🚀 MCP Python 工具箱
MCP Python 工具箱实现了模型上下文协议服务器，为 Python 开发提供全面工具集。它让 AI 助手如Claude 能通过标准化接口，高效处理 Python 代码与项目，极大提升开发效率。
🚀 快速开始
MCP Python 工具箱实现了模型上下文协议服务器，赋予 Claude 执行 Python 开发任务的能力。它让 Claude 可以：
- 在工作区目录内安全地读取、写入和管理文件
- 使用 AST 分析、格式化和检查 Python 代码
- 管理虚拟环境及依赖项
- 在受控环境中执行 Python 代码
✨ 主要特性
文件操作（FileOperations）
处理与文件相关的所有任务，包括读取、写入、复制、移动和删除文件或目录。支持同时操作多个文件，并提供详细的操作反馈。
代码分析（CodeAnalysis）
对 Python 代码进行结构化分析，包括检测语法错误、识别变量和函数名称，并生成代码的抽象语法树（AST）。支持多种编程语言。
项目管理（ProjectManagement）
帮助管理开发环境，包括创建和删除虚拟环境、安装依赖项以及查看当前环境中已安装的包及其版本信息。
代码执行（CodeExecution）
在受控环境中安全执行用户提供的代码，支持多种编程语言，并捕捉输出和错误。通过配置可限制运行时间、内存使用和文件访问权限。
💻 使用示例
基础用法
文件操作（FileOperations）
# 示例用法：
files = FileOperations()
files.move("source.txt", "destination.txt") # 移动文件
files.copy("template.html", "new_page.html") # 复制文件
print(files.read("data.csv")) # 读取文件内容
代码分析（CodeAnalysis）
# 示例用法：
analyzer = CodeAnalysis()
structure = analyzer.parse("app.py")
print(structure.errors) # 显示解析过程中遇到的错误
print(structure.variables) # 列出所有变量名称
项目管理（ProjectManagement）
# 示例用法：
pm = ProjectManagement()
pm.create_venv("my_project") # 创建新的虚拟环境
pm.install(["numpy", "pandas"]) # 安装多个依赖项
print(pm.installed_packages) # 显示已安装的包及其版本信息
代码执行（CodeExecution）
# 示例用法：
executor = CodeExecution()
result = executor.run("print('Hello, World!')")
print(result.stdout) # 输出结果
print(result.stderr) # 显示错误信息
📦 安装指南
从源码安装
- 克隆仓库：
git clone https://github.com/your-repository.git - 进入目录：
cd mcp-python-toolbox - 安装依赖：
pip install -r requirements.txt - 安装工具箱：
python setup.py install
从 PyPI 安装
pip install mcp-python-toolbox
📚 详细文档
基本用法
mcp [command] [options]
可用命令
init: 初始化 MCP 工具箱环境run: 执行代码片段analyze: 分析代码结构manage: 管理开发环境
开发指南
运行测试
pytest tests/
类型检查
mypy src/mcp_python_toolbox/
代码规范
black src/mcp_python_toolbox/
贡献指南
- Fork 仓库
- 创建功能分支：
git checkout -b feature/new-feature - 提交更改：
git commit -m '添加新特性' - 推送到分支：
git push origin feature/new-feature - 提交 Pull Request
📄 许可证
本项目遵循 MIT 许可证，详情请见 LICENSE 文件。
👏 致谢
- 实现了模型上下文协议（Model Context Protocol）规范
- 使用现代 Python 开发工具和最佳实践构建
- 采用行业标准格式化（Black）和代码检查（Pylint）工具