🚀 MCP Sandbox 环境搭建与使用指南
MCP Sandbox 是一个基于 Python 的沙盒环境工具，它借助 Docker 容器技术，能让 Python 代码在安全隔离的环境中运行，有效防止恶意代码破坏主机系统。
🚀 快速开始
要使用 MCP Sandbox，你需要完成克隆仓库、创建虚拟环境并同步依赖、启动服务器这几个步骤，之后就能通过指定链接连接和使用该工具。
✨ 主要特性
- Docker 隔离：每个沙盒环境都在独立的 Docker 容器中运行，确保任务之间互不影响。
- 包管理：支持在指定沙盒中安装第三方 Python 包，例如 numpy、pandas 等。
- 文件生成与访问：所有生成的文件（如图像、CSV）都会通过 HTTP 链接提供直接访问，便于展示和嵌入。
📦 安装指南
克隆仓库
使用 Git 命令克隆 MCP Sandbox 项目到本地：
git clone https://github.com/your-username/mcp-sandbox.git
创建虚拟环境并同步依赖
进入项目目录后，安装 UV 包管理器并同步依赖：
uv create venv --name mcp-sandbox
cd venv && uv sync
启动服务器
启动 MCP Sandbox 服务器：
uv run main:app
之后，你可以通过访问 http://localhost:8000/sse 来连接和使用 MCP Sandbox 工具。
💻 使用示例
基础用法
工作流程
- 创建或选择沙盒
mcp_sandbox list_sandboxes
如果没有可用沙盒，创建新的：
mcp_sandbox create_sandbox
- 安装必要包 安装所需包到指定沙盒：
mcp_sandbox install_package --sandbox_id --package numpy
- 执行 Python 代码 在沙盒中运行 Python 代码：
mcp_sandbox execute_python_code --sandbox_id --code "import pandas as pd; print(pd.__version__)"
- 查看结果与文件 执行后的输出、错误信息及生成的文件链接将直接返回，便于进一步处理和展示。
示例代码
以下是一个完整的示例：
import pandas as pd
# 读取数据并保存为 CSV
data = {'A': [1, 2, 3], 'B': [4, 5, 6]}
df = pd.DataFrame(data)
df.to_csv('output.csv', index=False)
# 使用 plt.savefig() 保存图像
import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [4, 5, 6])
plt.savefig('graph.png')
📚 详细文档
MCP 配置示例
对 Claude 的配置
{
"mcpServers": {
"mcpSandbox": {
"command": "npx",
"args": ["-y", "supergateway", "--sse", "http://localhost:8000/sse"]
}
}
}
在线演示配置
{
"mcpServers": {
"mcpSandbox": {
"command": "npx",
"args": ["-y", "supergateway", "--sse", "http://115.190.87.78/sse?api_key=" ]
}
}
}
⚠️ 重要提示
请根据你的环境调整
serverUrl参数。