codecalc（C线 Skill）中文 description（草稿）

技能简介

codecalc 是专为 AI 模型设计的通用代码执行与逻辑计算 MCP 服务器。它为 AI Agent 提供一个可信的离线计算环境——内置代码执行器、符号数学引擎、SMT 逻辑验证器和复杂度分析工具——共 52 个 MCP 工具，覆盖 31 种编程语言。Agent 有了 codecalc，不再依赖"猜测"答案，而是调用工具获得经验证的可信结果。

核心能力

1. 31 种语言代码执行：内置代码运行器支持 Python、JavaScript、TypeScript、Ruby、Go、Rust、C、C++、Java、Kotlin、Swift、Bash、SQL、Julia、Lua、Perl、Haskell、Scala、R、MATLAB、Zig、Nim、D、OCaml、Fortran、Crystal、Elixir、Clojure、Dart、Prolog 等 31 种语言，Agent 提问"用 Python 写一个快速排序"，codecalc 直接执行并返回运行结果，而非返回代码片段让 Agent 自己推断。
2. 精确符号数学：内置 SymPy 级别的高精度符号数学引擎，支持代数运算、微积分、方程求解、矩阵运算，AI 询问极限、积分、矩阵乘法时返回精确解析解。
3. SMT 逻辑验证：集成 Z3 约束求解器，验证逻辑命题、约束满足问题、不变量检查，Agent 可验证某段代码是否满足预设的约束条件。
4. 复杂度分析：测量代码片段的时间和空间复杂度，帮助 Agent 评估算法效率，提供大 O 记号的自动推导。
5. 代码翻译验证（verify_translation）：证明一段代码到另一种语言的移植是否行为一致，AI 询问"这段 Python 等价于 Rust 怎么写"时，codecalc 执行两个版本并对比输出。
6. 优化正确性验证（verify_optimization）：证明某项代码优化是否保持了原有行为，AI 做性能优化时可用此工具确认没有引入逻辑错误。
7. 52 个 MCP 工具：所有能力通过 52 个 MCP 工具暴露，可被 Claude Code、Codex、Cursor 等所有支持 MCP 协议的 Agent 直接调用。
8. 完全离线核心：核心组件不联网，不含模型、不需要 API Key、不发送遥测数据，代码执行在本地沙箱完成。
9. 安全隔离执行（可选）：在 Linux 上使用 gVisor+Docker 隔离，在 Windows 上使用 AppContainer，提供比 rlimit 沙箱更强的边界保护。
10. MCP 自动注册：uvx 'codecalc[full]' setup --write 可自动将 codecalc 注册到用户的 MCP 客户端，无需手动配置。

安装配置

前提条件

• Python ≥ 3.10 环境
• uv 包管理器（推荐）或 pip

方式一：uvx 一键安装 + MCP 注册（推荐）

uvx 'codecalc[full]' setup --write

该命令自动完成：安装 codecalc + 注册 MCP 服务器到本地 Agent 配置。

方式二：手动 pip 安装

pip install 'codecalc[full]'

方式三：uvx 按需运行（不持久安装）

uvx codecalc setup   # 注册 MCP
# 或直接运行 MCP 服务器
uvx codecalc

MCP 客户端配置（如需手动注册）

{
  "mcpServers": {
    "codecalc": {
      "command": "uvx",
      "args": ["codecalc"]
    }
  }
}

网络边界说明（透明度）

codecalc 核心组件不联网。以下操作有网络访问：Piston 代码执行 provider（执行代码）、install_package 工具（安装语言包）、runtime-update 工具（更新运行时）、analyze_complexity 首次调用（下载 grammar）。其余工具完全离线。

使用步骤

第一步：安装并注册 MCP

uvx 'codecalc[full]' setup --write

第二步：在 Agent 中调用工具

codecalc 注册后，Agent 可直接使用以下类别工具：

代码执行类（示例）：

mcp__codecalc__run_code(language="python", code="print([x**2 for x in range(10)]])")
mcp__codecalc__run_code(language="rust", code="fn main() { println!("{:?}", (1..=10).map(|x| x*x).collect::<Vec>()); }")

符号数学类：

mcp__codecalc__symbolic_integrate(expr="x**2", var="x")
mcp__codecalc__solve_equation(equation="x**2 - 4 = 0", var="x")

逻辑验证类：

mcp__codecalc__verify_smt(constraints=["x > 0", "x = 0")

复杂度分析类：

mcp__codecalc__analyze_complexity(code="def quicksort(arr): ...")

翻译验证类：

mcp__codecalc__verify_translation(code_a="def foo(n): return n*2", language_a="python", code_b="fn foo(n: i32) -> i32 { n*2 }", language_b="rust")

第三步：获取验证结果

codecalc 返回结构化结果：代码执行输出、符号计算结果、SMT 求解答案、复杂度 O 记号、翻译对比结论。Agent 据此判断答案是否可信。

适用场景

1. AI 代码生成验证：Agent 生成代码后，用 codecalc 执行验证输出的正确性，避免幻觉代码。
2. 跨语言代码翻译验证：Agent 将某段代码从 Python 移植到 Rust，用 verify_translation 验证两种语言的执行结果是否一致。
3. 算法复杂度评估：Agent 提出优化方案时，用 analyze_complexity 量化复杂度变化，证明优化有效。
4. 数学问题求解：Agent 遇到微积分、线性代数、离散数学问题时，用符号数学引擎获得精确答案。
5. 形式化验证：关键代码片段用 SMT 约束求解器验证安全属性是否满足（如并发安全、边界检查等）。
6. 教育/面试场景：Agent 帮助用户刷题时，codecalc 可直接运行代码并返回结果，提供即时反馈。
7. 数据分析验证：Agent 生成的数据处理脚本可直接在 codecalc 中执行并验证输出正确性。

适用人群

• AI Agent 开发者：为编码 Agent 添加工具调用能力，让 Agent 获得可信执行和验证能力。
• AI 应用工程师：需要 AI 回答精确数学/代码问题的应用开发者。
• 形式化验证研究者：需要对代码片段进行 SMT 约束验证的专业人员。
• 教育科技开发者：构建 AI 编程教练或刷题辅助工具的开发者。

工作原理

codecalc 的核心是一个可信执行环境（Trusted Execution Environment）加上丰富的工具函数注册表。

工具函数层：codecalc 暴露 52 个 MCP 工具，分为几大类：代码执行（31 种语言）、符号数学（SYM Py 引擎）、SMT 逻辑（Z3 求解器）、复杂度分析（AST 分析 + 大 O 推导）、验证工具（翻译对比、优化验证、不变量检查）。

执行层：代码执行由 Piston（开源代码执行引擎）提供，支持 31 种语言。符号数学由 Python 的 SymPy 库提供。SMT 由 Z3 提供。

隔离层：默认使用 Linux rlimit 资源限制（CPU 时间、内存、进程数）。可选开启 gVisor+Docker（Linux）或 AppContainer（Windows）提供更强隔离，防止恶意/失控代码影响宿主机。

MCP 暴露层：所有工具通过 MCP（Model Context Protocol）协议暴露，任何 MCP 兼容 Agent 均可调用。注册方式符合 MCP 标准，Claude Code、Codex、Cursor 等主流 Agent 无需修改即可使用。

官方链接

• PyPI：https://pypi.org/project/codecalc/
• GitHub：https://github.com/The-40-Thieves/codecalc
• MCP 工具列表：见 GitHub 仓库 MCP_TOOL_NAMES