MCP Code Executor MCP Server

Ce face serverul “MCP Code Executor” MCP?

MCP Code Executor este un server MCP (Model Context Protocol) care permite modelelor lingvistice (LLM) să execute cod Python într-un mediu Python dedicat, precum Conda, virtualenv sau UV virtualenv. Prin conectarea asistenților AI la medii Python reale și executabile, le oferă posibilitatea de a realiza o gamă largă de sarcini de dezvoltare ce necesită execuție de cod, management de biblioteci și configurare dinamică a mediului. Acest server suportă generarea incrementală de cod pentru a depăși limitele de token, permite instalarea dinamică a dependențelor și facilitează configurarea la rulare a mediului de execuție. Dezvoltatorii pot folosi acest instrument pentru a automatiza evaluarea codului, a experimenta cu pachete noi și a gestiona calculele într-un mediu controlat și sigur.

Lista de Prompt-uri

Nu există șabloane explicite de prompt listate în repository sau documentație.

Pregătit să îți dezvolți afacerea?

Începe perioada de probă gratuită astăzi și vezi rezultate în câteva zile.

Solicită demo Autentificare

Lista de Resurse

Nu sunt descrise resurse specifice în repository sau documentație.

Lista de Instrumente

• execute_code
  • Execută cod Python în mediul configurat. Potrivit pentru rularea de fragmente scurte de cod și scripturi.
• install_dependencies
  • Instalează pachete Python specificate în mediul curent, permițând includerea dinamică a bibliotecilor după necesitate.
• check_installed_packages
  • Verifică ce pachete Python sunt instalate în mediul respectiv.

Abonează-te la newsletter-ul nostru

Primește cele mai recente sfaturi, tendințe și oferte gratuit.

Adresă de email

Abonează-te

Cazuri de utilizare ale acestui server MCP

• Evaluare automată a codului
  • LLM-urile pot executa și testa direct fragmente de cod Python, util în contexte educaționale, de revizuire sau depanare.
• Gestionare dinamică a dependențelor
  • Instalează la nevoie pachetele necesare, permițând LLM-urilor să adapteze mediul de execuție pentru sarcini sau biblioteci specializate.
• Izolarea mediului
  • Rulează codul în medii izolate Conda sau virtualenv, asigurând reproductibilitate și prevenind conflictele între dependențe.
• Generare incrementală de cod
  • Suportă execuție incrementală, făcând posibilă procesarea blocurilor mari de cod ce pot depăși limitele de token într-un singur răspuns LLM.
• Data Science și Analiză
  • Permite agenților AI să analizeze date, să ruleze simulări sau să vizualizeze rezultate executând cod cu biblioteci Python științifice comune.

Cum se configurează

Windsurf

1. Asigură-te că Node.js este instalat.
2. Clonează repository-ul MCP Code Executor și construiește proiectul.
3. Găsește fișierul de configurare al serverelor MCP.
4. Adaugă serverul MCP Code Executor folosind acest fragment JSON:

   {
     "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. Salvează fișierul și repornește Windsurf. Verifică dacă serverul este accesibil.

Securizarea cheilor API (exemplu variabile de mediu)

{
  "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. Asigură-te că Node.js este instalat.
2. Construiește MCP Code Executor conform instrucțiunilor din repository.
3. Deschide fișierul de configurare pentru serverele MCP ale lui Claude.
4. Inserează următoarea configurație:

   {
     "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. Salvează și repornește Claude. Confirmă că serverul este listat.

Cursor

1. Instalează Node.js.
2. Clonează și construiește repository-ul MCP Code Executor.
3. Editează configurația MCP a lui Cursor.
4. Adaugă:

   {
     "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. Salvează și repornește Cursor. Testează rulând o execuție de cod de probă.

Cline

1. Asigură-te că Node.js este disponibil.
2. Construiește MCP Code Executor folosind instrucțiunile din README.
3. Găsește fișierul de configurare MCP al lui Cline.
4. Adaugă:

   {
     "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. Salvează și repornește Cline. Verifică dacă serverul MCP este activ.

Notă: Poți folosi și Docker. Dockerfile-ul oferit este testat pentru tipul de mediu venv-uv:

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

Cum se folosește acest MCP în fluxuri

Folosirea MCP în FlowHunt

Pentru a integra servere MCP în workflow-ul tău FlowHunt, începe prin a adăuga componenta MCP în flux și conecteaz-o la agentul AI:

Fă click pe componenta MCP pentru a deschide panoul de configurare. În secțiunea de configurare MCP de sistem, introdu detaliile serverului MCP folosind acest format JSON:

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

După configurare, agentul AI poate folosi MCP-ul ca instrument cu acces la toate funcțiile și capabilitățile sale. Nu uita să schimbi “mcp-code-executor” cu numele real al serverului tău MCP și să înlocuiești URL-ul cu cel al serverului tău MCP.

Prezentare generală

Opinia noastră

Acest server MCP oferă funcționalitate esențială și robustă pentru execuția de cod cu integrare LLM, împreună cu instrucțiuni clare de configurare și instrumente utile. Totuși, lipsesc șabloanele de prompt, resurse explicite și informații despre roots sau suport pentru sampling. Pentru un MCP axat pe executarea codului, este foarte solid, având un scor ridicat pentru utilitate practică și ușurință în integrare, dar pierde câteva puncte din cauza lipsei unor funcții MCP avansate și a documentației complete.

Scor MCP