Sandbox MCP Server

沙盒MCP服务器

一个MCP服务器，为代码执行提供隔离的Docker环境。此服务器允许您：

• 使用任何Docker镜像创建容器
• 用多种编程语言编写和执行代码
• 安装软件包并设置开发环境
• 在隔离容器中运行命令

先决条件

• Python 3.9或更高版本
• Docker已安装并正在运行
• uv包管理器（推荐）
• Docker MCP服务器（推荐）

安装

1. 克隆此存储库：

git clone 
cd sandbox_server

1. 使用uv创建和激活虚拟环境：

uv venv
source .venv/bin/activate  # On Unix/MacOS
# Or on Windows:
# .venv\Scripts\activate

1. 安装依赖项：

uv pip install .

与Claude Desktop集成

1. 打开Claude Desktop的配置文件：

• macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
• 窗户： %APPDATA%\Claude\claude_desktop_config.json

1. 添加沙盒服务器配置：

{
    "mcpServers": {
        "sandbox": {
            "command": "uv",
            "args": [
                "--directory",
                "/absolute/path/to/sandbox_server",
                "run",
                "sandbox_server.py"
            ],
            "env": {
                "PYTHONPATH": "/absolute/path/to/sandbox_server"
            }
        }
    }
}

替换 /absolute/path/to/sandbox_server 带有项目目录的实际路径。

1. 重新启动克劳德桌面

使用示例

基本用法

连接到Claude Desktop后，您可以：

1. 创建一个Python容器：

Could you create a Python container and write a simple hello world program?

1. 用不同语言运行代码：

Could you create a C program that calculates the fibonacci sequence and run it?

1. 安装软件包并使用它们：

Could you create a Python script that uses numpy to generate and plot some random data?

保存和复制环境

服务器提供了几种保存和复制开发环境的方法：

创建持久容器

创建容器时，可以使其持久化：

Could you create a persistent Python container with numpy and pandas installed?

这将创建一个容器，该容器：

• Claude Desktop关闭后仍在运行
• 可以直接通过Docker访问
• 保留所有已安装的软件包和文件

服务器将提供以下说明：

• 直接访问容器(docker exec)
• 停止和启动容器
• 不再需要时将其删除

保存容器状态

设置环境后，您可以将其另存为Docker映像：

Could you save the current container state as an image named 'my-ds-env:v1'?

这将：

1. 使用您的所有内容创建一个新的Docker镜像：

- 已安装的软件包 - 已创建文件 - 配置更改

1. 提供重复使用环境的说明

然后，您可以共享此图像或将其用作新容器的起点：

Could you create a new container using the my-ds-env:v1 image?

生成Dockerfiles

为了使您的环境完全可复制，您可以生成一个Dockerfile：

Could you export a Dockerfile that recreates this environment?

生成的Dockerfile将包括：

• 基础图像规范
• 已创建文件
• 其他设置步骤的模板

您可以使用此Dockerfile来：

1. 与他人共享您的环境设置
2. 版本控制您的开发环境
3. 修改和自定义构建过程
4. 部署到不同的系统

推荐工作流程

对于可重复的开发环境：

1. 创建持久容器：

Create a persistent Python container for data science work

1. 安装所需的软件包并设置环境：

Install numpy, pandas, and scikit-learn in the container

1. 测试您的设置：

Create and run a test script to verify the environment

1. 保存状态：

Save this container as 'ds-workspace:v1'

1. 导出Dockerfile：

Generate a Dockerfile for this environment

这为您提供了多种重新创建环境的选项：

• 直接使用保存的Docker镜像
• 通过修改从Dockerfile构建
• 如果需要，可以访问原始容器

安全说明

• 所有代码都在隔离的Docker容器中执行
• 使用后容器会自动移除
• 文件系统在容器之间是隔离的
• 主机系统访问受到限制

项目结构

sandbox_server/
├── sandbox_server.py     # Main server implementation
├── pyproject.toml        # Project configuration
└── README.md            # This file

可用工具

服务器提供三个主要工具：

1. create_container_environment：使用指定映像创建新的Docker容器
2. create_file_in_container：在容器中创建文件
3. execute_command_in_container：在容器中运行命令
4. save_container_state：将容器状态保存到持久容器
5. export_dockerfile：导出docker文件以创建持久环境
6. exit_container：完成后关闭容器以清理环境