Python Runner MCP Server

Python Runner MCP Server

English | 中文

データサイエンスおよび機械学習のワークフロー向けに特化して設計された、FastMCP フレームワークベースの Python コード実行サーバーです。

🚀 特長

• 安全な Python コード実行：分離された名前空間で Python コードを実行します
• 豊富なデータサイエンスライブラリ：一般的に使用されるデータサイエンスおよび機械学習パッケージがあらかじめインストールされています
• リアルタイムの出力キャプチャ：標準出力、エラー出力、戻り値をキャプチャします
• MCP プロトコルのサポート：Model Context Protocol と完全に互換性があります
• 簡単に使えます：シンプルで使いやすい API インターフェイスを提供します

⚡ クイックスタート（推奨）

uvx を使えば、インストールせずにサーバーを直接実行できます：[TODO ..... ]

# Run directly (no pre-installation required)
uvx python-runner

Claude Desktop での設定

次の設定を Claude Desktop の設定ファイルに追加します。

{
  "mcpServers": {
    "python-runner": {
      "command": "uvx",
      "args": ["python-runner"]
    }
  }
}

設定ファイルの場所：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\Claude\claude_desktop_config.json

デバッグとテスト

# Use MCP Inspector to debug the server
npx @modelcontextprotocol/inspector uvx python-runner

📦 インストール済みライブラリ

このプロジェクトには、一般的に使用される次のデータサイエンスおよび機械学習ライブラリがあらかじめインストールされています。

• データ処理：numpy、pandas、scipy
• 機械学習：scikit-learn
• データ可視化：matplotlib、seaborn、plotly
• 科学技術計算：sympy
• 画像処理：pillow
• ネットワーク分析：networkx
• インタラクティブ開発：jupyter
• HTTP リクエスト：requests

🛠️ 手動インストール（開発者向け）

前提条件

• Python 3.12 以降
• uv パッケージマネージャー（推奨）または pip

uv でインストール（推奨）

# Clone the repository
git clone <repository-url>
cd python_runner

# Install dependencies
uv sync

pip でインストール

# Clone the repository
git clone <repository-url>
cd python_runner

# Create virtual environment
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# Install dependencies
pip install -e .

🚀 使い方

Claude Desktop で使用する

設定後、Claude Desktop で Python コード実行機能を直接使用できます。

Please help me execute this Python code:

import pandas as pd
import numpy as np

# Create sample data
data = pd.DataFrame({
    'sales': [100, 150, 200, 120, 180],
    'profit': [20, 30, 50, 25, 40]
})

print("Sales data statistics:")
print(data.describe())

スタンドアロンの MCP サーバーとして実行する

# Using uvx (recommended)
uvx python-runner

# Or run locally
python main.py

API を直接呼び出す

from main import execute_python

# Execute simple Python code
result = execute_python("""
print("Hello, World!")
x = 1 + 2
print(f"Result: {x}")
""")

print(result)
# Output:
# {
#     'output': 'Hello, World!\nResult: 3\n',
#     'error': '',
#     'success': True
# }

データサイエンスの例

# Data analysis example
code = """
import pandas as pd
import numpy as np

# Create sample data
data = pd.DataFrame({
    'x': np.random.randn(100),
    'y': np.random.randn(100)
})

print(f"Data shape: {data.shape}")
print(f"Statistical summary:\n{data.describe()}")
"""

result = execute_python(code)
print(result['output'])

# Machine learning example
code = """
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# Generate sample data
X, y = make_classification(n_samples=1000, n_features=20, random_state=42)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# Train model
clf = RandomForestClassifier(random_state=42)
clf.fit(X_train, y_train)

# Predict and evaluate
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f"Model accuracy: {accuracy:.4f}")
"""

result = execute_python(code)
print(result['output'])

📋 API リファレンス

execute_python(code: str) -> dict

Python コードを実行し、結果を返します。

パラメーター：

• code (str)：実行する Python コード文字列

戻り値：

• dict：次のキーを含む辞書：
  • output (str)：標準出力の内容
  • error (str)：エラーメッセージ（ある場合）
  • success (bool)：実行に成功したかどうか

🔒 セキュリティ

• 分離された名前空間でコードを実行します
• 標準出力とエラー出力をキャプチャしてリダイレクトします
• 詳細なエラー追跡情報を提供します

⚠️ 警告：このツールは任意の Python コードを実行します。信頼できる環境で使用してください。

🤝 コントリビューション

Issue やプルリクエストを歓迎します！

1. このリポジトリをフォークします
2. 機能ブランチを作成します（git checkout -b feature/AmazingFeature）
3. 変更をコミットします（git commit -m 'Add some AmazingFeature'）
4. ブランチにプッシュします（git push origin feature/AmazingFeature）
5. プルリクエストを作成します

📄 ライセンス

このプロジェクトは MIT ライセンスのもとで公開されています。詳細は LICENSE ファイルを参照してください。

🙏 謝辞

• FastMCP - 優れた MCP フレームワーク
• あらかじめインストールされているオープンソースのデータサイエンスライブラリのすべてのメンテナー

---

データサイエンスコミュニティのために ❤️ を込めて作成