$ loading_
安全执行 Python 代码，并结合 AI 与 MCP 工具完成分析和自动化任务
该 MCP 工具声明可在本机安全执行 Python 代码，且未要求密钥或远程端点；基于现有材料，主要风险来自本地代码执行与来源可信度不足，而非凭证或明确的数据外发。
材料明确写明无需要的密钥/环境变量，未见令牌申请、凭证存储或第三方账号授权要求；当前凭证暴露面较低。
材料与客观检查项均未列出远程端点，未见将用户数据发送到外部服务的说明；基于现有信息，未发现明确网络外发路径。
系统客观检查项标明该工具会执行代码，描述中也明确为执行 Python 代码；这意味着具备本机运行代码/进程的能力。此类能力对 MCP 工具属常规高权限能力，应谨慎限制可执行内容与运行环境，但仅凭此不足以上升为高风险。
虽未给出 README 细节，但本机代码执行通常可间接读取或修改当前运行上下文可访问的文件与数据；材料未说明有额外越权范围，也未声明沙箱边界，因此应按本地数据访问能力留意。
正面因素是存在开源仓库，可一定程度审计；但来源为 third_party_registry，许可证未声明、社区采用为 0 star、维护状态未知，且缺少 README 细节，整体供应链透明度与成熟度有限，需自行复核源码与依赖。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp-code-mode" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请用 Python 读取我上传的 CSV，处理缺失值与重复项，统计各列摘要，并输出可视化图表和关键发现。
返回清洗后的数据分析结果、统计摘要、图表以及主要结论。
请编写并执行一个 Python 脚本，结合 MCP 工具抓取指定信息，整理为结构化结果，并说明脚本做了什么。
返回可执行脚本、运行结果、结构化输出和步骤说明。
下面这段 Python 代码运行报错，请分析问题、修复代码，并在安全执行后给出修复前后的差异说明。
返回错误原因、修复后的代码、执行结果以及修改说明。
可安全执行 Python 代码并管理依赖包，支持分析、自动化与开发调试任务。
通过 MCP 将编码任务委派给 Codex，并进行安全校验与结果验证。
提供安全隔离的 Python 会话执行环境，支持运行代码、管理状态与读写文件。
为 AI 代理提供通用编码规范、测试流程与需求规划支持。
通过安全接口检查和编辑本地项目，支持文件、Git与命令操作
帮助 AI 编码代理进行精准代码分析、语义记忆与质量管控。