MCPコードエグゼキューター MCPサーバー

「MCPコードエグゼキューター」MCPサーバーは何をしますか？

MCPコードエグゼキューターは、LLM（大規模言語モデル）が指定したPython環境（Conda、virtualenv、またはUV virtualenvなど）内でPythonコードを実行できるMCP（Model Context Protocol）サーバーです。AIアシスタントと実際に実行可能なPython環境を連携させることで、コード実行、ライブラリ管理、動的な環境構築など、幅広い開発タスクを実現します。このサーバーはトークン制限を克服するインクリメンタルなコード生成、依存関係のその場インストール、実行環境のランタイム設定にも対応。開発者はこのツールを活用して、コード評価の自動化、新しいパッケージの実験、制御された安全な環境下での計算管理が可能です。

プロンプト一覧

リポジトリやドキュメントに明示的なプロンプトテンプレートは記載されていません。

リソース一覧

リポジトリやドキュメントに特定のリソースは記載されていません。

ツール一覧

• execute_code
  • 設定された環境でPythonコードを実行します。短いスニペットやスクリプトの実行に適しています。
• install_dependencies
  • 必要なPythonパッケージを現在の環境にインストールし、必要に応じてライブラリを動的に追加できます。
• check_installed_packages
  • 環境内に現在インストールされているPythonパッケージを確認します。

このMCPサーバーのユースケース

• 自動コード評価
  • LLMはPythonコードのスニペットを直接実行・テストでき、教育やレビュー、デバッグの場面で役立ちます。
• 動的依存関係管理
  • 必要なパッケージをその場でインストールし、LLMが特定のタスクやライブラリに合わせて実行環境を適応できます。
• 環境分離
  • 分離されたCondaやvirtualenv内でコードを実行し、再現性を確保し依存関係の競合を防ぎます。
• インクリメンタルコード生成
  • インクリメンタルなコード実行をサポートし、LLMのレスポンスでトークン制限を超える大きなコードブロックの処理が可能です。
• データサイエンス・分析
  • 一般的な科学系Pythonライブラリを使い、AIエージェントによるデータ分析、シミュレーション、可視化などを実行できます。

セットアップ方法

Windsurf

1. Node.jsがインストールされていることを確認します。
2. MCPコードエグゼキューターのリポジトリをクローンし、プロジェクトをビルドします。
3. MCPサーバーの設定ファイルを探します。
4. 次のJSONスニペットを使用してMCPコードエグゼキューターサーバーを追加します:

   {
     "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. ファイルを保存しWindsurfを再起動します。サーバーが到達可能か確認してください。

APIキーのセキュリティ確保（環境変数例）

{
  "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. Node.jsがインストールされていることを確認します。
2. リポジトリの手順に従いMCPコードエグゼキューターをビルドします。
3. ClaudeのMCPサーバー設定ファイルを開きます。
4. 次の設定を挿入します:

   {
     "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. 保存してClaudeを再起動します。サーバーがリストにあるか確認してください。

Cursor

1. Node.jsをインストールします。
2. MCPコードエグゼキューターのリポジトリをクローンしてビルドします。
3. CursorのMCP設定を編集します。
4. 追加します:

   {
     "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. 保存してCursorを再起動し、サンプルコード実行でテストします。

Cline

1. Node.jsが利用可能であることを確認します。
2. READMEの手順に従ってMCPコードエグゼキューターをビルドします。
3. MCPサーバー用のCline設定ファイルを探します。
4. 追加します:

   {
     "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. 保存してClineを再起動します。MCPサーバーが稼働中か確認してください。

注: Dockerも利用できます。提供されているDockerfileはvenv-uv環境タイプでテスト済みです:

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

フロー内でこのMCPを利用する方法

FlowHuntでのMCP利用

FlowHuntワークフローにMCPサーバーを組み込むには、フローにMCPコンポーネントを追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションで以下のJSONフォーマットでサーバー情報を入力します。

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

設定が完了すると、AIエージェントはこのMCPのすべての機能・能力にアクセスできるようになります。“mcp-code-executor"の部分は実際のMCPサーバー名に、URLもご自身のサーバーURLに変更してください。

概要

総評

このMCPサーバーは、コード実行とLLM統合において本質的かつ堅牢な機能を提供し、明確なセットアップ方法とツールも備えています。一方で、プロンプトテンプレートや明示的なリソース、ルートやサンプリングサポートに関する情報は不足しています。コード実行に特化したMCPとしては非常に実用的かつ統合も容易で高評価ですが、高度なMCP機能やドキュメントの充実度で一部減点となります。

MCPスコア