MCP対応 Python コードインタープリターツール

Model Context Protocol (MCP) に対応した、Docker ベースの Python コード実行およびファイル管理を行う MCP サーバです。

特徴

• Docker コンテナ内で Python コードまたはスクリプトを実行
• コンテナのファイルをホスト作業ディレクトリ（WORKDIR）にダウンロード (cp_out ツール)
• ホスト作業ディレクトリ（WORKDIR）内のファイルをコンテナにアップロード (cp_in ツール)
• コンテナのリセット (reset ツール)
• コンテナにインストールされている Python パッケージを確認 (list_packages ツール)
• コンテナ内のファイルを作成・編集 (edit_file ツール)
• 初期状態のコンテナに MCP Python SDK (mcp[cli]) をプリインストール

必要要件

• Docker
• Python 3.10+
• Conda (optional) または pip install -r requirements.txt

uv を用いたプロジェクトセットアップ

本リポジトリでは、uv を用いた Python プロジェクト管理をサポートします。 uv がインストールされていない場合は、次のようにインストールします。

pip install uv

もしくは

curl -LsSf https://astral.sh/uv/install.sh | sh

依存パッケージを追加します。

uv sync
source .venv/bin/activate

使い方

以下の手順でサーバを実行およびツールを利用できます。

開発モードでの起動

MCP Inspectorを使ってサーバをテスト・デバッグするには:

mcp dev server.py

サーバの直接起動

uv run python server.py

コマンドライン引数での作業ディレクトリ指定

WORKDIR_IN と WORKDIR_OUT をコマンドライン引数で直接指定できます。環境変数や .env の設定よりも優先されます。

python server.py --WORKDIR_IN /path/to/upload/dir --WORKDIR_OUT /path/to/download/dir

MCP CLI 経由でも同様に指定可能です:

mcp dev server.py --WORKDIR_IN /path/to/upload --WORKDIR_OUT /path/to/download

作業ディレクトリの設定

ファイルのアップロード（cp_in）には WORKDIR_IN、ダウンロード（cp_out）には WORKDIR_OUT 環境変数で指定されたディレクトリがそれぞれ作業ディレクトリとして扱われます。 どちらも未設定の場合は WORKDIR 環境変数、さらに未設定時は現在の作業ディレクトリが使われます。 相対パスのみ許可され、.. を使って上位ディレクトリへアクセスすることはできません。

例:

export WORKDIR=/path/to/your/workdir

もしくは

WORKDIR_IN='/path/to/upload/dir'
WORKDIR_OUT='/path/to/downloads/dir'

Docker イメージの指定

コンテナで利用する Python Docker イメージは、DOCKER_IMAGE 環境変数または .env ファイルで指定できます。

export DOCKER_IMAGE=python:3.13-slim

もしくは

DOCKER_IMAGE='python:3.13-slim'

MCP Inspectorによるテスト

mcp dev server.py

推奨 Docker イメージ (データ分析向け)

docker build -t code_interpreter .

ほかのイメージを利用したい場合、以下のような Docker イメージがおすすめです。

• jupyter/scipy-notebook: Jupyter Notebook や数値計算向けパッケージがプリインストールされた公式イメージ
• continuumio/miniconda3: Conda 環境で柔軟にパッケージを管理できるイメージ
• python:3.13-slim ベースに pip install numpy pandas scipy scikit-learn matplotlib seaborn jupyter plotly を行うカスタムイメージ