$ loading_
让 AI 在受限沙箱中安全执行 Python 代码并返回结果。
该 MCP 工具无密钥、无声明的远程端点，且为可审计的开源 MIT 项目，整体未见明显高风险红旗；但其核心功能是执行任意 Python 代码，即使宣称有沙箱限制，仍应按本地代码执行工具谨慎使用。
材料明确写明不需要密钥或环境变量，未见令牌收集、存储或滥用相关描述，凭证暴露面较低。
材料声明无远程端点 host，描述中也未提及向外部服务发送代码、文件或用户数据；基于现有信息，未见明确的数据外发路径。
该工具的核心能力是让 AI 代理执行任意 Python 代码；这属于典型本地代码执行能力，即便声明有沙箱、资源限制与安全约束，仍应视为具备较强系统操作面并谨慎授权。
由于可执行任意 Python 代码，理论上可能触达本地文件、进程或运行时可访问的数据；材料仅笼统宣称“沙箱”与限制，未给出具体隔离边界，因此数据访问范围需要留意，但暂未见过度授权红旗。
正面因素是开源、MIT 许可且源码可审计；但来源为第三方注册表，社区采用度为 0 star，维护状态未知且 README 缺失，说明信任基础一般，建议先做代码与依赖审查后再接入生产环境。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"py-sandbox" 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 Python 沙箱中读取这段 CSV 文本，统计每列的均值、最大值和缺失值数量，并用表格返回结果： name,score,age A,88,20 B,92,21 C,,19
返回执行后的统计表格，并给出关键结论。
请在受限 Python 环境中执行下面的函数，补充几组测试用例，并告诉我输出是否符合预期；如果有问题请指出原因并修正：
def fib(n):
if n <= 1:
return 1
return fib(n-1) + fib(n-2)返回测试结果、问题说明，以及修正后的可运行代码。
请在 Python 沙箱中根据以下销售数据生成折线图，并总结趋势：1月 120，2月 135，3月 128，4月 160，5月 172，6月 168。
返回图表结果或可视化说明，并附上简短趋势分析。
在受限沙箱中安全执行 Python 代码，并返回结果与生成文件。