在LibreChat執行python
Table of contents
步驟1️⃣登入介面
- 註冊：姓名、稱謂
- 帳號：任何”長得像“email的帳號 (英數@英數)
- 密碼：8碼、請自行記得、系統不會寄信給您找回密碼。
 |  |
|---|---|
| 第一次請自行註冊🤩 | 電子郵件註冊。密碼至少8碼。🎱 |
步驟2️⃣啟動MCP
- 如果沒有看到
mcp-python-interpreter字樣，需要點擊MCP來啟動它。
 |
|---|
| 點擊還沒有連線的MCP伺服器，讓它連線、啟動 |
 |
出現mcp-python-interpreter表示系統將會回應處理數據的指令 |
步驟3️⃣上傳要分析的數據
 |
|---|
| 按下迴紋針、點選”文本上傳” |
 |
| 上載成功 |
步驟4️⃣點選適當的語言模型
- 因為MCP伺服器就在地端、容器內，所以外部的語言模型動不了，必須選擇地端模型。
- 地端模型中，選一個比較單純的語言模型，如llama3.1:8b，寫程式一個指令一個動作，不會需要太多的推理過程(如vLLM:GPT-OSS)。一翻兩瞪眼。
步驟5️⃣自然語言控制程式
- 範例
我會給你一個部門報名午餐的名單，請寫一個python程式，分析各部門的總人數，並且執行它，告訴我結果就好了。 跑碼了。檔案是big5編碼，不是”資資部”，而是”能資部”，重新檢查一下，不要有錯。請重作。
寫一個讀取現在時刻的python程式，並且執行它。 我需要改成台北時刻啦
- 如果忘了講”直接告訴我結果”，LLM會提供一個程式，按右上角的
執行程式碼，會連回LibreChat API使用其計算資源。請按”取消”。直接補上”請給我結果”就好了。
 |
|---|
 |
| (會連回LibreChat.ai公司，使用其API與計算資源、此處按取消即可。修改prompt) |
- 寫出檔案，還要加上mcp.filesystem，在mcp-python-interpreter內無法單獨完成。範例如下：
我會給你一個部門報名午餐的名單，請寫一個python程式，按照各種便當的類別，給我各類便當的訂餐同仁資料表，共4個csv檔案。儲存在/app/logs/目錄下。
- 如果需要直接執行python，請改在jph上作業。🧐
- 🐍python 執行資源
- 位置：jph
- 手冊：
- 🐍python 執行資源
 |
|---|
| 登入jph(只需帳號、無須密碼) |
步驟6️⃣LibreChat工作站檔案管理
- LibreChat的開放路徑
/app/logs，可以在filebrowser中出現，目前採開放管理、每日清理政策。
 |
|---|
| 在filebrowser中出現了各式便當.csv檔案，使用者可以下載、刪除。 |
 |
| filebrowser介面點選檔案名稱(隨即下載)，右鍵也會出現其他功能。 |
概念說明🧠：什麼是 MCP 與 MCP-Python-Interpreter？
在深入探討 mcp-python-interpreter 之前，我們必須先理解其所依賴的基礎——模型內容協定（MCP）。
MCP 核心概念速覽
定義：AI的「通用遙控器」
MCP可以被形象地比喻為一個「通用遙控器」。它是一套標準化的通訊規則（Protocol），定義了AI應用（客戶端，如Claude Desktop）如何與各式各樣的外部資料來源和工具（伺服器）進行互動。這些工具可以小至一個本地檔案讀取器，大至一個企業級資料庫或複雜的API服務。
目標：打破整合孤島
在MCP出現之前，每當需要將一個AI模型（如Claude）與一個新的外部系統（如GitHub或本地檔案）連接時，開發者都必須編寫客製化的整合程式碼。這種「點對點」的整合方式不僅耗時，且難以擴展和維護。MCP的目標正是要用一個統一、開放的標準取代這種碎片化的現狀，從而建立一個可互通、可擴展、更可靠的AI工具生態系。
架構：客戶端-伺服器模型
MCP採用了經典的客戶端-伺服器（Client-Server）架構。AI應用程式（如IDE插件、聊天介面）作為MCP客戶端，而提供資料或工具能力的程式則作為MCP伺服器。兩者之間透過標準化的雙向資料流進行通訊，客戶端可以向伺服器請求資料或觸發動作，伺服器則回傳結果或狀態更新。
模型內容協定（MCP）架構示意圖，展示了AI應用（客戶端）如何透過標準化協定與外部資料和工具（伺服器）進行雙向通訊
深入 mcp-python-interpreter
精準定義
mcp-python-interpreter 是一個具體的MCP伺服器實現，其核心功能是為MCP客戶端（如AI Agent）提供一個受控的環境，使其能夠執行Python程式碼、管理Python套件以及在指定的目錄內操作檔案系統。它將Python的強大能力「暴露」給AI，使其從一個程式碼建議者轉變為一個真正的程式碼執行者。
專案歸屬與普及性
該專案由開源貢獻者 yzfly 在GitHub上發起並主要維護，是社群中最早出現且廣受歡迎的Python執行器MCP伺服器之一。根據PulseMCP等第三方平台的統計，其下載量已達17.5k次（截至2025年4月），顯示出其在AI開發者社群中的高度普及性。
核心價值
對於AI工程師而言，mcp-python-interpreter 的直接價值在於其「即插即用」的便利性。它提供了一種極其簡單、快速的方式，讓本地或遠端的LLM Agent具備與Python環境互動的實用能力。開發者無需深入了解MCP協定的複雜細節，只需幾行指令便可啟動一個功能完備的Python執行伺服器，極大地降低了構建Agentic AI應用的門檻。
source: MCP-Python-Interpreter MCP Server：AI工程師深度解析(Skywork 09/30/2025)