MCP 服务器

Python MCP Sandbox

一个交互式的 Python 代码执行环境，允许用户和大型语言模型 (LLM) 在隔离的 Docker 容器中安全地执行 Python 代码并安装软件包。

README

Python MCP 沙盒

Python MCP 沙盒是一个交互式的 Python 代码执行环境，允许用户和 llm 在隔离的 Docker 容器中安全地执行 Python 代码并安装软件包。

特性

🐳 Docker 隔离: 在隔离的 Docker 容器中安全地运行 Python 代码
📦 包管理: 轻松安装和管理 Python 软件包
📊 文件生成: 支持生成文件并通过 Web 链接访问它们
🔄 自动清理: 容器和生成的文件在一段时间不活动后会自动清理

安装

# 克隆仓库
git clone https://github.com/JohanLi233/python-mcp-sandbox.git
cd python-mcp-sandbox

uv venv

# 启动服务器
uv run mcp_sandbox.py

默认的 SSE 端点是 http://localhost:8000/sse，您可以通过 SSE 或任何其他支持 SSE 连接的客户端通过 MCP Inspector 与其交互。

可用工具

创建 Python 环境: 创建一个新的 Docker 容器用于 Python 执行并返回其 ID
执行 Python 代码: 在指定的 Docker 容器中执行 Python 代码
安装 Python 包: 在指定的 Docker 容器中安装 Python 软件包

项目结构

python-mcp-sandbox/
├── mcp_sandbox.py     # 主应用程序文件
├── Dockerfile         # Python 容器的 Docker 配置
├── results/           # 生成文件的目录
└── README.md          # 项目文档

示例 Prompt

我已经为你配置了一个 Python 代码执行环境。 你可以使用以下步骤运行 Python 代码：

1. 首先，使用“创建 Python 虚拟环境”工具创建一个虚拟环境
   - 这将返回一个环境 ID，你需要在后续操作中使用它

2. 如果你需要安装软件包，请使用“安装 Python 包”工具
   - 参数：env_id（环境 ID）和 package_name（例如，numpy，pandas）
   - 示例：安装 numpy 和 matplotlib

3. 使用“执行 Python 代码”工具运行你的代码
   - 参数：env_id（环境 ID）和 code（Python 代码）
   - 你可以编写任何 Python 代码，包括数据处理、可视化、文件操作等。

示例工作流程：
- 创建环境 → 获取环境 ID
- 安装必要的软件包（如 pandas，matplotlib）
- 执行代码（例如数据分析，图表生成）
- 查看执行结果和生成的文件链接

代码执行发生在安全的沙盒环境中。 生成的文件（图像、CSV 等）将自动提供下载链接。

记住不要直接显示图像，不要使用 plt.plot() 等。