$ loading_
在隔离无 root 容器中安全执行 Python 代码,并支持 MCP 代理以精简工具上下文。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"mcp-server-code-execution-mode" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请在隔离的无 root 容器中执行以下 Python 代码,读取示例 CSV,统计每列缺失值并返回结果表: import pandas as pd from io import StringIO csv = '''name,age,score A,20,88 B,,92 C,22, ''' df = pd.read_csv(StringIO(csv)) print(df.isna().sum())
返回代码执行结果,给出各列缺失值统计,并说明运行发生在隔离容器中。
请把这段来源未知的 Python 代码放到隔离容器里执行,记录标准输出、报错和依赖安装情况,并判断是否存在明显风险。
输出执行日志、错误信息与风险判断,帮助安全地测试未知代码。
请说明如何使用该 MCP 服务代理多个工具服务器,只暴露最小必要工具定义,并给出一个适合大模型工作流的配置示例。
给出代理思路、上下文精简方式和示例配置,帮助减少工具定义带来的上下文膨胀。
可安全执行 Python 代码并管理依赖包,支持分析、自动化与开发调试任务。
在受限沙箱中安全执行 Python 代码,并返回结果与生成文件。
通过 MCP 连接 Jupyter 环境,帮助执行代码、分析数据并交互式探索结果。
为多后端 MCP 服务提供代理与按需加载,降低工具定义带来的令牌消耗。
为 AI 代理集中管理记忆、工具与逻辑,减少提示冗余并支持多代理扩展。
将 MCP 服务安全代理为 OpenAPI 接口,便于集成、调用与部署管理。