$ loading_
让 AI 直接运行 Python、管理文件与依赖，完成分析、开发和自动化任务。
该工具声明可让 LLM 与本地 Python 环境交互、执行代码、管理文件和包；这类能力本身意味着较高操作面，但材料未显示需密钥或固定远程外发。由于其开源可审计，整体更适合评为需留意而非高风险；不过仓库热度低、维护信息不足，供应链信心有限。
材料明确标注无需密钥或环境变量，未见要求提供 API token、账号凭证或其他敏感认证信息，因此凭证泄露面较低。
材料未声明任何远程端点，未见固定的数据外发设计；但其支持“handle packages”，在实际使用中可能触发从包源拉取依赖等网络访问。现有信息不足以认定异常外传，但应注意运行时网络行为。
系统检查项已确认其具备执行代码能力，描述也明确可与 Python 环境交互并执行代码。这意味着工具可在本机解释执行 Python，并可能借此调用本地进程、文件系统及已安装解释器能力；这是该类工具的核心能力，应按需留意。
描述明确包含“manage files”，说明其至少具备本地文件读写/管理能力；结合代码执行能力，实际可接触的数据范围可能取决于运行账户权限。材料未显示更细粒度的路径限制或沙箱边界。
正面因素是该项目开源，源码可审计；但来源为第三方 registry，许可证未声明，社区采用度为 0 star，维护状态未知，README 也缺失，导致可验证性和持续维护信心有限。未见闭源外传等明确红旗，因此以需留意为宜。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP Python Interpreter" 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 读取当前目录中的 sales.csv，统计各地区总销售额，找出前三名地区，并生成一个柱状图保存为 sales_by_region.png。
返回分析结果摘要，并产出可下载的图表文件。
请编写并执行 Python 脚本，将 ./reports 文件夹下所有 .txt 文件重命名为带日期前缀的文件名，并汇总生成一个 rename_log.csv。
完成文件批量重命名，并输出重命名记录表。
请安装 requests 和 pandas，编写一个脚本调用公开 API 获取数据，整理成表格后输出前 10 行，并检查代码是否正常运行。
成功安装依赖、执行脚本，并返回运行结果与验证结论。
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
让 AI 代理本地执行 Python、运行脚本并安装依赖包。
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 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。
为本地大模型提供联网、计算、执行代码与文件检索能力。
将本地 Python 脚本封装为 AI 可调用工具，完成文件与代码批处理