Python Sandbox

🚀 MCP Sandbox

mcp-sandbox 是一个基于 Docker 的安全沙盒环境，专为运行和管理 Python 代码而设计。它借助容器化技术提供隔离的执行环境，确保每个任务独立运行，互不干扰。同时，该工具支持 Python 包的安装与管理，还能处理各类生成的文件，并通过 HTTP 链接方便地访问这些文件。

🚀 快速开始

你可以在 mcp sandbox 上尝试该项目。

✨ 主要特性

• Docker 隔离：每个执行的任务都在独立的 Docker 容器中运行，确保环境安全。
• 包管理：支持安装和管理常用的 Python 包（如 numpy、pandas 等）。
• 文件处理：能够生成和存储各种文件类型，并通过 HTTP 链接直接访问。

📦 安装指南

1. 克隆仓库：

   git clone https://github.com/yourusername/mcp-sandbox.git
   

2. 进入项目目录：

   cd mcp-sandbox
   

3. 启动服务：

   npm run dev
   

💻 使用示例

基础用法

以下是一个示例工作流程：

# 1. 使用 list_sandboxes() 检查可用的沙盒环境。如果没有可用沙盒，使用 create_sandbox() 创建一个新的，获取 sandbox_id。
sandbox_id = None
sandboxes = list_sandboxes()
if not sandboxes:
    sandbox_id = create_sandbox()
else:
    sandbox_id = sandboxes[0]

# 2. 使用 install_package(sandbox_id, package_name) 安装所需的包（如 numpy、pandas 等）。
package_name = "numpy"
install_package(sandbox_id, package_name)

# 3. 使用 check_install_status(sandbox_id, package_name) 验证包的安装状态。如果正在安装中，请稍后再次检查。
status = check_install_status(sandbox_id, package_name)
while status == "installing":
    import time
    time.sleep(1)
    status = check_install_status(sandbox_id, package_name)

# 4. 使用 execute_code(sandbox_id, code) 执行代码，返回输出、错误和生成文件的链接。
code = "import numpy; print(numpy.__version__)"
output, error, file_links = execute_code(sandbox_id, code)

📚 详细文档

可用工具

以下是可用的主要工具及其功能描述：

MCP 示例配置

适用于 Claude 的示例配置

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

在线演示的 MCP 示例配置

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

根据您的环境，可能需要调整 serverUrl。

📄 许可证

本项目采用 Apache 2.0 许可证。