MCP Run Python

🚀 MCP Run Python

MCP Run Python 是一個用於在沙箱環境中運行 Python 代碼的 MCP 服務器。藉助 Pyodide 在 Deno 中執行代碼，實現了與操作系統其他部分的隔離，保障代碼運行的安全性。

✨ 主要特性

• 安全執行：在沙箱化的 WebAssembly 環境中運行 Python 代碼，確保代碼運行不受外界干擾。
• 包管理：自動檢測並安裝所需的依賴項，無需手動繁瑣操作。
• 完整結果：捕獲標準輸出、標準錯誤和返回值，全面展示代碼運行結果。
• 異步支持：正確運行異步代碼，滿足複雜業務場景需求。
• 錯誤處理：提供詳細的錯誤報告，方便調試代碼。

(此代碼之前是 Pydantic AI 的一部分，為便於維護，將其移至單獨的倉庫。)

🚀 快速開始

要使用此服務器，你需要同時安裝 Python 和 Deno。

使用已安裝的 deno 和 uvx 來運行服務器：

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

參數說明：

• stdio：使用 Stdio MCP 傳輸 運行服務器，適合將該進程作為本地子進程運行。
• streamable-http：使用 Streamable HTTP MCP 傳輸 運行服務器，適合將服務器作為 HTTP 服務器運行，可本地或遠程連接。支持有狀態請求，但不像 SSE 那樣要求客戶端保持有狀態連接。
• example：使用 numpy 運行一個最小的 Python 腳本，用於檢查包是否正常工作。要使代碼成功運行，你需要使用 uvx mcp-run-python --deps numpy example 安裝 numpy。

💻 使用示例

與 Pydantic AI 一起使用

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.

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

作為 MCP 服務器在代碼中使用

首先安裝 mcp-run-python 包：

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

安裝 mcp-run-python 後，你可以使用 prepare_deno_env 或 async_prepare_deno_env 直接運行 deno：

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.

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

注意：prepare_deno_env 可以接受 deps 作為關鍵字參數來安裝依賴項。除了返回運行 mcp_run_python 所需的參數外，prepare_deno_env 還會創建一個新的 deno 環境並安裝依賴項，以便服務器使用。

使用 code_sandbox 在代碼中運行

mcp-run-python 包含一個輔助函數 code_sandbox，可讓你輕鬆在沙箱中運行代碼。

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())

實際上，code_sandbox 使用 stdio 運行一個 MCP 服務器。你可以使用單個沙箱運行多個代碼塊。

🔧 技術細節

日誌記錄

MCP Run Python 支持將 Python 執行的標準輸出和標準錯誤作為 MCP 日誌消息 發出。要發出日誌，你必須在連接到服務器時設置日誌級別。默認情況下，日誌級別設置為最高級別 emergency。

依賴項安裝

mcp_run_python 使用兩步流程來安裝依賴項，同時避免沙箱代碼編輯文件系統的任何風險：

1. 首先，以對 node_modules 目錄的寫入權限運行 deno 並安裝依賴項，將 wheel 文件寫入相應位置。
2. 然後，以對 node_modules 目錄的只讀權限運行 deno 來運行不可信代碼。

必須在初始化服務器時提供依賴項，以便在第一步中安裝它們。