MCP Kod Yürütücü MCP Sunucusu

“MCP Kod Yürütücü” MCP Sunucusu ne yapar?

MCP Kod Yürütücü, dil modellerinin (LLM’ler) Conda, virtualenv veya UV virtualenv gibi belirlenmiş bir Python ortamında Python kodu çalıştırmasını sağlayan bir MCP (Model Context Protocol) sunucusudur. Yapay zeka asistanlarını gerçek, çalıştırılabilir Python ortamlarına bağlayarak kod yürütme, kütüphane yönetimi ve dinamik ortam kurulumu gerektiren çok çeşitli geliştirme görevlerini yerine getirmelerini mümkün kılar. Bu sunucu, token sınırlamalarını aşmak için artımlı kod üretimini destekler, bağımlılıkların anında kurulmasına izin verir ve çalışma zamanı yürütme ortamının yapılandırılmasını kolaylaştırır. Geliştiriciler bu aracı kullanarak kod değerlendirmesini otomatikleştirebilir, yeni paketlerle deneyler yapabilir ve hesaplamaları kontrollü ve güvenli bir ortamda yönetebilir.

Komut Listesi

Depoda veya belgelerde açık bir komut şablonu listelenmemiştir.

Kaynak Listesi

Depoda veya belgelerde herhangi bir özel kaynak tanımlanmamıştır.

Araç Listesi

• execute_code
  • Yapılandırılmış ortamda Python kodu yürütür. Kısa kod parçaları ve betikler için uygundur.
• install_dependencies
  • Mevcut ortama belirtilen Python paketlerini kurar, gerektiğinde kütüphanelerin dinamik olarak eklenmesini sağlar.
• check_installed_packages
  • Ortamda hangi Python paketlerinin kurulu olduğunu kontrol eder.

Bu MCP Sunucusunun Kullanım Alanları

• Otomatik Kod Değerlendirme
  • LLM’ler doğrudan Python kod parçalarını çalıştırıp test edebilir; bu, eğitim, inceleme veya hata ayıklama bağlamlarında faydalıdır.
• Dinamik Bağımlılık Yönetimi
  • Gerekli paketleri anında kurar, böylece LLM’ler özel görevler veya kütüphaneler için çalışma ortamını uyarlayabilir.
• Ortam İzolasyonu
  • Kodu izole Conda veya virtualenv ortamlarında çalıştırır; böylece tekrarlanabilirliği garanti altına alır ve bağımlılıklar arasında çakışmaları önler.
• Artımlı Kod Üretimi
  • Artımlı kod yürütmeyi destekler, bu da tek bir LLM yanıtında token sınırlarını aşabilecek büyük kod bloklarıyla başa çıkmayı mümkün kılar.
• Veri Bilimi ve Analiz
  • Yapay zeka ajanlarının veri analizi yapmasını, simülasyonlar çalıştırmasını veya sonuçları yaygın bilimsel Python kütüphaneleriyle görselleştirmesini sağlar.

Kurulum Nasıl Yapılır

Windsurf

1. Node.js’in kurulu olduğundan emin olun.
2. MCP Kod Yürütücü deposunu klonlayıp projeyi derleyin.
3. MCP sunucuları yapılandırma dosyanızı bulun.
4. MCP Kod Yürütücü sunucusunu aşağıdaki JSON parçasıyla ekleyin:

   {
     "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. Dosyayı kaydedin ve Windsurf’ü yeniden başlatın. Sunucunun erişilebilir olduğunu doğrulayın.

API Anahtarlarını Güvenceye Alma (Ortam Değişkenleri Örneği)

{
  "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’in kurulu olduğundan emin olun.
2. Depo talimatlarını izleyerek MCP Kod Yürütücü’yü derleyin.
3. Claude’un MCP sunucuları için yapılandırma dosyasını açın.
4. Aşağıdaki yapılandırmayı ekleyin:

   {
     "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. Kaydedip Claude’u yeniden başlatın. Sunucunun listelendiğini doğrulayın.

Cursor

1. Node.js’i yükleyin.
2. MCP Kod Yürütücü deposunu klonlayıp derleyin.
3. Cursor’un MCP yapılandırmasını düzenleyin.
4. Şunu ekleyin:

   {
     "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. Kaydedip Cursor’u yeniden başlatın. Örnek bir kod çalıştırarak testi gerçekleştirin.

Cline

1. Node.js’in mevcut olduğundan emin olun.
2. README talimatlarını izleyerek MCP Kod Yürütücü’yü derleyin.
3. Cline’ın MCP sunucuları için yapılandırma dosyasını bulun.
4. Şunu ekleyin:

   {
     "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. Kaydedip Cline’ı yeniden başlatın. MCP sunucusunun aktif olduğunu doğrulayın.

Not: Docker da kullanabilirsiniz. Sağlanan Dockerfile venv-uv ortam türü için test edilmiştir:

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

Akışlarda Bu MCP Nasıl Kullanılır

FlowHunt’ta MCP Kullanımı

MCP sunucularını FlowHunt iş akışınıza entegre etmek için, öncelikle MCP bileşenini akışınıza ekleyin ve AI ajanınıza bağlayın:

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırması bölümünde, MCP sunucu detaylarınızı şu JSON formatında girin:

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

Yapılandırıldıktan sonra, AI ajanı bu MCP’yi bir araç olarak tüm fonksiyon ve yeteneklerine erişerek kullanabilir. “mcp-code-executor” adını, MCP sunucunuzun gerçek adıyla ve URL’yi kendi MCP sunucu URL’nizle değiştirmeyi unutmayın.

Genel Bakış

Bizim Görüşümüz

Bu MCP sunucusu, LLM entegrasyonu ile kod yürütme için temel ve sağlam bir işlevsellik sunar; ayrıca net kurulum talimatları ve araçları ile gelir. Ancak komut şablonları, açık kaynaklar ve kök ya da örnekleme desteğine dair bilgi eksiktir. Kod yürütme odaklı bir MCP için çok güçlü, pratik fayda ve entegrasyon kolaylığı açısından yüksek puan alıyor; fakat gelişmiş MCP özellikleri ve belgelerdeki tamlık eksikliği nedeniyle bazı puanlar kaybediyor.

MCP Skoru