MCP Run Python Server

Anthropic 官方 Python 执行 MCP 服务器——让 Agent 在安全沙箱中运行 Python 代码。

功能介绍

MCP Run Python 是 Anthropic 最新发布的 MCP 官方服务器，专门解决 AI Agent 执行代码的需求。与其他代码执行方案不同，它基于 Jupyter 内核构建，天生适合数据分析和科学计算场景。

核心能力：

• Jupyter 内核：持久化 Python 进程，变量和状态跨调用保留。第一次调用定义的变量，第二次调用可以直接使用
• 自动包安装：Agent 运行时自动安装缺失的 Python 包，无需手动 pip install
• 文件 I/O：支持读写本地文件，Agent 可以加载 CSV、处理数据、输出结果文件
• 输出富格式：支持文本、表格、图片（matplotlib/plotly）、HTML 多种输出格式
• 沙箱隔离：代码在受限环境中执行，防止恶意操作影响宿主系统

与 MCP SQLite Server 的协同：

• SQLite Server 负责数据存储和 SQL 查询
• Run Python Server 负责复杂计算、可视化和机器学习
• 两者配合实现完整的数据分析流水线

安装步骤

在 MCP 客户端中配置

{
  "mcpServers": {
    "python": {
      "command": "uvx",
      "args": ["mcp-run-python"]
    }
  }
}

从源码安装

git clone https://github.com/anthropics/mcp-run-python.git
cd mcp-run-python
pip install -e .

使用示例

数据分析

加载 sales_2026.csv，计算每月收入趋势，画折线图

Agent 自动执行：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('sales_2026.csv')
monthly = df.groupby(df['date'].str[:7])['revenue'].sum()
monthly.plot(kind='line', title='Monthly Revenue 2026')
plt.savefig('revenue_trend.png')

多步推理

第一步：分析数据分布
第二步：基于分析结果训练模型
第三步：评估模型效果

Jupyter 内核保证三步之间变量共享，无需序列化传递。

安全提示：建议在 Docker 容器中运行 MCP Run Python，限制文件系统访问范围和网络权限。

GitHub: https://github.com/anthropics/mcp-run-python