MCP Run Python

🚀 MCP Run Python

MCPサーバーは、サンドボックス内でPythonコードを実行します。これにより、コードの実行が安全に行われ、オペレーティングシステムの他の部分から分離されます。

🚀 クイックスタート

このサーバーを使用するには、PythonとDenoの両方をインストールする必要があります。

サーバーは、uvxを使用してdenoをインストールした状態で実行できます。

uvx mcp-run-python [-h] [--version] [--port PORT] [--deps DEPS] {stdio,streamable-http,example}

ここで、各オプションの意味は以下の通りです。

• stdio：Stdio MCP transportを使用してサーバーを実行します。これは、プロセスをローカルのサブプロセスとして実行するのに適しています。
• streamable-http：Streamable HTTP MCP transportを使用してサーバーを実行します。これは、サーバーをHTTPサーバーとして実行し、ローカルまたはリモートで接続するのに適しています。これはステートフルなリクエストをサポートしますが、SSEのようにクライアントがステートフルな接続を保持する必要はありません。
• example：numpyを使用した最小限のPythonスクリプトを実行します。これは、パッケージが正常に動作していることを確認するのに役立ちます。コードを正常に実行するには、uvx mcp-run-python --deps numpy exampleを使用してnumpyをインストールする必要があります。

✨ 主な機能

• 安全な実行：サンドボックス化されたWebAssembly環境でPythonコードを実行します。
• パッケージ管理：必要な依存関係を自動的に検出してインストールします。
• 完全な結果：標準出力、標準エラー、および戻り値をキャプチャします。
• 非同期サポート：非同期コードを適切に実行します。
• エラー処理：デバッグ用の詳細なエラーレポートを提供します。

(このコードは以前はPydantic AIの一部でしたが、保守を容易にするために別のリポジトリに移されました。)

💻 使用例

基本的な使用法

Pydantic AIとの使用例

from pydantic_ai import Agent
from pydantic_ai.mcp import MCPServerStdio
from mcp_run_python import deno_args_prepare

import logfire

logfire.configure()
logfire.instrument_mcp()
logfire.instrument_pydantic_ai()

server = MCPServerStdio('uvx', args=['mcp-run-python@latest', 'stdio'], timeout=10)
agent = Agent('claude-3-5-haiku-latest', toolsets=[server])


async def main():
    async with agent:
        result = await agent.run('How many days between 2000-01-01 and 2025-03-18?')
    print(result.output)
    #> There are 9,208 days between January 1, 2000, and March 18, 2025.w

if __name__ == '__main__':
    import asyncio
    asyncio.run(main())

MCPサーバーとしての使用例

まず、mcp-run-pythonパッケージをインストールします。

pip install mcp-run-python
# or
uv add mcp-run-python

mcp-run-pythonをインストールすると、prepare_deno_envまたはasync_prepare_deno_envを使用して直接Denoを実行することもできます。

from pydantic_ai import Agent
from pydantic_ai.mcp import MCPServerStdio
from mcp_run_python import async_prepare_deno_env

import logfire

logfire.configure()
logfire.instrument_mcp()
logfire.instrument_pydantic_ai()


async def main():
    async with async_prepare_deno_env('stdio') as deno_env:
        server = MCPServerStdio('deno', args=deno_env.args, cwd=deno_env.cwd, timeout=10)
        agent = Agent('claude-3-5-haiku-latest', toolsets=[server])
        async with agent:
            result = await agent.run('How many days between 2000-01-01 and 2025-03-18?')
        print(result.output)
        #> There are 9,208 days between January 1, 2000, and March 18, 2025.w

if __name__ == '__main__':
    import asyncio
    asyncio.run(main())

注意：prepare_deno_envは、依存関係をインストールするためにdepsをキーワード引数として取ることができます。prepare_deno_envは、mcp_run_pythonを実行するために必要な引数を返すだけでなく、新しいDeno環境を作成し、依存関係をインストールして、サーバーが使用できるようにします。

code_sandboxを使用したコード内での使用例

mcp-run-pythonには、サンドボックス内でコードを簡単に実行できるヘルパー関数code_sandboxが含まれています。

from mcp_run_python import code_sandbox

code = """
import numpy
a = numpy.array([1, 2, 3])
print(a)
a
"""

async def main():
    async with code_sandbox(dependencies=['numpy']) as sandbox:
        result = await sandbox.eval(code)
        print(result)


if __name__ == '__main__':
    import asyncio

    asyncio.run(main())

内部的には、code_sandboxはstdioを使用してMCPサーバーを実行します。単一のサンドボックスで複数のコードブロックを実行することができます。

🔧 技術詳細

ロギング

MCP Run Pythonは、Pythonの実行からの標準出力と標準エラーをMCPロギングメッセージとして出力することをサポートしています。

ログを出力するには、サーバーに接続するときにログレベルを設定する必要があります。デフォルトでは、ログレベルは最高レベルのemergencyに設定されています。

依存関係

mcp_run_pythonは、サンドボックス化されたコードがファイルシステムを編集するリスクを回避しながら、依存関係をインストールするために2段階のプロセスを使用します。

• まず、denoをnode_modulesディレクトリに書き込み権限を持って実行し、依存関係をインストールします。これにより、ホイールが書き込まれます。
• 次に、denoをnode_modulesディレクトリに読み取り専用権限を持って実行し、信頼できないコードを実行します。

依存関係は、サーバーを初期化するときに提供する必要があり、最初のステップでインストールされます。