MCP Code Executor

MCP Code Executor

MCP Code Executor は、LLM が指定した Python 環境内で Python コードを実行できる MCP サーバーです。これにより、LLM は環境で定義されたライブラリや依存関係にアクセスしてコードを実行できます。また、トークン制限を超える可能性のある大きなコードブロックを処理するため、コードを段階的に生成する機能もサポートしています。

特長

• LLM のプロンプトから Python コードを実行
• トークン制限を克服するための段階的なコード生成をサポート
• 指定した環境（Conda、virtualenv、または UV virtualenv）内でコードを実行
• 必要に応じて依存関係をインストール
• パッケージがすでにインストールされているか確認
• 実行時に環境を動的に設定
• コードの保存ディレクトリを設定可能

前提条件

• Node.js がインストールされていること
• 次のいずれか：
  • Conda がインストールされ、必要な Conda 環境が作成されていること
  • Python virtualenv
  • UV virtualenv

セットアップ

1. このリポジトリをクローンします。

git clone https://github.com/bazinga012/mcp_code_executor.git

2. プロジェクトディレクトリに移動します。

cd mcp_code_executor

3. Node.js の依存関係をインストールします。

npm install

4. プロジェクトをビルドします。

npm run build

設定

MCP Code Executor サーバーを設定するには、MCP サーバーの設定ファイルに以下を追加します。

Node.js を使用する場合

{
  "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"
      }
    }
  }
}

Docker を使用する場合

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

注： Dockerfile は venv-uv 環境タイプでのみテストされています。他の環境タイプでは追加の設定が必要になる場合があります。

環境変数

必須変数

• CODE_STORAGE_DIR：生成されたコードを保存するディレクトリ

環境タイプ（いずれかの設定を選択）

• Conda の場合：

  • ENV_TYPE：conda に設定
  • CONDA_ENV_NAME：使用する Conda 環境の名前

• 標準の Virtualenv の場合：

  • ENV_TYPE：venv に設定
  • VENV_PATH：virtualenv ディレクトリへのパス

• UV Virtualenv の場合：

  • ENV_TYPE：venv-uv に設定
  • UV_VENV_PATH：UV virtualenv ディレクトリへのパス

利用可能なツール

MCP Code Executor は LLM に次のツールを提供します。

1. execute_code

設定済みの環境で Python コードを実行します。短いコードスニペットに最適です。

{
  "name": "execute_code",
  "arguments": {
    "code": "import numpy as np\nprint(np.random.rand(3,3))",
    "filename": "matrix_gen"
  }
}

2. install_dependencies

環境に Python パッケージをインストールします。

{
  "name": "install_dependencies",
  "arguments": {
    "packages": ["numpy", "pandas", "matplotlib"]
  }
}

3. check_installed_packages

環境にパッケージがすでにインストールされているか確認します。

{
  "name": "check_installed_packages",
  "arguments": {
    "packages": ["numpy", "pandas", "non_existent_package"]
  }
}

4. configure_environment

環境設定を動的に変更します。

{
  "name": "configure_environment",
  "arguments": {
    "type": "conda",
    "conda_name": "new_env_name"
  }
}

5. get_environment_config

現在の環境設定を取得します。

{
  "name": "get_environment_config",
  "arguments": {}
}

6. initialize_code_file

初期内容を含む新しい Python ファイルを作成します。トークン制限を超える可能性のある長いコードを書く場合は、最初の手順として使用します。

{
  "name": "initialize_code_file",
  "arguments": {
    "content": "def main():\n    print('Hello, world!')\n\nif __name__ == '__main__':\n    main()",
    "filename": "my_script"
  }
}

7. append_to_code_file

既存の Python コードファイルに内容を追加します。initialize_code_file で作成したファイルにコードを追加する場合に使用します。

{
  "name": "append_to_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py",
    "content": "\ndef another_function():\n    print('This was appended to the file')\n"
  }
}

8. execute_code_file

既存の Python ファイルを実行します。initialize_code_file と append_to_code_file でコードを組み立てた後、最後の手順として使用します。

{
  "name": "execute_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py"
  }
}

9. read_code_file

既存の Python コードファイルの内容を読み取ります。内容を追加したり実行したりする前に、ファイルの現在の状態を確認するために使用します。

{
  "name": "read_code_file",
  "arguments": {
    "file_path": "/path/to/code/storage/my_script_abc123.py"
  }
}

使用方法

設定が完了すると、MCP Code Executor は指定した CODE_STORAGE_DIR にファイルを生成し、設定済みの環境内で実行することで、LLM が Python コードを実行できるようにします。

LLM は、プロンプトでこの MCP サーバーを参照してコードを生成・実行できます。

大きなコードブロックの処理

LLM のトークン制限を超える可能性のある大きなコードブロックには、コードを段階的に生成する方法を使用してください。

1. initialize_code_file を使用して、基本構造でファイルを初期化します
2. 後続の呼び出しで append_to_code_file を使用してコードを追加します
3. 必要に応じて read_code_file を使用して、ファイルの内容を確認します
4. execute_code_file を使用して、コード全体を実行します

この方法により、LLM はトークン制限に達することなく、複雑な複数パートのコードを作成できます。

後方互換性

このパッケージは、以前のバージョンとの後方互換性を維持しています。Conda 環境のみを指定していた以前のバージョンのユーザーは、設定を変更せずに引き続き使用できます。

貢献

皆さんからの貢献を歓迎します！Issue を作成するか、プルリクエストを送信してください。

ライセンス

このプロジェクトは MIT License の下でライセンスされています。