「Code Sandbox」MCPサーバーとは？

Code Sandbox MCP（Model Context Protocol）サーバーは、AIアシスタントやアプリケーションが安全かつ分離された環境でコードを実行できるように設計された特化ツールです。Dockerによるコンテナ化技術を活用し、ユーザーやAIが生成したコードを柔軟で使い捨て可能なコンテナ内で安全に実行します。このサンドボックス方式により、コードがホストシステムへ影響を及ぼしたり、機密データが漏洩したりすることを防ぎます。サーバーは、シェルコマンドの実行、ファイル転送、ログのストリーミングなど、さまざまな開発ワークフローをカスタムまたはユーザー選択のDockerイメージ内で実現します。これらの機能をMCPプロトコル経由で提供することで、AI開発者は高度な自動化・テスト・安全なコード管理を効率的に行えるようになり、AIエージェントや開発者ツールの高度な活用を可能にします。

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明示的なMCPリソースの記載はありません。

ツール一覧

• 柔軟なコンテナ管理: 分離されたDockerコンテナを作成・管理し、安全にコードを実行できます。
• カスタム環境対応: 任意のDockerイメージを実行環境として利用でき、特定の言語やプロジェクト要件にサンドボックスを最適化可能。
• ファイル操作: ホストシステムとコンテナ間でファイルやディレクトリの転送が簡単にでき、コンテキスト共有や永続ストレージが可能。
• コマンド実行: コンテナ内で任意のシェルコマンド実行に対応。コンパイル・テスト・スクリプト実行などに便利。
• リアルタイムログ: コンテナのログやコマンド出力をリアルタイムでストリーム配信し、即時のフィードバックやデバッグ情報を提供。

このMCPサーバーのユースケース

• 安全なコード実行: 信頼できないコードやユーザー提出コードをサンドボックス環境で実行し、システム侵害やデータ漏洩を防止。
• 自動テスト: テストスイートの実行、コードのコンパイル、出力確認を使い捨てコンテナで行い、再現性と分離性を確保。
• AIエージェントのコーディングタスク: AIアシスタントがプログラミングやコードレビューの一環として、安全にコードを書き換え・実行できる。
• 教育・実験用途: 学生やユーザーが共用インフラを危険にさらすことなく、安心してコード実験できる環境を提供。
• 継続的インテグレーションパイプライン: CIシステムと連携し、MCPサーバー管理の安全なコンテナでビルドやデプロイ工程を実行可能。

セットアップ方法

Windsurf

1. ご利用のシステムにDockerがインストールされ稼働していることを確認します。
2. Windsurfの設定ファイル（通常は ~/.windsurf/config.json）を探します。
3. 設定ファイルの mcpServers セクションにCode Sandbox MCPサーバーを追加します:

   {
     "mcpServers": {
       "code-sandbox": {
         "command": "npx",
         "args": ["@Automata-Labs-team/code-sandbox-mcp@latest"]
       }
     }
   }
   

4. 設定ファイルを保存し、Windsurfを再起動します。
5. Windsurfダッシュボードからサーバーが稼働していることを確認します。

APIキーのセキュリティ

機密キーは環境変数で管理しましょう:

{
  "mcpServers": {
    "code-sandbox": {
      "command": "npx",
      "args": ["@Automata-Labs-team/code-sandbox-mcp@latest"],
      "env": {
        "API_KEY": "${API_KEY}"
      },
      "inputs": {
        "apiKey": "${API_KEY}"
      }
    }
  }
}

Claude

1. Dockerが稼働していることを確認します。
2. Claudeの設定ファイルを開きます。
3. サーバー設定を以下のように追加します:

   {
     "mcpServers": {
       "code-sandbox": {
         "command": "npx",
         "args": ["@Automata-Labs-team/code-sandbox-mcp@latest"]
       }
     }
   }
   

4. Claudeを再起動し、連携が有効か確認します。

Cursor

1. Dockerが動作していることを確認します。
2. Cursorの設定ファイルを編集します。
3. MCPサーバー設定を挿入します:

   {
     "mcpServers": {
       "code-sandbox": {
         "command": "npx",
         "args": ["@Automata-Labs-team/code-sandbox-mcp@latest"]
       }
     }
   }
   

4. 保存し、Cursorを再起動します。

Cline

1. Dockerがインストールされ、起動していることを確認します。
2. Clineの設定ファイルを探します。
3. MCPサーバーのエントリを追加します:

   {
     "mcpServers": {
       "code-sandbox": {
         "command": "npx",
         "args": ["@Automata-Labs-team/code-sandbox-mcp@latest"]
       }
     }
   }
   

4. 保存してClineを再起動し、設定を反映させます。

注意: APIキーなどの機密情報は必ず環境変数で管理してください。設定例のように、JSONでenvやinputsを使用します。

フロー内でこのMCPを使うには

FlowHuntにおけるMCPの利用

FlowHuntワークフローにMCPサーバーを統合するには、まずフローに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設定セクションに次のJSON形式でMCPサーバー情報を入力します:

{
  "code-sandbox": {
    "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をツールとして利用でき、すべての機能・能力にアクセス可能となります。“code-sandbox"の部分は実際のMCPサーバー名に、URLはご自身のMCPサーバーのものに置き換えてください。

概要

所感

このMCPサーバーは、コンテナ技術による安全なコード実行のための堅牢かつ基本的な機能を提供し、実用的なセットアップ手順も備えています。ただし、MCPプロンプトテンプレートやリソースプリミティブの明確なドキュメントが不足しているため、一部のMCP文脈ではそのまま利用しづらい面もあります。明確なライセンス、活発な開発状況、スター・フォークの多さから信頼性は高いです。ルーツやサンプリングの記述・サポートはありません。

評価: 7/10。 安全なコード実行や開発ワークフローに優れていますが、より充実したMCPネイティブなドキュメントやリソース・プロンプト定義が加わればさらに良いでしょう。

MCPスコア