“MCP 코드 실행기” MCP 서버는 무엇을 하나요?

MCP 코드 실행기는 MCP(Model Context Protocol) 서버로, 언어 모델(LLM)이 Conda, virtualenv, UV virtualenv 등 지정된 Python 환경 내에서 Python 코드를 실행할 수 있도록 해줍니다. AI 어시스턴트를 실제 실행 가능한 Python 환경과 연결해줌으로써, 코드 실행, 라이브러리 관리, 동적 환경 설정 등 다양한 개발 업무를 수행할 수 있게 합니다. 이 서버는 토큰 한계를 극복하는 점진적 코드 생성, 실시간 의존성 설치, 실행 환경의 런타임 구성 등을 지원합니다. 개발자는 이 도구를 활용해 코드 평가 자동화, 새로운 패키지 실험, 안전하고 통제된 환경 내에서 연산 관리를 할 수 있습니다.

프롬프트 목록

저장소나 문서에서 별도의 프롬프트 템플릿이 명시되어 있지 않습니다.

리소스 목록

저장소나 문서에서 명시적으로 설명된 리소스가 없습니다.

도구 목록

• execute_code
  • 설정된 환경에서 Python 코드를 실행합니다. 짧은 코드 스니펫 및 스크립트 실행에 적합합니다.
• install_dependencies
  • 현재 환경에 지정한 Python 패키지를 설치해, 필요시 동적으로 라이브러리를 추가할 수 있습니다.
• check_installed_packages
  • 환경 내에 현재 설치된 Python 패키지를 확인합니다.

이 MCP 서버의 활용 예시

• 자동화된 코드 평가
  • LLM이 Python 코드 스니펫을 직접 실행하고 테스트할 수 있어, 교육, 리뷰, 디버깅에 유용합니다.
• 동적 의존성 관리
  • 필요한 패키지를 즉시 설치해, LLM이 특수 작업이나 라이브러리에 맞게 실행 환경을 조정할 수 있습니다.
• 환경 격리
  • 격리된 Conda 또는 virtualenv 환경에서 코드를 실행하여 재현성 확보 및 의존성 충돌을 방지합니다.
• 점진적 코드 생성
  • 점진적 코드 실행을 지원, 하나의 LLM 응답에서 토큰 한계를 초과하는 큰 코드 블록도 처리할 수 있습니다.
• 데이터 사이언스 및 분석
  • AI 에이전트가 과학용 Python 라이브러리로 데이터 분석, 시뮬레이션, 결과 시각화를 수행할 수 있게 해줍니다.

설치 방법

Windsurf

1. Node.js가 설치되어 있는지 확인하세요.
2. MCP 코드 실행기 저장소를 클론하고 프로젝트를 빌드하세요.
3. MCP 서버 설정 파일을 찾으세요.
4. 다음과 같이 MCP 코드 실행기 서버를 추가하세요:

   {
     "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. 파일을 저장하고 Windsurf를 재시작하세요. 서버가 접근 가능한지 확인하세요.

API 키 보안 (환경 변수 예시)

{
  "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.js가 설치되어 있는지 확인하세요.
2. 저장소 안내에 따라 MCP 코드 실행기를 빌드하세요.
3. Claude의 MCP 서버 설정 파일을 여세요.
4. 다음 설정을 추가하세요:

   {
     "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. 저장 후 Claude를 재시작하세요. 서버가 목록에 있는지 확인하세요.

Cursor

1. Node.js를 설치하세요.
2. MCP 코드 실행기 저장소를 클론하고 빌드하세요.
3. Cursor의 MCP 설정을 편집하세요.
4. 다음을 추가하세요:

   {
     "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. 저장하고 Cursor를 재시작하세요. 샘플 코드 실행으로 테스트하세요.

Cline

1. Node.js가 사용 가능한지 확인하세요.
2. README에 따라 MCP 코드 실행기를 빌드하세요.
3. Cline의 MCP 서버 설정 파일을 찾으세요.
4. 다음을 추가하세요:

   {
     "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. 저장하고 Cline을 재시작하세요. MCP 서버가 동작하는지 확인하세요.

참고: Docker를 사용할 수도 있습니다. 제공된 Dockerfile은 venv-uv 환경 타입에 대해 테스트되었습니다:

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

플로우 내에서 MCP 사용 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭하면 설정 패널이 열립니다. 시스템 MCP 설정 섹션에 아래 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면 AI 에이전트는 MCP의 모든 기능에 접근하여 도구로 사용할 수 있습니다. “mcp-code-executor"를 실제 서버명으로, URL도 본인 MCP 서버 주소로 바꾸는 것을 잊지 마세요.

개요

총평

이 MCP 서버는 LLM 통합을 위한 코드 실행의 필수적이고 견고한 기능, 명확한 설치 안내와 도구를 제공합니다. 하지만 프롬프트 템플릿, 명시적 리소스, 루트/샘플링 지원 정보가 부족합니다. 코드 실행 중심의 MCP로서 실용성, 통합 용이성 면에서 매우 우수하며, 고급 MCP 기능과 문서 완성도 부족으로 일부 점수는 아쉽습니다.

MCP 점수