MCP Code Executor MCP Serveri

Mitä “MCP Code Executor” MCP Serveri tekee?

MCP Code Executor on MCP (Model Context Protocol) -serveri, joka mahdollistaa kielimallien (LLM) Python-koodin suorittamisen määritellyssä Python-ympäristössä, kuten Conda, virtualenv tai UV virtualenv. Yhdistämällä tekoälyassistentit oikeisiin, ajettaviin Python-ympäristöihin se mahdollistaa laajan kirjon kehitystehtäviä, jotka vaativat koodin suorittamista, kirjastojen hallintaa ja dynaamista ympäristön konfigurointia. Tämä serveri tukee inkrementaalista koodigenerointia token-rajoitusten kiertämiseksi, mahdollistaa riippuvuuksien asennuksen lennossa ja helpottaa suoritusympäristön konfigurointia ajonaikaisesti. Kehittäjät voivat hyödyntää työkalua automatisoituun koodin arviointiin, uusien pakettien kokeiluun ja laskennan hallintaan kontrolloidussa ja turvallisessa ympäristössä.

Kehotepohjien lista

Repositoriossa tai dokumentaatiossa ei ole eritelty kehotepohjia.

Resurssien lista

Repositoriossa tai dokumentaatiossa ei ole eritelty erityisiä resursseja.

Työkalujen lista

• execute_code
  • Suorittaa Python-koodia määritellyssä ympäristössä. Sopii lyhyiden koodinpätkien ja skriptien ajoon.
• install_dependencies
  • Asentaa määritellyt Python-paketit nykyiseen ympäristöön, mahdollistaen kirjastojen dynaamisen käyttöönoton.
• check_installed_packages
  • Tarkistaa, mitkä Python-paketit ovat parhaillaan asennettuina ympäristössä.

Tämän MCP-serverin käyttötapaukset

• Automaattinen koodin arviointi
  • LLM:t voivat suorittaa ja testata Python-koodinpätkiä suoraan, mikä on hyödyllistä opetuksessa, arvioinnissa tai debuggaustilanteissa.
• Dynaaminen riippuvuushallinta
  • Asentaa tarvittavat paketit lennosta mahdollistaen LLM:n mukauttaa ympäristö erikoistehtäviä tai -kirjastoja varten.
• Ympäristön eristys
  • Suorittaa koodia eristetyissä Conda- tai virtualenv-ympäristöissä varmistaen toistettavuuden ja ehkäisten riippuvuusristiriidat.
• Inkrementaalinen koodigenerointi
  • Tukee inkrementaalista koodin suorittamista, mahdollistaen suurten koodilohkojen käsittelyn, jotka voisivat ylittää LLM:n token-rajan yhdessä vastauksessa.
• Data science ja analyysi
  • Mahdollistaa AI-agenttien suorittaa data-analyysiä, simulaatioita tai visualisoida tuloksia käyttämällä yleisiä tieteellisiä Python-kirjastoja.

Kuinka ottaa käyttöön

Windsurf

1. Varmista, että Node.js on asennettu.
2. Kloonaa MCP Code Executor -repositorio ja rakenna projekti.
3. Etsi MCP-serverien konfiguraatiotiedosto.
4. Lisää MCP Code Executor -serveri käyttämällä seuraavaa JSON-pätkää:

   {
     "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"
         }
       }
     }
   }
   

5. Tallenna tiedosto ja käynnistä Windsurf uudelleen. Varmista, että serveri on tavoitettavissa.

API-avainten suojaus (esimerkki ympäristömuuttujista)

{
  "mcpServers": {
    "mcp-code-executor": {
      "env": {
        "CODE_STORAGE_DIR": "/path/to/code/storage",
        "ENV_TYPE": "conda",
        "CONDA_ENV_NAME": "your-conda-env",
        "MY_SECRET_API_KEY": "${MY_SECRET_API_KEY}"
      },
      "inputs": {
        "apiKey": "${MY_SECRET_API_KEY}"
      }
    }
  }
}

Claude

1. Varmista, että Node.js on asennettu.
2. Rakenna MCP Code Executor ohjeiden mukaan.
3. Avaa Clauden MCP-serverien asetustiedosto.
4. Lisää seuraava konfiguraatio:

   {
     "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"
         }
       }
     }
   }
   

5. Tallenna ja käynnistä Claude uudelleen. Varmista, että serveri on listattuna.

Cursor

1. Asenna Node.js.
2. Kloonaa ja rakenna MCP Code Executor -repositorio.
3. Muokkaa Cursorin MCP-konfiguraatiota.
4. Lisää:

   {
     "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"
         }
       }
     }
   }
   

5. Tallenna ja käynnistä Cursor uudelleen. Testaa suorittamalla esimerkkikoodin ajo.

Cline

1. Varmista, että Node.js on käytettävissä.
2. Rakenna MCP Code Executor README:n ohjeilla.
3. Etsi Clinen MCP-serverien konfiguraatiotiedosto.
4. Lisää:

   {
     "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"
         }
       }
     }
   }
   

5. Tallenna ja käynnistä Cline uudelleen. Varmista, että MCP-serveri on aktiivinen.

Huom: Voit käyttää myös Dockeria. Mukana toimitettu Dockerfile on testattu venv-uv-ympäristötyypillä:

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

Kuinka käyttää MCP:tä virroissa

MCP:n käyttäminen FlowHuntissa

Integroi MCP-serverit FlowHunt-työnkulkuusi lisäämällä MCP-komponentti virtaasi ja yhdistämällä se AI-agenttiin:

Avaa MCP-komponentin konfiguraatiopaneeli napsauttamalla sitä. Lisää järjestelmän MCP-konfiguraatioon serverisi tiedot seuraavassa JSON-muodossa:

{
  "mcp-code-executor": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Kun asetukset ovat kunnossa, AI-agentti voi käyttää MCP:tä työkaluna ja hyödyntää kaikkia sen toimintoja. Muista vaihtaa “mcp-code-executor” MCP-serverisi todelliseen nimeen ja korvata URL omalla MCP-serverisi osoitteella.

Yhteenveto

Oma mielipiteemme

Tämä MCP-serveri tarjoaa olennaiset ja vankat toiminnot koodin suorittamiseen LLM-integraation kanssa, sekä selkeät asennusohjeet ja työkalut. Kehotepohjat, eksplisiittiset resurssit ja tiedot juurista tai näytteenotosta kuitenkin puuttuvat. Koodin suorituskykyyn keskittyvälle MCP:lle kokonaisuus on erittäin hyvä, ja käytännöllisyydestä sekä integroitavuudesta annan korkean arvosanan, mutta pisteitä vähennetään edistyneiden MCP-ominaisuuksien ja dokumentaation kattavuuden puutteesta.

MCP-pisteet