쿼리당 30,000 토큰 지불을 중단하세요. 이 브리지는 루트리리스 보안으로 Anthropic의 발견 패턴을 구현하여 MCP 컨텍스트를 3만 토큰에서 200회로 줄이고, 모든 stdio 서버를 프록시합니다.

개요

이 브리지는 **“MCP를 이용한 코드 실행” ** 패턴을 구현하며, 업계 리더들의 아이디어가 융합된 것입니다:

• Apple의 CodeAct: “LLM 에이전트가 코드를 생성할 때 더 잘 작동한다.”
• Anthropic의 MCP 코드 실행: “더 효율적인 에이전트 구축.”
• Cloudflare의 코드 모드: “LLM은 MCP를 직접 호출하는 것보다 MCP를 호출하는 코드를 작성하는 데 더 뛰어납니다.”
• 도커의 동적 MCP: “에이전트의 세계를 하드코딩하지 마세요.”
• Terminal Bench의 Terminus: “LLM 에이전트를 평가하기 위한 현실적인 터미널 환경.”

수백 개의 개별 도구를 LLM에 노출시키는 대신(방대한 맥락을 소모하고 모델을 혼란스럽게 만듭니다), 이 브릿지는 **하나의 ** 도구인 run_python를 노출시킵니다. LLM은 다른 도구를 발견, 호출, 구성하기 위해 파이썬 코드를 작성합니다.

왜 이게 '코드 모드’vs. JS 거야?

자바스크립트 기반 대안(예: universal-tool-calling-protocol/code-mode)도 있지만, 이 프로젝트는 데이터 과학과 보안을 위해 만들어졌습니다:

MCP Code Execution Server: Zero-Context Discovery for 100+ MCP Tools

Stop paying 30,000 tokens per query. This bridge implements Anthropic’s discovery pattern with rootless security—reducing MCP context from 30K to 200 tokens while proxying any stdio server.

Overview

This bridge implements the “Code Execution with MCP” pattern, a convergence of ideas from industry leaders:

• Apple’s CodeAct: “Your LLM Agent Acts Better when Generating Code.”
• Anthropic’s Code execution with MCP: “Building more efficient agents.”
• Cloudflare’s Code Mode: “LLMs are better at writing code to call MCP, than at calling MCP directly.”
• Docker’s Dynamic MCPs: “Stop Hardcoding Your Agents’ World.”
• Terminal Bench’s Terminus: “A realistic terminal environment for evaluating LLM agents.”

Instead of exposing hundreds of individual tools to the LLM (which consumes massive context and confuses the model), this bridge exposes one tool: run_python. The LLM writes Python code to discover, call, and compose other tools.

Why This vs. JS “Code Mode”?

While there are JavaScript-based alternatives (like universal-tool-calling-protocol/code-mode), this project is built for Data Science and Security: