MCP 코드 실행기 MCP 서버

“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.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

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.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

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