Реализация прототипа для MCP-сервера Code Execution с DSpy. Архитектура «Code Execution with MCP» сочетает в себе сильные стороны моделей большого языка при генерации кода с протоколом Model Context Protocol для интеграции инструментов. Эта система позволяет агенту ИИ писать код Python, который работает в изолированной песочнице, беспрепятственно вызывая внешние инструменты MCP.

Быстрый старт

###1 Установка Python 3.11+ и Node.js 20+.

###2 Конфигурация Скопируйте примерный файл окружения и настройте секреты:

Настройка MCP-серверов в mcp_servers.json:

###3 Запуск сервера Запустите MCP-сервер Code Execution:

###4 Проверка Проверьте свою установку, запустив скрипт исполнителя отладки. Этот скрипт имитирует MCP-клиент, подключается к серверу и запускает тестовую задачу для обеспечения правильной работы агента и инструментов.

Перед запуском сценария: 1.Настройте MCP-серверы, с которыми вы хотите взаимодействовать в mcp_servers.json. 2. Определите конкретную задачу, которую агент должен выполнить, редактируя переменную task в scripts/debug_executor.py.

Команды развития

| Командование | Описание [скрыто] [скрыто] [скрыто] [скрыто] [скрыто] [[Т4]] Проведите все тесты Проверка на хуй.

MCP Code Mode

Prototype implementation for the Code Execution MCP Server with DSpy. The “Code Execution with MCP” architecture combines the strengths of Large Language Models at code generation with the Model Context Protocol for tool integration. This system enables an AI agent to write Python code that runs in an isolated sandbox while seamlessly calling external MCP tools.

Quick Start

1. Installation

Requires Python 3.11+ and Node.js 20+.

# Create virtual environment
python3.11 -m venv .venv
source .venv/bin/activate

# Install dependencies
pip install -e .[dev]

# Install Node.js dependencies for reference servers
npm install -g npm@latest

2. Configuration

Copy the example environment file and configure secrets:

cp .env.example .env

Configure your MCP servers in mcp_servers.json:

{
  "servers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/your-working-folder"],
      "description": "Local file system operations"
    }
  }
}

3. Running the Server

Launch the Code Execution MCP server:

python -m mcp_code_mode.executor_server

4. Verification

Verify your setup by running the debug executor script. This script simulates an MCP client, connects to the server, and runs a test task to ensure the agent and tools are working correctly.

Before running the script:

1. Configure the MCP servers you want to interact with in mcp_servers.json.
2. Define the specific task you want the agent to perform by editing the task variable in scripts/debug_executor.py.

python scripts/debug_executor.py

Development Commands

Execution Environment & Guardrails

By default, the system uses a Local Python Executor (LocalPythonExecutor) which runs code in the same process as the server. This is necessary because the strict Pyodide sandbox has limitations with network I/O, preventing it from calling back to other MCP tools in some environments.

Guardrails

Even with the local executor, the system enforces policies before code execution:

• Limits: 8k characters / 400 lines max.
• Imports: Allowlist only (json, math, re, datetime, etc.).
• Tokens: Disallows potentially dangerous tokens (subprocess, exec, eval).

Violations return a POLICY_VIOLATION error.

Note: You can force the use of the Pyodide sandbox by setting MCP_EXECUTOR=pyodide, but this may break tool calls depending on your environment.

Architecture

Overview

┌─────────────────────────────────────────────────────────────┐