MCP Sandbox

🚀 MCP Sandbox 環境搭建與使用指南

MCP Sandbox 是一個基於 Python 的沙盒環境工具，可在安全隔離的環境中執行 Python 代碼。它藉助 Docker 容器技術，讓每個任務都在獨立環境運行，避免惡意代碼破壞主機系統。

🚀 快速開始

MCP Sandbox 是一個強大的工具，能讓你在安全的環境中運行 Python 代碼。以下是使用該工具的基本步驟：

1. 克隆項目倉庫到本地。
2. 創建虛擬環境並同步依賴。
3. 啟動服務器，通過指定鏈接連接和使用工具。

✨ 主要特性

• Docker 隔離：每個沙盒環境都在獨立的 Docker 容器中運行，確保任務之間互不影響。
• 包管理：支持在指定沙盒中安裝第三方 Python 包，例如 numpy、pandas 等。
• 文件生成與訪問：所有生成的文件（如圖像、CSV）都會通過 HTTP 鏈接提供直接訪問，便於展示和嵌入。

📦 安裝指南

克隆倉庫

使用 Git 命令克隆 MCP Sandbox 項目到本地：

git clone https://github.com/your-username/mcp-sandbox.git

創建虛擬環境並同步依賴

進入項目目錄後，安裝 UV 包管理器並同步依賴：

uv create venv --name mcp-sandbox
cd venv && uv sync

啟動服務器

啟動 MCP Sandbox 服務器：

uv run main:app

之後，你可以通過訪問 http://localhost:8000/sse 來連接和使用 MCP Sandbox 工具。

💻 使用示例

基礎用法

工作流程

1. 創建或選擇沙盒

mcp_sandbox list_sandboxes

如果沒有可用沙盒，創建新的：

mcp_sandbox create_sandbox

2. 安裝必要包 安裝所需包到指定沙盒：

mcp_sandbox install_package --sandbox_id <your-sandbox-id> --package numpy

3. 執行 Python 代碼 在沙盒中運行 Python 代碼：

mcp_sandbox execute_python_code --sandbox_id <your-sandbox-id> --code "import pandas as pd; print(pd.__version__)"

4. 查看結果與文件 執行後的輸出、錯誤信息及生成的文件鏈接將直接返回，便於進一步處理和展示。

高級用法

示例代碼

以下是一個完整的示例：

import pandas as pd

# 讀取數據並保存為 CSV
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
df.to_csv('output.csv', index=False)

# 使用 plt.savefig() 保存圖像
import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [4, 5, 6])
plt.savefig('graph.png')

📚 詳細文檔

MCP 配置示例

對 Claude 的配置

{
  "mcpServers": {
    "mcpSandbox": {
      "command": "npx",
      "args": ["-y", "supergateway", "--sse",  "http://localhost:8000/sse"]
    }
  }
}

在線演示配置

{
  "mcpServers": {
    "mcpSandbox": {
      "command": "npx",
      "args": ["-y", "supergateway", "--sse",  "http://115.190.87.78/sse?api_key=<API_KEY>"]
    }
  }
}

⚠️ 重要提示

請根據你的環境調整 serverUrl 參數。