$ loading_
在项目工作区中安全管理 Python 虚拟环境与依赖包操作。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"dev-env-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。
请在当前项目工作区中创建一个新的 Python 虚拟环境，并说明环境路径与 Python 版本。
返回虚拟环境创建结果，以及环境位置和 Python 版本信息。
请在该项目的虚拟环境中安装 requests 和 pandas，并列出安装结果与当前已安装版本。
返回依赖安装状态，并输出相关包的已安装版本清单。
请冻结当前虚拟环境中的依赖，生成可用于 requirements.txt 的包版本列表。
输出标准化的依赖版本清单，便于复现项目环境。
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
提供基于 Docker 的 MCP 开发环境，用于构建、调试和测试服务端能力。
通过终端命令、Python执行与文件操作，帮助用户完成本地开发与自动化任务。
帮助用户通过 MCP 管理 Conda 环境与软件包，简化开发与数据分析配置。
整合 GitHub、Docker 和文件系统操作的 DevOps MCP 工具
按需创建和管理基于 Docker 的开发环境，免去手动搭建流程。