MCP Codemode Py

MCPAI代理

提供方 ndilsou

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude
查看接入方式

一个轻量级的Python库,用于通过最小化上下文开销调用MCP工具,支持作为库或MCP服务器使用。

一句话选型结论

按资料字段整理

MCP Codemode Py 属于AI代理类 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AI代理 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 1 仓库热度,无公开仓库时显示未标注
工具数 未标注 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

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注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

MCP工具调用Python本地部署Python库轻量级代码执行工具发现

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 mcp-codemode-py

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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

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

  • 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。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理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
MCP Codemode Py当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
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ndilsou上游标注的维护方 ndilsou
分类AI代理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

8.6 KB
来自项目仓库与上游目录的原文,未做删改

Python的MCP代码模式

轻量级库,用于以最小的上下文开销调用MCP工具。

实施Anthropic的原则 使用MCP执行代码 Cloudflare的 代码模式 文章。

双重用途:库+MCP服务器

mcp编码模式可用于 双向:

1.作为Python库

直接集成到Python应用程序中:```python
from mcp_codemode import mcp
result = await mcp.filesystem.read_file(path="/etc/hosts")


### 2.作为MCP服务器(元MCP模式)

将codemode本身配置为MCP服务器,提供对整个MCP目录的高效访问:```json
{
"mcpServers": {
"codemode": {
"command": "python",
"args": ["-m", "mcp_codemode.server_main"],
"transport": "stdio"
}
}
}

然后使用以下工具 search_tools, execute_code等,通过最小的界面与所有配置的服务器进行交互!

看 MCP_SERVER_USAGE.md 了解完整细节。

问题

传统的MCP用法将所有工具定义加载到LLM上下文中:

  • 50个工具x 200个代币= 10000个代币 在做任何工作之前
  • 多步操作需要通过LLM进行往返
  • 大型数据集不必要地膨胀了上下文

解决方案

LLM更擅长编写代码,而不是直接调用工具。

该库提供:

  1. 渐进式披露 -按需加载工具
  2. 延迟加载 -仅在需要时加载架构
  3. 本地处理 -无上下文开销的多步骤操作
  4. 类型安全性 -JSON模式的Pydantic验证
  5. IDE支持 -生成用于自动补全的.pyi存根

影响

上下文使用率降低98-99%```
Traditional: ~10,000 tokens (all tools loaded)
Code Mode: ~200 tokens (lazy loading + local processing)


## 快速开始

### 安装```bash
uv add mcp-codemode-py
# or
pip install mcp-codemode-py

基本用法```python

from mcp_codemode import mcp

Direct tool call - schema loads automatically

result = await mcp.filesystem.read_file(path="/etc/hosts")

Multi-step with local processing (no context overhead!)

files = await mcp.filesystem.list_directory(path="/var/log")
large_files = [f for f in files if f['size'] > 1_000_000]

for file in large_files[:10]:
content = await mcp.filesystem.read_file(path=file['path'])

Process locally - doesn't bloat context

Only return what matters

return {"count": len(large_files), "sample": large_files[:3]}


### 发现API```python
# Discover servers
servers = await mcp.list_servers()

# Discover tools on a server
tools = await mcp.github.list_tools()

# Search across everything
results = await mcp.search("create issue")
# -> [SearchResult(server="github", tool="create_issue", score=0.95)]

# Use the results
await mcp.github.create_issue(repo="...", title="...", body="...")

命令行界面```bash

Generate .pyi stub files for IDE support

mcp-codemode stub-gen

List available servers

mcp-codemode list

Search for tools

mcp-codemode search "file operations"

List tools for a server

mcp-codemode tools github --detailed


## 配置

创建 `.codemode/config.json` 在您的项目中:```json
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/files"],
"transport": "stdio"
},
"github": {
"command": "mcp-server-github",
"env": {
"GITHUB_TOKEN": "${GITHUB_TOKEN}"
},
"transport": "stdio"
}
}
}

基于文件的发现

非常适合Claude Code-使用本机文件工具探索工具:```bash

Generate stubs

mcp-codemode stub-gen


创建结构:```
.codemode/
stubs/
filesystem/
__init__.pyi
read_file.pyi
write_file.pyi
github/
create_issue.pyi
list_repos.pyi

然后自然地探索:

  • 全局: **/*.pyi ->查找所有工具
  • grep: create.*issue ->按关键字搜索
  • 阅读:查看带有类型提示的工具架构

设计理念

发现的三个层次```

Level 0: Start with just mcp object (0 tokens)
|
Level 1: Discover servers when needed (~20 tokens)
|
Level 2: Discover tools on server (~50 tokens)
|
Level 3: Load schema on tool call (0 context tokens)


### Pydantic的类型安全```python
# Automatic validation from JSON Schema
await mcp.filesystem.read_file(path="/etc/hosts")  # OK

# Validation catches errors
await mcp.filesystem.read_file(path=123)  # ValueError

懒惰的一切

  • 模式仅在调用工具时加载
  • 缓存可防止冗余获取
  • 背景存根生成(可选)

例子

看 examples/ 目录:

  • basic_usage.py -核心API模式
  • claude_code_workflow.py -Claude代码集成

建筑```

+------------------+
| Your Code |
+--------+---------+
|
+--------v---------+
| MCP Code Mode | <- Pydantic validation
| | <- Lazy loading
| | <- Progressive disclosure
+--------+---------+
|
+--------v---------+
| MCP SDK | <- Official MCP client
+--------+---------+
|
+--------v---------+
| MCP Servers | <- filesystem, github, etc.
+------------------+


## 主要特点

### 混合动力探索

- **程序化**: `await mcp.search(&quot;create issue&quot;)`
- **基于文件**:生成存根,使用文件工具浏览
- **工作**:选择适合您工作流程的内容

### 基于文本的搜索

简单、轻便的匹配(无嵌入):```python
results = await mcp.search(&quot;file operations&quot;)
# Matches against tool names and descriptions

自动树桩生成

在回购中导入时:```python
from mcp_codemode import mcp

Background: generates .codemode/stubs/ automatically


或手动:```bash
mcp-codemode stub-gen

基于会话的缓存

  • 会话期间工具不会更改
  • 无限期缓存架构
  • 无陈旧数据问题

整合

使用克劳德代码```python

from mcp_codemode import mcp

Claude Code naturally:

1. Uses Glob to find available tools

2. Uses Grep to search by keyword

3. Uses Read to view schemas

4. Calls tools with validation

result = await mcp.github.create_issue(...)


### 使用Anthropic SDK```python
from anthropic import Anthropic
from mcp_codemode import mcp

client = Anthropic()

# Claude writes code that uses mcp
code = &quot;&quot;&quot;
files = await mcp.filesystem.list_directory(path=&#x27;/var/log&#x27;)
large = [f for f in files if f[&#x27;size&#x27;] &gt; 1_000_000]
return large[:5]
&quot;&quot;&quot;

# Execute in your environment
# (with mcp available)

当前状态

版本0.2.0-生产就绪

已实施:

  • 具有Pydantic验证的核心代理对象
  • 渐进式发现(3个级别)
  • 基于文本的搜索
  • 短路发生器
  • CLI工具
  • 官方MCP SDK集成
  • 配置管理
  • 综合测试(30项测试通过)
  • MCP服务器模式 配备6个用于元MCP模式的工具

MCP服务器模式

当用作MCP服务器时,codemode提供了6个工具,可以访问整个MCP目录:

  1. 搜索工具 -在所有服务器上搜索相关工具
  2. list_server -列出已配置的MCP服务器
  3. list_tools -列出特定服务器上的工具
  4. get_tool_schema -获取工具的完整架构
  5. execute_code -执行Python代码并访问所有服务器(效率最高!)
  6. call_tool -直接工具调用

为什么用作MCP服务器?

  • 大规模上下文缩减:上下文中有6个工具,而单个服务器中有100多个工具
  • execute_code工具:编写在一次调用中使用多个服务器的代码
  • 渐进式披露:按需发现和使用工具
  • 统一接口:所有MCP服务器的一个配置点

execute_code示例:```python

One tool call that uses multiple servers!

{
"tool": "execute_code",
"arguments": {
"code": "files = await mcp.filesystem.list_directory(path='.')\nlarge = [f for f in files if f['size'] > 1_000_000]\nissue = await mcp.github.create_issue(repo='user/repo', title=f'{len(large)} large files')\nreturn {'issue': issue['number']}"
}
}
```

看 MCP_SERVER_USAGE.md 获取完整文档。

条款

该库实现了以下原则:

  1. Anthropic:使用MCP执行代码
  • 代币减少98.7%
  • 渐进式披露
  • 本地数据处理
  1. Cloudflare:代码模式
  • LLM比工具调用更擅长代码
  • 单执行沙盒
  • 生成TypeScript API

设计决策

为什么是Pydantic?

  • Python生态系统中无处不在
  • 从JSON模式自动验证
  • IDE支持的类型提示

为什么是基于文本的搜索?

  • 轻量级(无重依赖性)
  • 对于典型用例来说,速度足够快
  • 如果需要,可以稍后升级到嵌入

为什么选择混合发现?

  • 程序化:始终新鲜,无处不在
  • 基于文件:对Claude Code来说很自然,IDE支持很强
  • 两者皆有:选择的灵活性

为什么是.codemode/?

  • 与MCP配置明确分离
  • 包含存根和缓存
  • 容易感染

许可证

麻省理工学院

致谢

基于以下研究和文章:

  • 人类学(使用MCP执行代码)
  • Cloudflare(代码模式)

使用 模型上下文协议 通过Anthropic。

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
MCP Codemode Py 怎么安装?

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

MCP Codemode Py 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。

MCP Codemode Py 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。

MCP Codemode Py 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。

MCP Codemode Py 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。

MCP Codemode Py 能提供哪些能力?

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

MCP Codemode Py 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。

MCP Codemode Py 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。