code-executor MCP сервер

MCP сервер, который позволяет LLM выполнять Python код в указанном Python окружении (Conda, virtualenv, или UV virtualenv) с поддержкой инкрементной генерации кода для обработки больших блоков кода.

Установка

Из исходного кода

git clone https://github.com/bazinga012/mcp_code_executor.git
cd mcp_code_executor
npm install
npm run build

Docker

docker run -i --rm mcp-code-executor

Конфигурация

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"
      }
    }
  }
}

Docker

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

Доступные инструменты

Инструмент	Описание
`execute_code`	Выполняет Python код в настроенном окружении. Лучше всего подходит для коротких фрагментов кода.
`install_dependencies`	Устанавливает Python пакеты в окружение.
`check_installed_packages`	Проверяет, установлены ли уже пакеты в окружении.
`configure_environment`	Динамически изменяет конфигурацию окружения.
`get_environment_config`	Получает текущую конфигурацию окружения.
`initialize_code_file`	Создает новый Python файл с начальным содержимым. Используйте это как первый шаг для более длинного кода...
`append_to_code_file`	Добавляет содержимое к существующему Python файлу кода. Используйте это для добавления кода к файлу, созданному с помощью...
`execute_code_file`	Выполняет существующий Python файл. Используйте это как финальный шаг после создания кода с помощью инициализации...
`read_code_file`	Читает содержимое существующего Python файла кода. Используйте это для проверки текущего состояния файла...

Возможности

Выполнение Python кода из промптов LLM
Поддержка инкрементной генерации кода для преодоления ограничений токенов
Запуск кода в указанном окружении (Conda, virtualenv, или UV virtualenv)
Установка зависимостей при необходимости
Проверка уже установленных пакетов
Динамическая настройка окружения во время выполнения
Настраиваемая директория хранения кода

Переменные окружения

Обязательные

CODE_STORAGE_DIR - Директория, где будет храниться сгенерированный код
ENV_TYPE - Тип окружения (conda, venv, или venv-uv)

Опциональные

CONDA_ENV_NAME - Имя Conda окружения для использования (когда ENV_TYPE равно conda)
VENV_PATH - Путь к директории virtualenv (когда ENV_TYPE равно venv)
UV_VENV_PATH - Путь к директории UV virtualenv (когда ENV_TYPE равно venv-uv)

Примеры использования

Выполните Python код для генерации случайных матриц с помощью numpy

Установите Python пакеты такие как pandas и matplotlib

Проверьте какие пакеты установлены в окружении

Создайте сложные многокомпонентные Python приложения используя инкрементную генерацию кода

Запустите скрипты анализа данных с доступом к библиотекам научных вычислений

Ресурсы

GitHub Repository

Примечания

Конфигурация Docker протестирована только с типом окружения venv-uv. Другие типы окружения могут потребовать дополнительной настройки. Этот пакет поддерживает обратную совместимость с более ранними версиями.