用途：为基于 MCP 的智能体搭建代码执行模式。当智能体需要连接 10+ 个 MCP 服务器或 50+ 个工具、中间结果超过 10K tokens、工作流需要循环/重试/条件分支，或 PII 不应进入模型上下文时使用。若只需配置单个 MCP 服务器、工具结果很小或只做 2–3 步线性调用，则应直接调用工具或使用 mcp-management。
主要能力：核心是不把全部工具定义预加载进上下文，而是让智能体通过类型化文件树按需发现工具，生成 TypeScript/Python 代码导入并调用类型化包装函数，在沙箱中执行，只把过滤或摘要后的结果返回模型。这使 token 占用从 O(全部工具定义) 降至 O(仅相关导入)。关键模式包括：渐进式工具发现、沙箱内数据过滤、原生控制流、PII 令牌化、workspace 状态持久化、skills 可复用函数积累。
使用方式：项目结构含 servers/（按服务器分目录的类型化包装）、skills/、workspace/、client.ts（路由 callMCPTool 到对应 MCP 服务器）、sandbox.config.ts。每个工具一个文件，含输入/输出接口、JSDoc 和调用 callMCPTool 的异步函数。脚手架步骤：查看 .mcp.json 确定服务器、生成各服务器目录与包装、创建 MCP 客户端、配置沙箱、接入智能体循环（探索 servers/ 树 → 生成代码 → 沙箱执行 → 返回过滤输出）。
限制与要求：需要沙箱隔离、CPU/内存/磁盘资源限制、仅允许 MCP 服务器连接的网络隔离、执行超时、workspace 与 servers 目录的文件系统范围限制，以及执行与 MCP 调用的日志审计；敏感数据建议在客户端启用 PII 令牌化。基础设施复杂度高，不适合原型或概念验证阶段，也不适用于简单集成。具体安装命令与依赖版本暂未提供。