沙盒 MCP 服务器

一个 MCP 服务器，提供用于代码执行的隔离 Docker 环境。 此服务器允许您：

• 使用任何 Docker 镜像创建容器
• 使用多种编程语言编写和执行代码
• 安装软件包并设置开发环境
• 在隔离的容器中运行命令

前提条件

• Python 3.9 或更高版本
• 已安装并运行 Docker
• uv 包管理器（推荐）
• Docker MCP 服务器（推荐）

安装

1. 克隆此存储库：

git clone <your-repo-url>
cd sandbox_server

2. 使用 uv 创建并激活虚拟环境：

uv venv
source .venv/bin/activate  # 在 Unix/MacOS 上
# 或者在 Windows 上：
# .venv\Scripts\activate

3. 安装依赖项：

uv pip install .

与 Claude Desktop 集成

1. 打开 Claude Desktop 的配置文件：

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

2. 添加沙盒服务器配置：

{
    "mcpServers": {
        "sandbox": {
            "command": "uv",
            "args": [
                "--directory",
                "/absolute/path/to/sandbox_server",
                "run",
                "sandbox_server.py"
            ],
            "env": {
                "PYTHONPATH": "/absolute/path/to/sandbox_server"
            }
        }
    }
}

将 /absolute/path/to/sandbox_server 替换为您的项目目录的实际路径。

3. 重启 Claude Desktop

使用示例

基本用法

连接到 Claude Desktop 后，您可以：

1. 创建一个 Python 容器：

Could you create a Python container and write a simple hello world program?

（你能创建一个 Python 容器并编写一个简单的 hello world 程序吗？）

2. 使用不同的语言运行代码：

Could you create a C program that calculates the fibonacci sequence and run it?

（你能创建一个计算斐波那契数列的 C 程序并运行它吗？）

3. 安装软件包并使用它们：

Could you create a Python script that uses numpy to generate and plot some random data?

（你能创建一个使用 numpy 生成和绘制一些随机数据的 Python 脚本吗？）

保存和重现环境

服务器提供了几种保存和重现您的开发环境的方法：

创建持久容器

创建容器时，您可以使其持久化：

Could you create a persistent Python container with numpy and pandas installed?

（你能创建一个安装了 numpy 和 pandas 的持久 Python 容器吗？）

这将创建一个容器，该容器：

• 在 Claude Desktop 关闭后保持运行
• 可以通过 Docker 直接访问
• 保留所有已安装的软件包和文件

服务器将提供以下说明：

• 直接访问容器 (docker exec)
• 停止和启动容器
• 不再需要时删除它

保存容器状态

设置好环境后，您可以将其保存为 Docker 镜像：

Could you save the current container state as an image named 'my-ds-env:v1'?

（你能将当前容器状态保存为名为 'my-ds-env:v1' 的镜像吗？）

这将：

1. 创建一个包含以下所有内容的新 Docker 镜像：
   • 已安装的软件包
   • 创建的文件
   • 配置更改
2. 提供重用环境的说明

然后，您可以共享此镜像或将其用作新容器的起点：

Could you create a new container using the my-ds-env:v1 image?

（你能使用 my-ds-env:v1 镜像创建一个新容器吗？）

生成 Dockerfile

为了使您的环境完全可重现，您可以生成一个 Dockerfile：

Could you export a Dockerfile that recreates this environment?

（你能导出一个可以重新创建此环境的 Dockerfile 吗？）

生成的 Dockerfile 将包括：

• 基础镜像规范
• 创建的文件
• 其他设置步骤的模板

您可以使用此 Dockerfile 来：

1. 与他人共享您的环境设置
2. 对您的开发环境进行版本控制
3. 修改和自定义构建过程
4. 部署到不同的系统

推荐工作流程

对于可重现的开发环境：

1. 创建一个持久容器：

Create a persistent Python container for data science work

（创建一个用于数据科学工作的持久 Python 容器）

2. 安装所需的软件包并设置环境：

Install numpy, pandas, and scikit-learn in the container

（在容器中安装 numpy、pandas 和 scikit-learn）

3. 测试您的设置：

Create and run a test script to verify the environment

（创建并运行一个测试脚本来验证环境）

4. 保存状态：

Save this container as 'ds-workspace:v1'

（将此容器保存为 'ds-workspace:v1'）

5. 导出 Dockerfile：

Generate a Dockerfile for this environment

（为此环境生成一个 Dockerfile）

这为您提供了多种重新创建环境的选项：

• 直接使用保存的 Docker 镜像
• 从 Dockerfile 构建并进行修改
• 如果需要，访问原始容器

安全注意事项

• 所有代码都在隔离的 Docker 容器中执行
• 容器在使用后自动删除
• 文件系统在容器之间隔离
• 主机系统访问受到限制

项目结构

sandbox_server/
├── sandbox_server.py     # 主要服务器实现
├── pyproject.toml        # 项目配置
└── README.md            # 此文件

可用工具

服务器提供三个主要工具：

1. create_container_environment: 使用指定的镜像创建一个新的 Docker 容器
2. create_file_in_container: 在容器中创建一个文件
3. execute_command_in_container: 在容器中运行命令
4. save_container_state: 将容器状态保存到持久容器
5. export_dockerfile: 导出 docker 文件以创建持久环境
6. exit_container: 关闭容器以在完成后清理环境