Code Execution MCP

MCP运维云端

提供方 marc-shade

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude
查看接入方式

一个安全沙箱环境中的代码执行工具,支持按需工具发现、数据处理和技能持久化。

一句话选型结论

按资料字段整理

Code Execution MCP 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 12 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量12暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

代码执行Python本地部署沙箱环境工具发现数据处理技能持久化

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -e .

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 12 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 12 个工具,覆盖面较广,能满足多种调用。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Code Execution MCP当前 12 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方marc-shade上游标注的维护方 marc-shade
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

4.0 KB
来自项目仓库与上游目录的原文,未做删改

代码执行MCP

实现Anthropic的模式 “使用MCP执行代码” 文章介绍了高效的AI代理操作。

核心见解

代理编写的代码不是预先加载数千个工具定义并通过模型上下文传递中间结果,而是:

  1. 按需发现工具(逐步披露)
  2. 在沙盒中处理数据(不在上下文中)
  3. 仅返回汇总/筛选的结果

结果:与直接工具调用相比,令牌减少高达98.7%。

特性

1.沙盒代码执行

  • 资源限制(30秒超时,500MB内存)
  • 受限内置组件(安全子集)
  • 安全模块(json、re、math、datetime等)
  • 工作空间文件实用程序

2.渐进式工具发现

  • 按查询搜索工具,不加载定义
  • 先获取摘要,按需获取完整定义
  • 按类别组织(安全、内存、集群等)

3.PII标记化

  • 自动检测敏感数据(电子邮件、电话、SSN等)
  • 在数据到达模型之前替换为令牌
  • 在需要工具调用时进行恢复

4.技能坚持

  • 保存可重用的代码片段
  • 随着时间的推移建立复合能力
  • 跨会话共享

工具

工具 说明
execute_code 在安全沙箱中运行Python
search_tools 渐进式工具发现
get_tool_definition 加载完整的工具详细信息
save_skill 持久化可重用代码
load_skill 节省负载技能
list_skills 列出所有技能
sanitize_pii 在文本中标记PII
restore_pii 恢复标记化的PII
write_workspace_file 将数据持久化到工作区
read_workspace_file 从工作区读取
list_workspace_files 列出工作区内容
get_execution_stats 环境统计

使用示例

高效数据处理```python

Instead of returning 10,000 rows to context:

code = '''
data = json.loads(read_file("large_dataset.json"))
filtered = [d for d in data if d['status'] == 'active']
result = {
'total': len(data),
'active': len(filtered),
'sample': filtered[:5]
}
'''
execute_code(code)

Returns only summary, not full dataset


### 渐进式工具发现```python
# Find security tools (minimal tokens)
search_tools("vulnerability", category="security", detail_level="summary")

# Load full definition only when needed
get_tool_definition("web_vuln_scanner", category="security")

隐私保护操作```python

Sanitize before processing

sanitize_pii("Contact john@example.com at 555-123-4567")

Returns: "Contact [EMAIL_abc123] at [PHONE_def456]"

Restore when needed

restore_pii("[EMAIL_abc123]")

Returns: "john@example.com"


### 培养技能```python
# Save a reusable skill
save_skill(
name="filter_high_risk",
code="def filter_high_risk(vulns): return [v for v in vulns if v['severity'] in ['high', 'critical']]",
description="Filter vulnerabilities to high/critical only"
)

# Use in future code execution
code = '''
skill = load_skill("filter_high_risk")
exec(skill)
vulns = json.loads(read_file("scan_results.json"))
result = filter_high_risk(vulns)
'''

安装```bash

cd /mnt/agentic-system/mcp-servers/code-execution-mcp
pip install -e .


## 配置

添加 `~/.claude.json`:```json
{
"mcpServers": {
"code-execution": {
"command": "/mnt/agentic-system/.venv/bin/python3",
"args": ["/mnt/agentic-system/mcp-servers/code-execution-mcp/src/code_execution_mcp/server.py"],
"disabled": false
}
}
}

建筑```

code-execution-mcp/
├── workspace/ # Sandboxed file storage
├── skills/ # Persistent skill definitions
├── tools_registry/ # Tool definitions for discovery
│ ├── security/ # Security tools
│ └── memory/ # Memory tools
└── src/
└── code_execution_mcp/
└── server.py # Main MCP server
```

安全说明

  • 代码使用受限制的内置程序运行(否 open, exec, eval 任意输入)
  • 文件访问仅限于工作区目录
  • 资源限制可防止执行失控
  • 无法从沙盒访问网络

参考文献

  • Anthropic:使用MCP执行代码
  • Cloudflare:代码模式研究

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Code Execution MCP 怎么安装?

在客户端按下面的安装命令接入:pip install -e .。装完在客户端配置里引用同一个包或端点。

Code Execution MCP 怎么在 Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Code Execution MCP 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Code Execution MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Code Execution MCP 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Code Execution MCP 能提供哪些能力?

资料显示约 12 个工具;能力标签包括 代码执行、工具发现、Python、Claude。具体工具清单以官方文档为准。

Code Execution MCP 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Code Execution MCP 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。