代码解释器
一个开源的模型上下文协议（MCP）服务器，提供类似笔记本电脑的代码执行界面，具有会话亲和性、多语言支持和会话范围的文件存储。旨在与LibreChat的代码解释器流干净地集成。
有关内部和请求流，请参阅 docs/ARCHITECTURE.md.
亮点
- 通过支持SSE流媒体的Jupyter内核执行有状态的Python。
- 在沙盒子进程中执行的其他运行时（bash、Node.js、TypeScript、Go、C++）。
- 会话范围的文件上传/下载，带有LibreChat兼容的响应。
- 用于客户端功能发现的健康+运行时清单端点。
- Docker首先使用基于uv的本地开发工作流和Makefile助手进行部署。
支持的语言
| 语言 | 接受 lang values | 运行时命令 | 行为 |
|---|---|---|---|
python py, python | Jupyter内核 | 具有流式传输和持久化变量的有状态会话 | |
| Bash | bash, sh | /bin/bash 随着 set -euo pipefail 前奏（可配置） | 每次运行无状态 |
| Node.js | js, javascript, node | node | 无状态脚本执行 |
| TypeScript | ts, typescript | npx ts-node | Transpiles+在进程中运行；跳过如果 ts-node 不可用 |
| 去吧 | go | go run | 在会话工作区中编译为临时二进制文件 |
C cpp, c++ | g++ （C++17）->编译二进制 | 执行后删除临时二进制 |
GET /health 报告哪些运行时可用，以及已安装库的快照。 GET /libraries 显示全部库存。
快速入门（Docker）
Docker运行（推荐）
docker run --rm -p 8000:8000 \
-e CODE_INTERPRETER_API_KEY=dev-demo-key \
-v $(pwd)/uploads:/app/uploads \
-v $(pwd)/notebooks:/app/notebooks \
ghcr.io/thehapyone/code-interpreter:latestDocker Compose（类似于生产环境）
docker compose build \
--build-arg APP_UID=$(id -u) \
--build-arg APP_GID=$(id -g)
docker compose up -d
docker compose logs -f启动前，确保可写绑定挂载：
mkdir -p notebooks uploads logs
chown -R $(id -u):$(id -g) notebooks uploads logs如果解释器必须加入MCP客户端使用的现有Docker网络，请设置 MCP_NETWORK_EXTERNAL=true 和 MCP_NETWORK_NAME= 在 .env.
LibreChat集成
此服务器旨在与LibreChat的代码解释器工作流程直接兼容。
/upload回报message: "success"包括fileId/filenameLibreChat预期的字段。- 上传的文件可以在Python中找到
/mnt/data/. /exec接受args作为字符串或列表（LibreChat可能会发送[])并且可以使用session_id从附件参考文献中获取文件水合作用。
LibreChat环境示例
在LibreChat部署中使用这些变量指向代码解释器服务：
#==================================#
# Code Interpreter Configuration #
#==================================#
LIBRECHAT_CODE_API_KEY=librechat
LIBRECHAT_CODE_BASEURL=http://code_interpreter:7000在LibreChat中使用代码解释器
/mnt/data 兼容性
Python内核在以下情况下处理POSIX路径 /mnt/data 作为当前会话工作区的别名 //mnt/data。这有助于运行假设代码解释器的笔记本和示例 /mnt/data 公约。
配置
环境变量（常用）：
| 变量 | 默认值 | 描述 |
|---|---|---|
CODE_INTERPRETER_API_KEY | _（未设置）_ | 需要 x-api-key 设置后，在所有端点上。 |
MAX_SESSIONS | 50 | 最旧的驱逐之前的最大并发Jupyter内核数。 |
EXECUTION_TIMEOUT | 300 | 每次执行超时（秒）。 |
NOTEBOOKS_DIR | /notebooks | 笔记本存储根目录。 |
UPLOADS_DIR | /uploads | 会话工作区根目录（文件+工件）。 |
SUBPROCESS_MAX_MEMORY_MB | _（未设置）_ | RLIMIT_AS用于非Python运行（MiB）。 |
SUBPROCESS_MAX_CPU_SECONDS | _（未设置）_ | RLIMIT_CPU用于非Python运行（秒）。 |
BASH_STRICT_MODE | true | 前置 set -euo pipefail bash/sh脚本。 |
CORS_ALLOW_ORIGINS | * | 允许使用逗号分隔的源代码调用API。 |
LOG_REQUESTS | false | 日志方法/路径/标头+JSON预览（帮助MCP客户端调试）。 |
API和MCP集成
- OpenAPI生成于
openapi.json（奔跑make openapi在改变端点之后）。导入到MCP客户端，如LibreChat或Claude Desktop。 - 主要终点：
/exec,/exec/stream,/upload,/files/{session_id},/files/{session_id}/{file_id},/download/{session_id}/{file_id},/health,/libraries. - 会话关联性由以下因素驱动
entity_id；重用它将调用绑定到相同的Python内核和工作区。
用法示例
执行Python：
curl -X POST http://localhost:8000/exec \
-H "Content-Type: application/json" \
-d '{"code":"print(\"hello\")","lang":"py","entity_id":"demo"}'将文件上传到会话中并使用它们执行：
curl -X POST http://localhost:8000/upload \
-F "entity_id=demo" \
-F "files=@data.csv"
curl -X POST http://localhost:8000/exec \
-H "Content-Type: application/json" \
-d '{
"code":"import pandas as pd; print(pd.read_csv(\"data.csv\").head())",
"lang":"py",
"entity_id":"demo"
}'流输出（Python）：
curl -N -X POST http://localhost:8000/exec/stream \
-H "Content-Type: application/json" \
-d '{"code":"import time\nfor i in range(3):\n print(i); time.sleep(1)","lang":"py","entity_id":"demo"}'本地开发（uv+FastAPI）
make install # uv sync
make dev # starts FastAPI on http://localhost:8000测试和质量
make test–异步pytest套件。make lint–绒毛检查。make format-check–Ruff格式验证。make typecheck–mypy（严格）。bash e2e/run_all.sh-语言烟雾测试（服务器必须正在运行，例如。，make dev).
安全和隔离
- 在Docker中以非root身份运行；支持卷权限的可配置UID/GID。
- 会话工作区隔离用户文件和执行工件；子进程HOME指向工作区。
- 环境配置防止主机环境泄漏；
PYTHONPATH已清除子流程。 - 可选的RLIMIT上限和执行超时；可选的严格bash前奏。
- API密钥验证可通过
CODE_INTERPRETER_API_KEY.
项目结构（高层）
src/mcp_code_interpreter/–FastAPI服务器、执行服务、内核管理器、会话注册表、进程运行器、功能发现。tests/–pytest套件。e2e/–语言烟雾测试和人工制品。ui/–可选的Vite/React开发UI。docs/ARCHITECTURE.md–系统架构和图表。
许可证
麻省理工学院