Code Sandbox MCP Sunucusu

“Code Sandbox” MCP Sunucusu ne yapar?

Code Sandbox MCP (Model Context Protocol) Sunucusu, AI asistanları ve uygulamaları için kod yürütmek üzere güvenli, izole bir ortam sağlamak amacıyla tasarlanmış özel bir araçtır. Docker konteynerleştirme kullanarak, kullanıcı veya AI tarafından oluşturulan kodu çalıştıran esnek, tek kullanımlık konteynerleri yönetir; bu sayede güvenli bir kod yürütme sağlar. Bu sandbox yaklaşımı yüksek güvenlik sunar, kodun ana sistemi etkilemesini ya da hassas verileri sızdırmasını engeller. Sunucu; kabuk komutlarını çalıştırma, dosya transferi ve günlük akışı gibi bir dizi geliştirme iş akışını kolaylaştırır—bütün bunlar özel veya kullanıcıya ait Docker imajları içinde gerçekleşir. Bu yetenekleri MCP protokolü üzerinden sunarak, Code Sandbox MCP AI geliştiricilerinin kodu otomatikleştirmesini, test etmesini ve güvenli şekilde yönetmesini sağlar ve AI tabanlı ajanlar ile geliştirici araçları için ileri düzey imkanlar sunar.

Prompt Listesi

Depoda veya dokümantasyonda açık prompt şablonları belirtilmemiştir.

Kaynak Listesi

Depoda veya dokümantasyonda açık MCP kaynakları tanımlanmamıştır.

Araçlar Listesi

• Esnek Konteyner Yönetimi: Kodun güvenle yürütülmesi için izole Docker konteynerleri oluşturmayı ve yönetmeyi sağlar.
• Özel Ortam Desteği: Sandbox ortamını belirli bir dile veya projeye göre uyarlayarak herhangi bir Docker imajını çalışma ortamı olarak kullanabilmenize imkan verir.
• Dosya İşlemleri: Ana sistem ile konteynerler arasında kolay dosya ve dizin transferine olanak tanır; bağlam paylaşımı ve kalıcı depolama sağlar.
• Komut Çalıştırma: Konteyner ortamında rastgele kabuk komutları çalıştırmayı destekler; derleme, test veya script çalıştırmak için idealdir.
• Gerçek Zamanlı Günlükleme: Konteyner günlüklerini ve komut çıktılarını anlık olarak aktarır; anında geri bildirim ve hata ayıklama imkanı sunar.

Bu MCP Sunucusunun Kullanım Alanları

• Güvenli Kod Yürütme: Güvenilmeyen ya da kullanıcıdan gelen kodu, sistemin tehlikeye girmesini ve veri sızıntılarını önleyecek şekilde sandbox ortamında çalıştırın.
• Otomatik Test: Test paketlerini çalıştırın, kodu derleyin ve çıktıları temiz, tek kullanımlık konteynerlerde kontrol ederek tekrar üretilebilirlik ve yalıtım sağlayın.
• AI Ajanı Kodlama Görevleri: AI asistanlarının, programlama veya kod inceleme görevleri kapsamında güvenle kod yazmasını, değiştirmesini ve çalıştırmasını sağlayın.
• Eğitim ve Deneme: Öğrenciler veya kullanıcılar için, ortak altyapıya zarar vermeden kod denemeleri yapabilecekleri güvenli ortamlar sunun.
• Sürekli Entegrasyon Hatları: CI sistemleriyle entegre ederek, derleme veya dağıtım adımlarını MCP sunucusu tarafından yönetilen güvenli konteynerlerde çalıştırın.

Kurulumu nasıl yapılır

Windsurf

1. Sisteminizde Docker’ın kurulu ve çalışır durumda olduğundan emin olun.
2. Windsurf yapılandırma dosyanızı bulun (genellikle ~/.windsurf/config.json).
3. mcpServers bölümüne Code Sandbox MCP Sunucusunu ekleyin:

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

4. Yapılandırma dosyasını kaydedin ve Windsurf’u yeniden başlatın.
5. Windsurf kontrol paneli üzerinden sunucunun çalışır ve erişilebilir olduğunu doğrulayın.

API Anahtarlarının Güvenceye Alınması

Hassas anahtarlarınızı ortam değişkenlerinde saklayın:

{
  "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’ın çalıştığını doğrulayın.
2. Claude yapılandırma dosyasını açın.
3. Sunucuyu aşağıdaki gibi ekleyin:

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

4. Claude’u yeniden başlatın ve entegrasyonu doğrulayın.

Cursor

1. Docker’ın çalışır olduğundan emin olun.
2. Cursor yapılandırma dosyasını düzenleyin.
3. MCP sunucu yapılandırmasını ekleyin:

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

4. Değişiklikleri kaydedin ve Cursor’ı yeniden başlatın.

Cline

1. Docker’ın kurulu ve çalışır olduğundan emin olun.
2. Cline yapılandırma dosyasını bulun.
3. MCP sunucu girişini ekleyin:

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

4. Kaydedin ve değişikliklerin geçerli olması için Cline’ı yeniden başlatın.

Not: API anahtarları gibi hassas yapılandırma öğelerini yönetmek için daima ortam değişkenlerini kullanın. env ve inputs ayarının nasıl yapılacağı için yukarıdaki örneğe bakınız.

Bu MCP’yi akışlarda nasıl kullanırsınız

FlowHunt’ta MCP kullanımı

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

MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümüne, MCP sunucu bilgilerinizi şu JSON formatında girin:

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

Yapılandırdıktan sonra, AI ajanı artık bu MCP’yi bir araç olarak kullanabilir ve tüm işlevlerine erişebilir. “code-sandbox” ismini kendi MCP sunucunuzun gerçek adıyla ve URL’yi de kendi MCP sunucunuzun adresiyle değiştirmeyi unutmayın.

Genel Bakış

Bizim görüşümüz

Bu MCP sunucusu, konteynerleştirme yoluyla güvenli kod yürütme için sağlam ve temel işlevsellik sunmakta ve pratik kurulum talimatları içermektedir. Ancak, MCP prompt şablonları ve kaynak primitifleri için açık dokümantasyon eksikliği, bazı MCP bağlamlarında doğrudan tak-çalıştır kullanışlılığını azaltıyor. Açık bir lisansa sahip olması, aktif geliştirilmesi ve iyi bir yıldız/çatal sayısına sahip olması ise güvenilirliğini artırıyor. Roots ve sampling desteklenmemekte ya da belirtilmemiştir.

Puan: 7/10. Güvenli kod yürütme ve geliştirici iş akışları için mükemmel; ancak daha zengin MCP-native dokümantasyonuna ve kaynak/prompt tanımlarına ihtiyaç var.

MCP Puanı