CodeRunner: Eine lokale Sandbox für Ihre KI-Agenten

CodeRunner hilft Ihnen, Ihre KI-Agenten und deren Aktionen in einer Sandbox zu isolieren.

Hauptanwendungsfall: Sie können mehrere Claude Code- oder KI-Agenten in unserer Sandbox ausführen, ohne Angst vor Datenverlust oder -exfiltration zu haben.

Schnellstart

Voraussetzungen: Mac mit macOS und Apple Silicon (M1/M2/M3/M4), Python 3.10+

git clone https://github.com/instavm/coderunner.git
cd coderunner
chmod +x install.sh
./install.sh

Stoppen und fortsetzen

Stoppen Sie die Sandbox, wenn Sie fertig sind:

container stop coderunner

Setzen Sie dieselbe Sandbox später fort, wobei Uploads, Kernel und installierte Pakete erhalten bleiben:

container start coderunner

Um mit einer sauberen Sandbox von vorne zu beginnen, löschen Sie den Container und führen Sie das Installationsprogramm erneut aus:

container delete coderunner && ./install.sh

Claude Code innerhalb einer Sandbox ausführen

./install.sh (falls noch nicht geschehen)

container exec -it coderunner /bin/bash

root@coderunner:/app# npm install -g @anthropic-ai/claude-code

Andere Integrationsmöglichkeiten

Der MCP-Server ist verfügbar unter: http://coderunner.local:8222/mcp

Erforderliche Pakete installieren (verwenden Sie eine virtuelle Umgebung und notieren Sie den Python-Pfad):

pip install -r examples/requirements.txt

1. Claude Desktop Integration

Konfigurieren Sie Claude Desktop, um CodeRunner als MCP-Server zu verwenden:

demo1

demo2

demo4

Beispielkonfiguration kopieren:

cd examples
cp claude_desktop/claude_desktop_config.example.json claude_desktop/claude_desktop_config.json

Bearbeiten Sie die Konfigurationsdatei und ersetzen Sie die Platzhalterpfade:
- Ersetzen Sie /path/to/your/python durch Ihren tatsächlichen Python-Pfad (z. B. /usr/bin/python3 oder /opt/homebrew/bin/python3)
- Ersetzen Sie /path/to/coderunner durch den tatsächlichen Pfad zu Ihrem geklonten Repository
Beispiel nach der Bearbeitung:
```
{
  "mcpServers": {
    "coderunner": {
      "command": "/opt/homebrew/bin/python3",
      "args": ["/Users/yourname/coderunner/examples/claude_desktop/mcpproxy.py"]
    }
  }
}
```
Claude Desktop-Konfiguration aktualisieren:
- Öffnen Sie Claude Desktop
- Gehen Sie zu Einstellungen → Entwickler
- Fügen Sie die MCP-Server-Konfiguration hinzu
- Starten Sie Claude Desktop neu
Beginnen Sie mit der Verwendung von CodeRunner in Claude: Sie können Claude jetzt bitten, Code auszuführen, und er wird sicher in der Sandbox laufen!

2. Claude Code CLI

Verwenden Sie CodeRunner mit Claude Code CLI für terminalbasierte KI-Unterstützung:

Schnellstart:

# 1. Install and start CodeRunner (one-time setup)
git clone https://github.com/instavm/coderunner.git
cd coderunner
sudo ./install.sh

# 2. Install the Claude Code plugin
claude plugin marketplace add https://github.com/instavm/coderunner-plugin
claude plugin install instavm-coderunner

# 3. Reconnect to MCP servers
/mcp

Installationsschritte:

Navigieren Sie zum Plugin-Marktplatz:
Fügen Sie das InstaVM-Repository hinzu:
Führen Sie Python-Code mit Claude Code aus:

Das war's! Claude Code hat jetzt Zugriff auf alle CodeRunner-Tools:

execute_python_code – Python-Code in einem persistenten Jupyter-Kernel ausführen
navigate_and_get_all_visible_text – Web Scraping mit Playwright
list_skills – Verfügbare Fähigkeiten auflisten (docx, xlsx, pptx, pdf, Bildverarbeitung usw.)
get_skill_info – Dokumentation für bestimmte Fähigkeiten abrufen
get_skill_file – Skill-Dateien und Beispiele lesen

Mehr erfahren: Weitere Informationen finden Sie im Plugin-Repository.

3. OpenCode Konfiguration

Konfigurieren Sie OpenCode, um CodeRunner als MCP-Server zu verwenden:

OpenCode Example

Erstellen oder bearbeiten Sie ~/.config/opencode/opencode.json:

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "coderunner": {
      "type": "remote",
      "url": "http://coderunner.local:8222/mcp",
      "enabled": true
    }
  }
}

Nach dem Speichern der Konfiguration:

Starten Sie OpenCode neu
CodeRunner-Werkzeuge sind automatisch verfügbar
Beginnen Sie mit der Ausführung von Python-Code mit vollem Zugriff auf die Sandbox-Umgebung

4. Python OpenAI Agents

Verwenden Sie CodeRunner mit der OpenAI Python Agents-Bibliothek:

demo3

Setzen Sie Ihren OpenAI-API-Schlüssel:

export OPENAI_API_KEY="your-openai-api-key-here"

Führen Sie den Client aus:

python examples/openai_agents/openai_client.py

Beginnen Sie mit dem Programmieren: Geben Sie Eingabeaufforderungen wie „schreiben Sie Python-Code, um 100 Primzahlen zu generieren“ ein und beobachten Sie, wie es sicher in der Sandbox ausgeführt wird!

5. Gemini-CLI

Gemini CLI wurde kürzlich von Google veröffentlicht.

~/.gemini/settings.json

{
  "theme": "Default",
  "selectedAuthType": "oauth-personal",
  "mcpServers": {
    "coderunner": {
      "httpUrl": "http://coderunner.local:8222/mcp"
    }
  }
}

gemini1

gemini2

6. Kiro von Amazon

Kiro wurde kürzlich von Amazon veröffentlicht.

~/.kiro/settings/mcp.json

{
  "mcpServers": {
    "coderunner": {
      "command": "/path/to/venv/bin/python",
      "args": [
        "/path/to/coderunner/examples/claude_desktop/mcpproxy.py"
      ],
      "disabled": false,
      "autoApprove": [
        "execute_python_code"
      ]
    }
  }
}

coderunner

Beliebteste