mcp代码生成器v1.0.0

⚡ 这段代码已经过vibe编码

⚡ 从MCP服务器生成Python客户端代码+使用内置沙盒执行代理代码

mcp编码 是一个用于使用MCP（模型上下文协议）服务器的综合工具包。它使您能够：

发现并列出工具 从任何MCP服务器
生成类型安全的Python客户端代码 带有完整的类型提示
直接调用工具 从CLI无需编写代码
创建渐进式文件系统布局 用于及时加载工具
搜索工具 跨服务器而不加载完整模式
执行Python代理代码 内置资源限制、网络隔离和隐私保护

非常适合需要安全高效地使用MCP工具的AI代理。

功能概览

功能	v0.x	v1.0.0
列出工具	✅	✅
生成类型安全的Python存根	✅	✅
直接工具调用	✅	✅
汽车运输谈判	✅	✅
渐进式文件系统布局	❌	✅ 新
不加载模式的工具搜索	❌	✅ 新
Python代码执行运行器	❌	✅ 新
资源限制（CPU、内存）	❌	✅ 新
网络隔离	❌	✅ 新
PII清洗	❌	✅ 新
沙盒模式（seccomp、Firejail）	❌	✅ 新

快速开始

注： mcp编码如下人类学用于上下文高效的代理工作流。

安装

pip install -e .

# Optional: For Linux sandboxing features
pip install -e ".[runner]"

1.列出可用工具

mcp-codegen ls --url https://your-mcp-server.com

输出：

Tools:
 - get_weather_forecast: Get weather forecast for a location (params: lat, lon, limit)
 - list_locations: List available locations (params: )
 - search_location: Search for a location (params: query)

2.生成Python模块（单个文件）

mcp-codegen gen \
  --url https://your-mcp-server.com \
  --out weather_tools.py \
  --name weather

在Python中使用它：

import asyncio
from weather_tools import get_weather_forecast

async def main():
    params = get_weather_forecast.Params(lat=64.75, lon=20.95, limit=1)
    result = await get_weather_forecast.call(
        'https://your-mcp-server.com',
        params
    )
    print(result)

asyncio.run(main())

3.直接调用工具（无代码生成）

mcp-codegen call \
  --url https://your-mcp-server.com \
  --tool get_weather_forecast \
  --arg lat=64.75 \
  --arg lon=20.95

4.生成渐进式文件系统布局（v1.0.0中的新功能）

mcp-codegen gen --fs-layout \
  --url https://your-mcp-server.com \
  --name weather

创建可浏览的结构：

servers/
└── weather/
    ├── __init__.py              # Server index
    ├── get_weather_forecast.py  # Individual tool
    ├── list_locations.py
    └── search_location.py

只导入您需要的内容：

from servers.weather.get_weather_forecast import call, Params

# Load just this tool, not all 100 tools
result = await call('https://...', Params(lat=64.75, lon=20.95))

生成克劳德代码技能（新）：

添加 --generate-skill 为Claude Code自动创建技能文件：

mcp-codegen gen --fs-layout \
  --url https://your-mcp-server.com \
  --name weather \
  --generate-skill

这创造了 .claude/skills/mcp-weather/SKILL.md 这有助于Claude Code：

自动发现何时使用这些工具
知道服务器URL和工具位置
了解工具类别（天气、交通等）
访问使用模式和示例

5.搜索工具（v1.0.0中的新功能）

在不加载完整模式的情况下查找工具：

mcp-codegen search "weather forecast" --detail basic

输出：

Found 1 tool(s) matching 'weather forecast':

  weather/get_weather_forecast
    Get weather forecast for a location

或者在Python中：

from mcp_codegen.runtime import search_tools

tools = search_tools("weather forecast")
for tool in tools:
    print(f"{tool.server}/{tool.tool}")
    print(f"  {tool.summary}")
    # Load on demand
    module = tool.load()
    result = await module.call(base_url, module.Params(...))

6.使用沙盒执行代理代码（v1.0.0中的新功能）

mcp-codegen run --file agent.py \
  --cpu-seconds 10 \
  --memory-mb 512

您的代理脚本可以安全地使用MCP工具：

# agent.py
from mcp_codegen.runtime import search_tools, workspace, run_async
from servers.weather.get_weather_forecast import call, Params

# Search for available tools
tools = search_tools("weather")
print(f"Found {len(tools)} weather tools")

# Call a tool
async def get_forecast():
    params = Params(lat=64.75, lon=20.95)
    result = await call('https://your-mcp-server.com', params)
    return result

# Execute async code
run_async(get_forecast)

# Write results without hitting the model
workspace.write("forecast.json", forecast_result)

命令参考

`mcp-codegen ls` -列出工具

列出MCP服务器上的所有可用工具。

语法：

mcp-codegen ls \
  --url  \
  [--transport {auto,streamable-http,sse}] \
  [--verbose]

选项：

--url URL （必填）-MCP服务器URL
--transport （默认：自动）-传输协议
--verbose -显示调试信息

示例：

# Auto-detect transport
mcp-codegen ls --url http://localhost:8000

# Force SSE transport
mcp-codegen ls --url http://localhost:8000 --transport sse

# Verbose output
mcp-codegen ls --url http://localhost:8000 --verbose

`mcp-codegen gen` -生成代码

从MCP服务器定义生成Python模块。

语法：

mcp-codegen gen \
  --url  \
  --out  \
  --name  \
  [--fs-layout] \
  [--output-dir ]

选项：

--url URL （必填）-MCP服务器URL
--out FILE （必填）-输出文件路径（适用于单文件模式）
--name NAME （默认值：mcp_stub）-模块/服务器名称
--fs-layout -生成每个工具的文件，而不是单个文件
--output-dir DIR （默认：服务器）-fs布局的输出目录
--generate-skill -生成克劳德代码技能文件（新）
--skill-dir DIR （默认：.claude/stkills）-技能目录

示例：

单文件生成：

mcp-codegen gen \
  --url http://localhost:8000 \
  --out weather_tools.py \
  --name weather

文件系统布局生成：

mcp-codegen gen \
  --url http://localhost:8000 \
  --fs-layout \
  --name weather

使用Claude Code技能生成（推荐）：

mcp-codegen gen \
  --url http://localhost:8000 \
  --fs-layout \
  --name weather \
  --generate-skill

`mcp-codegen call` -调用工具

直接调用MCP工具，无需生成代码。

语法：

mcp-codegen call \
  --url  \
  --tool  \
  [--arg KEY=VALUE] \
  [--json]

选项：

--url URL （必填）-MCP服务器URL
--tool TOOL （必需）-要调用的工具名称
--arg KEY=VALUE -工具参数（可重复）
--json -输出原始JSON-RPC结果

示例：

字符串参数：

mcp-codegen call \
  --url http://localhost:8000 \
  --tool greet \
  --arg name=World

JSON参数：

mcp-codegen call \
  --url http://localhost:8000 \
  --tool search \
  --arg limit=10 \
  --arg filters='{"type":"active"}'

数字参数：

mcp-codegen call \
  --url http://localhost:8000 \
  --tool get_weather \
  --arg lat=64.75 \
  --arg lon=20.95 \
  --arg limit=1

`mcp-codegen search` -搜索工具（新）

在生成的服务器上搜索工具。

语法：

mcp-codegen search  \
  [--servers-dir ] \
  [--detail {name,basic,full}]

选项：

QUERY （必需）-搜索查询（匹配服务器名称、工具名称或摘要）
--servers-dir DIR （默认：服务器）-包含生成的服务器的目录
--detail （默认：基本）-要显示的详细程度

- name：仅显示姓名 - basic：显示名称和摘要 - full：显示所有内容+使用示例

示例：

# Quick search
mcp-codegen search "weather" --detail name

# Search with summaries
mcp-codegen search "forecast" --detail basic

# Full details
mcp-codegen search "get" --detail full

`mcp-codegen run` -执行代理代码（新）

执行具有资源限制和沙盒的Python代理代码。

语法：

mcp-codegen run \
  [--file  | --code 
] \
  [--servers-dir ] \
  [--workspace ] \
  [--cpu-seconds ] \
  [--memory-mb ] \
  [--disable-network] \
  [--seccomp] \
  [--firejail]

选项：

--file FILE 或 --code CODE -要执行的脚本或代码（需要一个）
--servers-dir DIR （默认：服务器）-服务器工具目录
--workspace DIR （默认值：.workspace）-工作区输出目录
--cpu-seconds N （默认值：10）-CPU时间限制（秒）
--memory-mb N （默认值：512）-内存限制（MB）
--disable-network -阻止网络访问（默认情况下为MCP工具启用）
--seccomp -启用seccomp系统调用筛选（仅限Linux）
--firejail -使用Firejail沙盒运行（仅限Linux）

示例：

使用默认值运行脚本：

mcp-codegen run --file agent.py

增加限制：

mcp-codegen run --file agent.py \
  --cpu-seconds 30 \
  --memory-mb 1024

启用硬化：

mcp-codegen run --file agent.py \
  --seccomp \
  --disable-network  # Block network if not needed

使用Firejail沙盒：

mcp-codegen run --file agent.py --firejail

来自stdin：

echo "print('Hello from agent')" | mcp-codegen run --code -

了解v1.0.0的新功能

渐进式文件系统布局

传统方法产生了 单个大文件 使用所有工具：

# mcp_tools.py - might be 50KB+ with 100+ tools
class tool1: ...
class tool2: ...
class tool3: ...
# ... hundreds more

问题： 即使你只需要 tool1，您可以加载和解析100多个工具。

v1.0.0中的解决方案： 生成 每个工具的单个文件:

servers/
└── weather/
    ├── get_forecast.py      (2KB - only what you need)
    ├── list_locations.py    (2KB)
    └── search_location.py   (2KB)

优点：

✅ 快速进口 -只加载您使用的内容
✅ 小背景 -非常适合具有令牌限制的AI代理
✅ 发现的 -易于浏览的可用工具
✅ 可组合 -混合来自多个服务器的工具

不加载模式的工具搜索

在所有服务器上查找工具 不执行任何代码:

from mcp_codegen.runtime import search_tools

# Super fast - uses AST parsing, not module execution
tools = search_tools("weather forecast")

# Tools are ToolRef objects - not loaded yet
for tool in tools:
    print(tool.server)  # "weather"
    print(tool.tool)    # "get_forecast"
    print(tool.summary) # "Get weather forecast..."

    # Load module on demand
    module = tool.load()
    result = await module.call(base_url, module.Params(...))

它是如何工作的：

扫描 servers/ 工具文件目录
使用AST解析提取文档字符串（无需执行）
返回轻量级 ToolRef 物体
仅在需要时加载模块

使用沙盒执行Python代码

安全执行任意Python代码：

mcp-codegen run --file agent.py \
  --cpu-seconds 10 \
  --memory-mb 512 \
  --seccomp

runner为您的代码提供了什么：

# Automatically available:
from mcp_codegen.runtime import search_tools, workspace, run_async
from privacy import scrub
from logger import logger

# Search for tools
tools = search_tools("weather")

# Use workspace for I/O (doesn't go to model)
workspace.write("results.json", data)

# Execute async code
run_async(my_async_function)

# Scrub PII from logs
safe_text = scrub("email: user@example.com")  # → "[EMAIL]"

# Log safely (auto-scrubbed)
logger.info("Processing data", status="ok")

安全层（内置）：

资源限制 （所有平台）

- CPU：默认10秒（杀死失控循环） - 内存：默认512MB（防止OOM） - 文件描述符：64（防止资源耗尽） - 进程数：64（防止分叉炸弹）

网络隔离 （仅Python级别）

- 默认启用-允许MCP工具调用 - 阻碍： socket.socket(), socket.create_connection()等禁用时 - ⚠️ 还阻止MCP客户端 -使用 --disable-network 仅当不需要API调用时 - 目的：可选择通过直接网络访问防止数据泄露

输出限制 （所有平台）

- 200KB标准输出上限（防止垃圾邮件） - 200KB标准错误上限（防止垃圾邮件）

PII清洗 （所有平台）

- 自动编辑：电子邮件、电话号码、社会安全号码、信用卡 - 私有IP检测 - 基于密钥的编校：密码、令牌、秘密

可选的Linux强化：

- seccomp：系统调用过滤（在内核级别阻止套接字系统调用） - 消防监狱：具有网络隔离、只读文件系统和降级功能的完整沙盒

这一切是如何协同工作的

一个完整的例子：

# Step 1: Generate filesystem layout from MCP server
mcp-codegen gen --fs-layout \
  --url https://github-mcp.example.com \
  --name github

# Step 2: Agent code searches for specific tools
# agent.py
from mcp_codegen.runtime import search_tools, workspace

tools = search_tools("github create pr")  # Fast search
for tool in tools:
    module = tool.load()
    # Now use the tool...

# Step 3: Run agent safely
mcp-codegen run --file agent.py \
  --cpu-seconds 30 \
  --memory-mb 1024 \
  --seccomp
  # Network enabled by default for MCP tools

发生了什么：

✅ 代理从应用资源限制开始
✅ MCP工具调用已启用网络
✅ 代理在不加载架构的情况下搜索工具
✅ 代理仅按需加载所需的工具
✅ 代理通过以下方式调用MCP工具 await tool.call(...)
✅ 结果已写入 workspace/ （不去模型）
✅ 输出上限为200KB
✅ 从日志中自动编辑PII
✅ 超时会杀死长时间运行的代码
✅ 监控所有系统调用（seccomp模式）

基于MCP最佳实践

mcp编码遵循Anthropic文章中推荐的模式使用MCP执行代码：构建更高效的代理.

渐进呈现

mcp-codegen没有预先将所有工具定义加载到上下文中，而是生成了一个文件系统布局，可以按需发现和加载工具：

每个工具都是一个单独的文件（约1.5-2KB）
Claude只加载当前任务所需的工具
将上下文使用率降低98%（从150K令牌减少到2K令牌）

传统方法（低效）：

# All 100+ tool definitions loaded into context immediately
# Even if you only need one tool, you pay for all of them
from monolithic_tools import tool1, tool2, tool3, ... tool100

mcp编码方法（高效）：

# Load only what you need
from servers.github.create_issue import call, Params
from servers.github import SERVER_URL

不加载模式的工具搜索

这 search_tools() 函数允许在不加载完整定义的情况下查找工具：

from mcp_codegen.runtime import search_tools

# Find tools without loading schemas (uses AST parsing, not execution)
tools = search_tools("weather")
# Returns lightweight ToolRef objects, load on demand
tool = tools[0].load()  # Load only when needed

这符合Anthropic对 search_tools 允许详细级别（仅名称、基本描述或完整模式）的函数。

可重用模式的技能

生成的技能（通过 --generate-skill)向克劳德代码提供：

服务器信息和URL -在哪里可以找到工具以及如何连接
工具类别和说明 -天气、交通、数据等。
使用模式和示例 -如何导入和调用工具
激活触发器 -自动激活技能的关键字

来自Anthropic的文章：

“将SKILL.md文件添加到这些保存的函数中，可以创建模型可以参考和使用的结构化技能。”

mcp codegen会自动生成这些SKILL.md文件，其中包含有关每个mcp服务器的全面信息。

基于代码的工具交互

工具以类型安全的Python API形式呈现，而不是基于字符串的工具调用：

from servers.smhi.get_weather_forecast import call, Params
from servers.smhi import SERVER_URL

# Type-safe, validated parameters with Pydantic
params = Params(lat=64.75, lon=20.95, limit=6)
result = await call(SERVER_URL, params)

这种方法提供了：

具有自动补全功能的完整IDE支持
开发时的类型检查
通过Pydantic模型进行参数验证
熟悉的编程模式（导入、函数、类型）

这种方法的好处

上下文效率：

仅加载所需工具（并非所有100+定义）
在返回模型之前，在代码中过滤和转换数据
在一次执行中编写多个工具调用
在不增加上下文的情况下处理大型数据集

开发人员经验：

熟悉的编程模式（导入、函数、类型）
完整的IDE支持，具有自动补全和类型检查功能
易于调试和测试
无自定义DSL或基于字符串的工具调用语法

可扩展性：

在数十台服务器上处理数千个工具
无上下文膨胀的多服务器编排
通过文件系统（工作区）实现状态持久化
根据需要逐步加载工具

文章中的示例： 本文展示了直接工具调用如何要求通过上下文传递完整结果：

TOOL CALL: gdrive.getDocument() → 50,000 tokens flow through model
TOOL CALL: salesforce.updateRecord() → 50,000 tokens written again

通过代码执行，相同的工作流变成：

# Data flows through code, not through model context
transcript = (await gdrive.getDocument(documentId='abc123')).content
await salesforce.updateRecord(data={'Notes': transcript})
# Model only sees: "Updated 1 record" (instead of 100K tokens)

mcp-codegen通过使mcp工具作为代码API可用来实现这种模式。

有关这些模式及其背后原理的更多详细信息，请参阅 Anthropic的完整文章.

传输协议

mcp codegen自动检测最佳传输，延迟最小：

可流式传输http -使用MCP帧流式传输HTTP

- 通过以下方式检测： HEAD /mcp 随着 Accept: text/event-stream - 可用时最快

SSE（服务器发送事件） -标准网络流媒体

- 通过以下方式检测： HEAD /sse 随着 Accept: text/event-stream - 流式传输http的好替代品

HTTP POST（JSON-RPC 2.0） -基于HTTP的标准JSON-RPC

- 通过以下方式检测： POST /mcp 使用初始化探针 - 所有服务器的回退 - 适用于简单的HTTP服务器

检测时间： 约1-2秒，有短暂超时（1.5秒连接，0.4秒读取）

缓存： 传输被检测一次，并为所有后续请求缓存

生成的代码质量

生成的模块包括：

✅ 类型安全 -带有完整类型提示的Pydantic模型
✅ 独立 -运行时不依赖于mcp codegen
✅ 零拷贝 -最小的开销，直接MCP呼叫
✅ 快速 -自动协商传输，缓存连接
✅ 可靠的 -自动传输回退

每个工具都变成一个类：

class get_weather_forecast:
    class Params(BaseModel):
        lat: float
        lon: float
        limit: int | None = None

    @staticmethod
    async def call(
        base_url: str,
        params: Params,
        headers: dict[str, str] | None = None
    ) -> Any:
        # ...call MCP tool...

建筑

核心组件

mcp-codegen/
├── codegen.py          # Code generation engine
├── client.py           # MCP client with transport detection
├── cli.py              # Command-line interface
├── fs_layout.py        # Filesystem layout generator
└── runtime/
    ├── search.py       # Tool discovery (ToolRef, search_tools)
    ├── client.py       # Runtime MCP client
    └── privacy.py      # PII scrubbing

examples/runner/
├── run.py              # Main runner script
├── limits.py           # Resource limit enforcement
├── privacy.py          # PII detection & redaction
├── workspace.py        # Workspace file I/O
├── logger.py           # Structured logging
├── sandbox.py          # seccomp & Firejail integration
└── firejail-mcp.profile # Sandbox profile template

数据流

User Input
    ↓
[CLI] mcp-codegen command
    ↓
[codegen] Connect to MCP server → Fetch schemas
    ↓
[client] Negotiate transport & protocol version
    ↓
[generate] Create Python code (single file or fs-layout)
    ↓
[runtime] Agent loads and uses tools
    ↓
[runner] Enforce limits, scrub PII, sandbox
    ↓
Output (workspace or stdout)

用例

1.人工智能代理开发

# Agent needs to use multiple MCP tools safely
from mcp_codegen.runtime import search_tools, workspace

tools = search_tools("github")  # Find all GitHub tools
for tool in tools:
    mod = tool.load()
    result = await mod.call(base_url, mod.Params(...))

workspace.write("results.json", result)  # Agent output

2.CLI工具集成

# List GitHub tools
mcp-codegen ls --url https://github-mcp.example.com

# Call directly without code
mcp-codegen call --url https://github-mcp.example.com \
  --tool create_pr \
  --arg title="Fix bug" \
  --arg body="Fixes #123"

3.类型安全的Python应用程序

# Generate and use in production code
from github_tools import create_pr, list_repos

async def deploy_pr():
    repos = await list_repos.call(base_url, list_repos.Params())
    for repo in repos:
        pr = await create_pr.call(
            base_url,
            create_pr.Params(
                owner=repo.owner,
                title="Release v1.0"
            )
        )

4.服务器到服务器集成

# Generate client for your MCP server
mcp-codegen gen \
  --url http://api.partner.com/mcp \
  --out partner_client.py

# Now you have type-safe access to their tools
import partner_client
result = await partner_client.query.call(...)

5.在Claude代码中使用MCP服务器

Claude Code可以安装和使用MCP服务器。渐进式文件系统布局使Claude能够轻松发现和使用工具，而无需一次加载所有内容。

设置：为MCP服务器生成文件系统布局

# Generate layout + skill for a GitHub MCP server
mcp-codegen gen --fs-layout \
  --url http://localhost:3000 \
  --name github \
  --generate-skill

# Generate layout + skill for a Slack MCP server
mcp-codegen gen --fs-layout \
  --url http://localhost:3001 \
  --name slack \
  --generate-skill

# Result: browsable tool directory + Claude Code skills
# servers/
# ├── github/
# │   ├── __init__.py
# │   ├── create_issue.py
# │   ├── create_pr.py
# │   ├── list_repos.py
# │   └── search_code.py
# └── slack/
#     ├── __init__.py
#     ├── send_message.py
#     └── list_channels.py
#
# .claude/skills/
# ├── mcp-github/
# │   └── SKILL.md
# └── mcp-slack/
#     └── SKILL.md

用法：Claude按需发现和使用工具

当您要求Claude Code执行任务时，它可以：

搜索相关工具 不加载架构：

from mcp_codegen.runtime import search_tools

# Claude searches: "I need to create a GitHub issue"
tools = search_tools("github issue")
# Returns: [ToolRef(server="github", tool="create_issue", ...)]

# Load only the needed tool
tool = tools[0].load()

直接导入特定工具 当任务明确时：

# Claude knows exactly what tool to use
from servers.github.create_issue import call, Params

result = await call(
    'http://localhost:3000',
    Params(
        owner="myorg",
        repo="myrepo",
        title="Bug: login fails",
        body="Steps to reproduce..."
    )
)

整合来自多台服务器的工具:

# Claude can orchestrate multi-server workflows
from servers.github.create_issue import call as create_issue, Params as IssueParams
from servers.slack.send_message import call as send_message, Params as SlackParams

# Create GitHub issue
issue = await create_issue(
    'http://localhost:3000',
    IssueParams(owner="myorg", repo="myrepo", title="Deploy v2.0")
)

# Notify team on Slack
await send_message(
    'http://localhost:3001',
    SlackParams(
        channel="#deploys",
        text=f"New deploy issue created: {issue.url}"
    )
)

为什么这对Claude Code很有效：

✅ 自动技能激活 -生成的技能告诉克劳德何时使用这些工具
✅ 快速工具发现 -Claude可以在不执行代码的情况下搜索工具
✅ 最小化上下文使用 -仅导入所需内容（2KB vs 50KB+）
✅ 类型安全性 -完整的IDE自动补全和类型检查
✅ 可浏览结构 -克劳德可以探索 servers/ 了解可用工具的目录
✅ 多服务器支持 -每个服务器都有自己的技能，易于编排
✅ 按需加载 -工具是JIT加载的，减少了内存和启动时间

与Claude Code的对话示例：

You: "Create a GitHub issue for the login bug and notify the team on Slack"

Claude: I'll help you create the issue and send a Slack notification.

[Claude searches for tools]
from mcp_codegen.runtime import search_tools
tools = search_tools("github issue")  # Finds create_issue
slack_tools = search_tools("slack message")  # Finds send_message

[Claude imports only what's needed]
from servers.github.create_issue import call as create_issue, Params as IssueParams
from servers.slack.send_message import call as send_message, Params as SlackParams

[Claude executes the workflow]
...

发展

在开发模式下安装

pip install -e ".[dev,test,runner]"

运行测试

pytest tests/ -v

测试新组件

实施包括全面的测试：

test_fs_layout.py -文件系统布局生成
test_runtime_search.py -工具发现
test_codegen_v2.py -代码生成
test_exceptions.py -错误处理

贡献

贡献时：

遵循现有代码样式
为新功能添加测试
更新README.md
如果可能，使用真实的MCP服务器进行测试

安全考虑

网络隔离

默认情况下， mcp-codegen run 允许MCP工具访问网络。使用 --disable-network 要阻止所有网络：

# With --disable-network flag:
import socket
socket.socket()  # RuntimeError: Network access blocked

# By default, this works:
from servers.my_tool import call
result = await call(base_url, params)

资源限制

防止拒绝服务：

# Limits by default
--cpu-seconds 10    # Kill at 10s
--memory-mb 512     # Kill at 512MB

# Increase if needed
--cpu-seconds 300 --memory-mb 2048

Linux强化

对于生产使用，启用系统调用筛选：

mcp-codegen run --file agent.py --seccomp

# Or full sandbox
mcp-codegen run --file agent.py --firejail

PII保护

敏感数据的自动编辑：

from privacy import scrub

# Before: "Contact: user@example.com, phone: 555-123-4567"
# After:  "Contact: [EMAIL], phone: [PHONE]"
text = scrub("Contact: user@example.com, phone: 555-123-4567")

故障排除

连接问题

# Test with verbose output
mcp-codegen ls --url http://localhost:8000 --verbose

# Force specific transport
mcp-codegen ls --url http://localhost:8000 --transport sse

导入错误

# Make sure installed
pip install -e .

# Check Python path
python -c "from mcp_codegen import codegen; print('OK')"

跑步者问题

# Check resource limits on Linux
ulimit -a

# Run with more memory
mcp-codegen run --file agent.py --memory-mb 2048

# Disable sandbox if issues
mcp-codegen run --file agent.py  # No --seccomp flag

许可证

有关许可证信息，请参阅存储库。

贡献

欢迎投稿！拜托：

分叉存储库
创建要素分支
添加测试
提交拉取请求

______________________________________________________________________

MCP Codegen

快速接入

详细介绍

mcp代码生成器v1.0.0

功能概览

快速开始

安装

1.列出可用工具

2.生成Python模块（单个文件）

3.直接调用工具（无代码生成）

4.生成渐进式文件系统布局（v1.0.0中的新功能）

5.搜索工具（v1.0.0中的新功能）

6.使用沙盒执行代理代码（v1.0.0中的新功能）

命令参考

mcp-codegen ls -列出工具

mcp-codegen gen -生成代码

mcp-codegen call -调用工具

mcp-codegen search -搜索工具（新）

mcp-codegen run -执行代理代码（新）

了解v1.0.0的新功能

渐进式文件系统布局

不加载模式的工具搜索

使用沙盒执行Python代码

这一切是如何协同工作的

基于MCP最佳实践

渐进呈现

不加载模式的工具搜索

可重用模式的技能

基于代码的工具交互

这种方法的好处

传输协议

生成的代码质量

建筑

核心组件

数据流

用例

1.人工智能代理开发

2.CLI工具集成

3.类型安全的Python应用程序

4.服务器到服务器集成

5.在Claude代码中使用MCP服务器

发展

在开发模式下安装

运行测试

测试新组件

贡献

安全考虑

网络隔离

资源限制

Linux强化

PII保护

故障排除

连接问题

导入错误

跑步者问题

许可证

贡献

目录标签

接入字段

权限和风险

来源信息

继续浏览同类 MCP

`mcp-codegen ls` -列出工具

`mcp-codegen gen` -生成代码

`mcp-codegen call` -调用工具

`mcp-codegen search` -搜索工具（新）

`mcp-codegen run` -执行代理代码（新）