$ loading_
提供持久化 Python 执行环境,支持有状态调试、超时控制与工具联调。
复制安装指令,让 AI 自动完成配置 · 推荐新手
"repl-mcp" 暂无可直接复制的安装信息,请查看页面文档或源码仓库。
请在持久化 Python REPL 中执行这段脚本,保留变量状态;如果报错,定位原因并逐步修复,最后给出可运行版本与关键修改说明:
import pandas as pd
df = pd.read_csv('sales.csv')
print(df.groupby('region')['revenue'].sum().sort_valeus())返回报错分析、修正后的代码,以及基于同一会话状态得到的运行结果。
请在 Python REPL 中运行下面的分析任务,并设置合理超时;如果超时或崩溃,请安全中止并说明原因,再提供优化建议:读取 100 万行 CSV,统计每月活跃用户数并输出前 12 个月趋势。
返回执行状态、结果摘要,或超时/崩溃说明与性能优化建议。
请在持久化 Python 会话中编写脚本,先调用项目里的其他 MCP 工具获取数据,再在 Python 中清洗、汇总并输出最终表格;保留中间变量,方便后续继续分析。
返回可执行脚本、工具调用过程说明,以及保留状态的分析结果表格。
提供异步 Python REPL 与 Shell 执行,支持持久状态和后台任务调试。
让 AI 通过 MCP 全面控制 Reaper,自动执行音频工程与项目操作。
让 AI 全面感知本地开发环境,快速排查进程、容器与代码状态问题
通过自然语言驱动 IDA Pro 与 Ghidra,完成二进制分析和逆向工程任务。
演示 MCP 工具、资源与提示词,用于计算、查时、记笔记和代码审查。
通过 MCP 为 AI 编码代理提供文件、Git、数据库与计算能力,提升开发自动化效率。