
Vérifier les Résultats : Récupérez la sortie du code exécuté via l'interface ou la réponse de l'API.

Questions Fréquemment Posées

Quels langages de programmation l'Exécuteur de Code MCP prend-il en charge ?

Actuellement, l'Exécuteur de Code MCP est spécifiquement conçu pour Python. Cependant, des mises à jour futures pourraient inclure le support d'autres langages.

L'Exécuteur de Code MCP est-il gratuit à utiliser ?

Oui, l'Exécuteur de Code MCP est open-source et gratuit à utiliser. Vous pouvez trouver le code source sur GitHub.

Comment puis-je contribuer au projet de l'Exécuteur de Code MCP ?

Vous pouvez contribuer en forkant le répertoire, en apportant vos modifications et en soumettant une demande de tirage. Les contributions de la communauté sont les bienvenues et encouragées.

Quelles sont les exigences système pour exécuter l'Exécuteur de Code MCP ?

Vous aurez besoin d'un système qui prend en charge Conda et Python. Les exigences spécifiques peuvent être trouvées dans le fichier environment.yml dans le répertoire.

Puis-je utiliser l'Exécuteur de Code MCP pour des applications de production ?

Bien que l'Exécuteur de Code MCP soit principalement conçu pour les tests et le développement, il peut être adapté pour un usage en production avec des configurations et des optimisations appropriées.

Détail

MCP Code Executor

The MCP Code Executor is an MCP server that allows LLMs to execute Python code within a specified Python environment. This enables LLMs to run code with access to libraries and dependencies defined in the environment. It also supports incremental code generation for handling large code blocks that may exceed token limits.

Features

Execute Python code from LLM prompts
Support for incremental code generation to overcome token limitations
Run code within a specified environment (Conda, virtualenv, or UV virtualenv)
Install dependencies when needed
Check if packages are already installed
Dynamically configure the environment at runtime
Configurable code storage directory

Prerequisites

Node.js installed
One of the following:
- Conda installed with desired Conda environment created
- Python virtualenv
- UV virtualenv

Setup

Clone this repository:

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

Navigate to the project directory:

cd mcp_code_executor

Install the Node.js dependencies:

npm install

Build the project:

npm run build

Configuration

To configure the MCP Code Executor server, add the following to your MCP servers configuration file:

Using 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"
      }
    }
  }
}

Using Docker

{
  "mcpServers": {
    "mcp-code-executor": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "mcp-code-executor"
      ]
    }
  }
}

Note: The Dockerfile has been tested with the venv-uv environment type only. Other environment types may require additional configuration.

Environment Variables

Required Variables

CODE_STORAGE_DIR: Directory where the generated code will be stored

Environment Type (choose one setup)

For Conda:
- ENV_TYPE: Set to conda
- CONDA_ENV_NAME: Name of the Conda environment to use
For Standard Virtualenv:
- ENV_TYPE: Set to venv
- VENV_PATH: Path to the virtualenv directory
For UV Virtualenv:
- ENV_TYPE: Set to venv-uv
- UV_VENV_PATH: Path to the UV virtualenv directory

Available Tools

The MCP Code Executor provides the following tools to LLMs:

1. `execute_code`

Executes Python code in the configured environment. Best for short code snippets.

{
  "name": "execute_code",
  "arguments": {
    "code": "import numpy as np\nprint(np.random.rand(3,3))",
    "filename": "matrix_gen"
  }
}

2. `install_dependencies`

Installs Python packages in the environment.

{
  "name": "install_dependencies",
  "arguments": {
    "packages": ["numpy", "pandas", "matplotlib"]
  }
}

3. `check_installed_packages`

Checks if packages are already installed in the environment.

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

4. `configure_environment`

Dynamically changes the environment configuration.

{
  "name": "configure_environment",
  "arguments": {
    "type": "conda",
    "conda_name": "new_env_name"
  }
}

5. `get_environment_config`

Gets the current environment configuration.

{
  "name": "get_environment_config",
  "arguments": {}
}

6. `initialize_code_file`

Creates a new Python file with initial content. Use this as the first step for longer code that may exceed token limits.

{
  "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`

Appends content to an existing Python code file. Use this to add more code to a file created with initialize_code_file.

{
  "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`

Executes an existing Python file. Use this as the final step after building up code with initialize_code_file and append_to_code_file.

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

9. `read_code_file`

Reads the content of an existing Python code file. Use this to verify the current state of a file before appending more content or executing it.

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

Usage

Once configured, the MCP Code Executor will allow LLMs to execute Python code by generating a file in the specified CODE_STORAGE_DIR and running it within the configured environment.

LLMs can generate and execute code by referencing this MCP server in their prompts.

Handling Large Code Blocks

For larger code blocks that might exceed LLM token limits, use the incremental code generation approach:

Initialize a file with the basic structure using initialize_code_file
Add more code in subsequent calls using append_to_code_file
Verify the file content if needed using read_code_file
Execute the complete code using execute_code_file

This approach allows LLMs to write complex, multi-part code without running into token limitations.

Backward Compatibility

This package maintains backward compatibility with earlier versions. Users of previous versions who only specified a Conda environment will continue to work without any changes to their configuration.

Contributing

Contributions are welcome! Please open an issue or submit a pull request.

License

This project is licensed under the MIT License.

Configuration du serveur

{
  "mcpServers": {
    "mcp-code-executor": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "ghcr.io/metorial/mcp-container--bazinga012--mcp_code_executor--mcp-code-executor",
        "node ./build/index.js"
      ],
      "env": {
        "CODE_STORAGE_DIR": "code-storage-dir",
        "CONDA_ENV_NAME": "conda-env-name"
      }
    }
  }
}

Infos du projet

Auteur

bazinga012

Qu'est-ce que l'Exécuteur de Code MCP ?

Caractéristiques de l'Exécuteur de Code MCP

Gestion de l'Environnement Conda : Configure et gère automatiquement les environnements Conda pour s'assurer que toutes les dépendances sont satisfaites pour l'exécution du code Python.
Intégration avec les LLMs : Permet aux LLMs d'exécuter du code Python, facilitant ainsi l'exploitation des capacités de l'IA dans les tâches de codage.
Répertoire Public : Le code est disponible dans un répertoire public, permettant des contributions et une collaboration de la communauté.
Interface Conviviale : Conçu avec l'ergonomie à l'esprit, facilitant l'exécution du code sans connaissances techniques approfondies.
Open Source : Le projet est open-source, encourageant les développeurs à contribuer et à améliorer ses capacités.

Comment Utiliser l'Exécuteur de Code MCP

Cloner le Répertoire : Commencez par cloner le répertoire de l'Exécuteur de Code MCP depuis GitHub.
```
git clone https://github.com/bazinga012/mcp_code_executor.git
```
Installer les Dépendances : Naviguez vers le répertoire cloné et installez les dépendances requises en utilisant Conda.
```
cd mcp_code_executor
conda env create -f environment.yml
conda activate mcp_env
```
Lancer le Serveur : Démarrez le serveur de l'Exécuteur de Code MCP pour commencer à exécuter du code Python.
```
python server.py
```
Exécuter le Code : Utilisez l'API ou l'interface fournie pour envoyer du code Python à exécuter. Le serveur gérera l'exécution dans l'environnement Conda spécifié.
Vérifier les Résultats : Récupérez la sortie du code exécuté via l'interface ou la réponse de l'API.

Questions Fréquemment Posées

Quels langages de programmation l'Exécuteur de Code MCP prend-il en charge ?

Actuellement, l'Exécuteur de Code MCP est spécifiquement conçu pour Python. Cependant, des mises à jour futures pourraient inclure le support d'autres langages.

L'Exécuteur de Code MCP est-il gratuit à utiliser ?

Oui, l'Exécuteur de Code MCP est open-source et gratuit à utiliser. Vous pouvez trouver le code source sur GitHub.

Comment puis-je contribuer au projet de l'Exécuteur de Code MCP ?

Vous pouvez contribuer en forkant le répertoire, en apportant vos modifications et en soumettant une demande de tirage. Les contributions de la communauté sont les bienvenues et encouragées.

Quelles sont les exigences système pour exécuter l'Exécuteur de Code MCP ?

Vous aurez besoin d'un système qui prend en charge Conda et Python. Les exigences spécifiques peuvent être trouvées dans le fichier environment.yml dans le répertoire.

Puis-je utiliser l'Exécuteur de Code MCP pour des applications de production ?

Détail

MCP Code Executor

Features

Execute Python code from LLM prompts
Support for incremental code generation to overcome token limitations
Run code within a specified environment (Conda, virtualenv, or UV virtualenv)
Install dependencies when needed
Check if packages are already installed
Dynamically configure the environment at runtime
Configurable code storage directory

Prerequisites

Node.js installed
One of the following:
- Conda installed with desired Conda environment created
- Python virtualenv
- UV virtualenv

Setup

Clone this repository:

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

Navigate to the project directory:

cd mcp_code_executor

Install the Node.js dependencies:

npm install

Build the project:

npm run build

Configuration

To configure the MCP Code Executor server, add the following to your MCP servers configuration file:

Using 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"
      }
    }
  }
}

Using Docker

{
  "mcpServers": {
    "mcp-code-executor": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "mcp-code-executor"
      ]
    }
  }
}

Note: The Dockerfile has been tested with the venv-uv environment type only. Other environment types may require additional configuration.

Environment Variables

Required Variables

CODE_STORAGE_DIR: Directory where the generated code will be stored

Environment Type (choose one setup)

For Conda:
- ENV_TYPE: Set to conda
- CONDA_ENV_NAME: Name of the Conda environment to use
For Standard Virtualenv:
- ENV_TYPE: Set to venv
- VENV_PATH: Path to the virtualenv directory
For UV Virtualenv:
- ENV_TYPE: Set to venv-uv
- UV_VENV_PATH: Path to the UV virtualenv directory

Available Tools

The MCP Code Executor provides the following tools to LLMs:

1. `execute_code`

Executes Python code in the configured environment. Best for short code snippets.

{
  "name": "execute_code",
  "arguments": {
    "code": "import numpy as np\nprint(np.random.rand(3,3))",
    "filename": "matrix_gen"
  }
}

2. `install_dependencies`

Installs Python packages in the environment.

{
  "name": "install_dependencies",
  "arguments": {
    "packages": ["numpy", "pandas", "matplotlib"]
  }
}

3. `check_installed_packages`

Checks if packages are already installed in the environment.

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

4. `configure_environment`

Dynamically changes the environment configuration.

{
  "name": "configure_environment",
  "arguments": {
    "type": "conda",
    "conda_name": "new_env_name"
  }
}

5. `get_environment_config`

Gets the current environment configuration.

{
  "name": "get_environment_config",
  "arguments": {}
}

6. `initialize_code_file`

Creates a new Python file with initial content. Use this as the first step for longer code that may exceed token limits.

{
  "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`

Appends content to an existing Python code file. Use this to add more code to a file created with initialize_code_file.

{
  "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`

Executes an existing Python file. Use this as the final step after building up code with initialize_code_file and append_to_code_file.

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

9. `read_code_file`

Reads the content of an existing Python code file. Use this to verify the current state of a file before appending more content or executing it.

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

Usage

Once configured, the MCP Code Executor will allow LLMs to execute Python code by generating a file in the specified CODE_STORAGE_DIR and running it within the configured environment.

LLMs can generate and execute code by referencing this MCP server in their prompts.

Handling Large Code Blocks

For larger code blocks that might exceed LLM token limits, use the incremental code generation approach:

Initialize a file with the basic structure using initialize_code_file
Add more code in subsequent calls using append_to_code_file
Verify the file content if needed using read_code_file
Execute the complete code using execute_code_file

This approach allows LLMs to write complex, multi-part code without running into token limitations.

Backward Compatibility

Contributing

Contributions are welcome! Please open an issue or submit a pull request.

License

This project is licensed under the MIT License.

{ "mcpServers": { "mcp-code-executor": { "command": "docker", "args": [ "run", "-i", "--rm", "ghcr.io/metorial/mcp-container--bazinga012--mcp_code_executor--mcp-code-executor", "node ./build/index.js" ], "env": { "CODE_STORAGE_DIR": "code-storage-dir", "CONDA_ENV_NAME": "conda-env-name" } } } }

Mcp Code Executor Alternative

Pour quelques alternatives à Mcp Code Executor dont vous pourriez avoir besoin, nous vous proposons des sites classés par catégorie.

Mcp Terminal

@sichang824

MCP Terminal est un serveur de contrôle de terminal basé sur le MCP (Model Context Protocol), spécialement conçu pour l'intégration avec des modèles de langage de grande taille (LLM) et des assistants AI. Il fournit une interface standardisée permettant à l'AI d'exécuter des commandes de terminal et d'obtenir des résultats de sortie.

Outils Développeur

Gitingest Mcp Serveur

@narumiruna

gitingestmcp

Outils Développeur

Bright Data Mcp

@brightdata

Un puissant serveur de Protocole de Contexte de Modèle (MCP) qui offre une solution tout-en-un pour l'accès web public.

Outils Développeur

Mcp Retour Amélioré

@Minidoracat

Serveur MCP amélioré pour des retours interactifs des utilisateurs et l'exécution de commandes dans le développement assisté par IA, avec un support d'interface double (interface Web et application de bureau) dotée d'une détection intelligente de l'environnement et d'une compatibilité multiplateforme.

Outils Développeur

Serveur MCP Elasticsearch Octodet

@Octodet

Un serveur MCP Elasticsearch complet

Outils Développeur

email serveur mcp par cdata

@CDataSoftware

Ce serveur MCP en lecture seule vous permet de vous connecter aux données Email depuis Claude Desktop via les pilotes JDBC de CData. Des serveurs en lecture/écriture gratuits (bêta) sont disponibles sur https://www.cdata.com/solutions/mcp

Outils Développeur

Serveur MCP Firecrawl

@mendableai

Serveur officiel Firecrawl MCP - Ajoute un puissant web scraping à Cursor, Claude et à tout autre client LLM.

Outils Développeur

Temps

@modelcontextprotocol

Le serveur MCP Time est un serveur de Protocole de Contexte Modèle qui fournit des capacités de conversion de temps et de fuseau horaire. Il permet aux LLM d'obtenir des informations sur l'heure actuelle et d'effectuer des conversions de fuseau horaire en utilisant les noms de fuseau horaire IANA, avec détection automatique du fuseau horaire du système.

Outils Développeur

Mcp Code Executor

Aperçu

Qu'est-ce que l'Exécuteur de Code MCP ?

Caractéristiques de l'Exécuteur de Code MCP

Comment Utiliser l'Exécuteur de Code MCP

Questions Fréquemment Posées

Quels langages de programmation l'Exécuteur de Code MCP prend-il en charge ?

L'Exécuteur de Code MCP est-il gratuit à utiliser ?

Comment puis-je contribuer au projet de l'Exécuteur de Code MCP ?

Quelles sont les exigences système pour exécuter l'Exécuteur de Code MCP ?

Puis-je utiliser l'Exécuteur de Code MCP pour des applications de production ?

Détail

MCP Code Executor

Features

Prerequisites

Setup

Configuration

Using Node.js

Using Docker

Environment Variables

Required Variables

Environment Type (choose one setup)

Available Tools

1. execute_code

2. install_dependencies

3. check_installed_packages

4. configure_environment

5. get_environment_config

6. initialize_code_file

7. append_to_code_file

8. execute_code_file

9. read_code_file

Usage

Handling Large Code Blocks

Backward Compatibility

Contributing

License

Configuration du serveur

Infos du projet

Mcp Code Executor

Aperçu

Qu'est-ce que l'Exécuteur de Code MCP ?

Caractéristiques de l'Exécuteur de Code MCP

Comment Utiliser l'Exécuteur de Code MCP

Questions Fréquemment Posées

Quels langages de programmation l'Exécuteur de Code MCP prend-il en charge ?

L'Exécuteur de Code MCP est-il gratuit à utiliser ?

Comment puis-je contribuer au projet de l'Exécuteur de Code MCP ?

Quelles sont les exigences système pour exécuter l'Exécuteur de Code MCP ?

Puis-je utiliser l'Exécuteur de Code MCP pour des applications de production ?

Détail

MCP Code Executor

Features

Prerequisites

Setup

Configuration

Using Node.js

Using Docker

Environment Variables

Required Variables

Environment Type (choose one setup)

Available Tools

1. execute_code

2. install_dependencies

3. check_installed_packages

4. configure_environment

5. get_environment_config

6. initialize_code_file

7. append_to_code_file

8. execute_code_file

9. read_code_file

Usage

Handling Large Code Blocks

Backward Compatibility

Contributing

License

Configuration du serveur

Infos du projet

Mcp Code Executor Alternative

Mcp Terminal

1. `execute_code`

2. `install_dependencies`

3. `check_installed_packages`

4. `configure_environment`

5. `get_environment_config`

6. `initialize_code_file`

7. `append_to_code_file`

8. `execute_code_file`

9. `read_code_file`

1. `execute_code`

2. `install_dependencies`

3. `check_installed_packages`

4. `configure_environment`

5. `get_environment_config`

6. `initialize_code_file`

7. `append_to_code_file`

8. `execute_code_file`

9. `read_code_file`