SMART-E2B

Un serveur MCP (Model Context Protocol) qui intègre E2B pour exécuter du code dans des environnements sandbox sécurisés dans le cloud, spécialement conçu pour fonctionner avec Claude AI Desktop.

Caractéristiques

- Exécution sécurisée de code JavaScript et Python dans le cloud
- Gestion de fichiers intégrée (upload, lecture, liste)
- Réutilisation intelligente des sessions sandbox pour optimiser les performances
- Gestion automatique des timeouts et des erreurs
- Compatible avec Claude AI Desktop via MCP

Prérequis

- Node.js (v16 ou supérieur)
- Clé API E2B (obtenue sur e2b.dev)
- Claude AI Desktop

Installation

``bash


Installation globale depuis NPM

npm install -g smart-e2b

OU installation directe depuis GitHub

npm install -g git+https://github.com/Leghis/smart-e2b.git
`

Configuration avec Claude AI Desktop

1. Ouvrez Claude AI Desktop
2. Allez dans les paramètres > onglet Développeur > Modifier la configuration
3. Ajoutez la configuration suivante au fichier claude_desktop_config.json :

`json
{
"mcpServers": {
"smart-e2b": {
"command": "npx",
"args": ["-y", "smart-e2b"],
"env": {
"E2B_API_KEY": ""
}
}
}
}
`

4. Redémarrez Claude AI Desktop

Utilisation

Une fois configuré, vous pourrez accéder aux outils SMART-E2B directement depuis les conversations avec Claude AI Desktop.

$3

- executeJavaScript : Exécute du code JavaScript dans un sandbox cloud
- executePython : Exécute du code Python dans un sandbox cloud
- uploadFile : Téléverse un fichier dans le sandbox
- listFiles : Liste les fichiers dans un répertoire du sandbox
- readFile : Lit le contenu d'un fichier dans le sandbox

$3

Voici quelques exemples d'utilisation avec Claude AI Desktop :

#### Exécution de code JavaScript

`
Je voudrais tester ce code JavaScript :

function fibonacci(n) {
if (n <= 1) return n;
return fibonacci(n-1) + fibonacci(n-2);
}

console.log(fibonacci(10));
`

#### Exécution de code Python

`
Pourrais-tu exécuter ce code Python pour analyser des données ?

import numpy as np
import matplotlib.pyplot as plt

Générer des données aléatoires

data = np.random.normal(0, 1, 1000)

Calculer les statistiques

mean = np.mean(data)
std = np.std(data)

print(f"Moyenne: {mean:.4f}")
print(f"Écart-type: {std:.4f}")

Créer un histogramme

plt.hist(data, bins=30)
plt.title('Distribution normale')
plt.savefig('histogram.png')
`

Développement

Pour contribuer ou modifier le projet :

`bash


Cloner le dépôt

git clone https://github.com/Leghis/smart-e2b.git
cd smart-e2b

Installer les dépendances

npm install

Compiler

npm run build

Tester localement

npm start
``

Licence

MIT