pydantic / monty

#11

4,525161+858 todayRust

View on GitHub

A minimal, secure Python interpreter written in Rust for use by AI

📊 Project Info

Language: Rust
Stars: ⭐ 4,525
Forks: 161
Today: +858
Ranking: #11
Collection: Overall
Trending Date: February 10, 2026
Last Push: 2/10/2026

5分钟上手 Monty：极简安全的Python解释器

本指南将帮助你在5分钟内安装Monty并运行第一个AI生成的Python代码

🖥️ OS

macOSLinuxWindows（通过WSL）

⚙️ Runtime

Python>=3.8

🔧 Tools

pip— Python包管理器，用于安装pydantic-monty

📝 Steps

安装Monty

使用pip安装pydantic-monty包

安装Monty Python包

$ pip install pydantic-monty

✓Expected: Successfully installed pydantic-monty-x.x.x 等类似信息

💡如果遇到权限问题，可以尝试添加 --user 参数

创建第一个Monty脚本

创建一个简单的Python文件来测试Monty

创建测试文件

$ echo "import pydanticmonty

code = '''
x = 41
print(f'Hello Monty! The answer is {x + 1}')
'''

m = pydanticmonty.Monty(code)
result = m.run()
print(f'Output: {result.output}')" > monty_test.py

✓Expected: 创建monty_test.py文件

💡在Windows上，可以使用文本编辑器创建文件并复制代码

运行Monty脚本

执行测试脚本，验证Monty是否正常工作

运行Monty测试脚本

$ python monty_test.py

✓Expected: Hello Monty! The answer is 42 Output: Hello Monty! The answer is 42

💡如果看到输出结果，说明Monty已成功运行Python代码

尝试外部函数调用

创建一个更复杂的示例，展示Monty如何与外部函数交互

创建外部函数示例

$ echo "import pydanticmonty

# 定义外部函数
def fetch(url):
    return f'Fetched data from {url}'

code = '''
data = fetch('https://example.com')
print(f'Result: {data}')
'''

m = pydanticmonty.Monty(code, externalfunctions=['fetch'])
result = m.run()
print(f'Final output: {result.output}')" > monty_external.py

运行外部函数示例

$ python monty_external.py

✓Expected: Result: Fetched data from https://example.com Final output: Result: Fetched data from https://example.com

💡这个示例展示了Monty如何安全地调用外部定义的函数

✅ 验证成功

如果所有步骤都成功执行，你将看到以下结果：

✓成功安装pydantic-monty包
✓Monty能够执行基本的Python代码
✓Monty能够调用外部函数并返回结果
✓没有出现权限错误或导入错误

⚡ Quick Tips

性能Monty启动极快，通常在微秒级别，适合需要快速执行AI生成代码的场景

配置使用inputs参数向Monty代码传递变量，使用externalfunctions参数控制可调用的外部函数

安全Monty默认阻止文件系统、网络和环境变量访问，所有外部访问必须通过你提供的外部函数

🔍 Troubleshooting

❓ ModuleNotFoundError: No module named 'pydanticmonty'

→ 确保已正确安装：pip install pydantic-monty，注意包名中的连字符

❓ Permission denied 错误

→ 使用 pip install --user pydantic-monty 或 sudo pip install pydantic-monty

❓ Monty不支持某些Python语法

→ Monty支持Python子集，主要用于AI生成的简单代码。复杂功能需要通过外部函数实现

🎯 Next Steps

查看官方示例

访问GitHub仓库查看更多高级用法示例

尝试类型检查

使用typecheck=True参数启用Python类型提示检查

实验快照功能

尝试使用dump()和load()方法保存和恢复解释器状态

Difficulty

初级

Est. Time

3-5小时

Target Audience

对AI Agent开发、Python沙箱环境或Rust语言感兴趣的开发者，特别是希望在自己的应用中安全执行LLM生成代码的开发者。

🎯 What You'll Learn

学会使用Monty在你的应用中安全地执行AI生成的Python代码，并理解其核心概念如外部函数调用、状态快照等。

📋 Prerequisites

Python基础熟悉

Monty是一个Python解释器，你需要理解Python的基本语法、函数定义和类型提示，才能编写和调试在Monty中运行的代码。

Rust基础（仅用于理解项目）了解(optional)

项目本身用Rust编写，但作为使用者，你主要通过Python绑定来调用。了解Rust有助于理解项目背景和高级用法，但不是使用它的必要条件。

命令行/终端使用熟悉

需要能够使用pip安装包，并运行Python脚本。

📚 Resources

必看

GitHub README

项目主页的README文件，包含了安装、核心示例和高级用法，是学习的第一手资料。

🗺️ Learning Phases

环境准备与初体验

⏱ 30分钟

安装Monty

在你的Python环境中，使用pip安装pydantic-monty包。命令：`pip install pydantic-monty`。

💡建议使用虚拟环境（如venv）来管理依赖，避免污染全局环境。

验证安装

创建一个简单的Python脚本（如test_monty.py），导入`pydanticmonty`模块。如果导入成功，说明安装正确。

💡如果导入失败，请检查Python版本（建议3.8+）和pip是否正确指向你的虚拟环境。

核心概念与基础运行

⏱ 1小时

运行第一段代码

参考README的第一个代码块，创建一个Monty实例，运行一段简单的Python代码（如`x + 1`），并通过`inputs`参数传入变量值。使用`m.run()`方法执行并打印结果。

💡重点理解`Monty(code, inputs=['x'])`中`inputs`参数的作用：它定义了代码中需要从外部传入的变量名。

理解外部函数调用

尝试README中关于`fetch(url)`的示例。创建一个模拟的`fetch`函数，在Python主程序中定义它，并通过`externalfunctions`参数让Monty知道可以调用它。使用`m.start()`和`resume()`来控制执行流程。

💡这是Monty安全性的核心！代码中的`fetch`只是一个声明，实际的函数逻辑在你的主程序中。Monty会在调用时暂停，等待你提供返回值。

高级功能探索

⏱ 1.5小时

体验类型检查

编写一段包含类型提示（如`def greet(name: str) -> str:`）的Python代码。在创建Monty实例时，设置`typecheck=True`。尝试传入错误类型的参数，观察类型检查是否生效。

💡类型检查在代码执行前进行，有助于提前发现LLM生成代码中的类型错误。

实践状态快照

按照README的“Serialize execution state mid-flight”示例，完整走一遍流程：1. 启动执行到外部函数调用暂停。2. 使用`.dump()`保存状态。3. 使用`.load()`恢复状态。4. 使用`.resume()`继续执行。

💡这个功能非常强大，允许你将AI Agent的中间状态持久化到数据库或文件中，实现“暂停/继续”或跨进程恢复。

结合AI Agent框架

参考README末尾的“AI Agent Example”，尝试理解`CodeModeToolset`和`Agent`的用法。虽然可能需要安装额外的AI框架（如pydantic-ai），但这一步旨在理解Monty如何集成到AI工作流中。

💡即使不运行完整示例，也请阅读代码，理解Monty在这里的角色：它提供了一个安全的“沙箱”，让AI生成的工具代码在其中运行。

总结与调试

⏱ 1小时

设计一个小项目

构思一个简单场景：例如，一个AI助手可以帮你计算（但只能使用你提供的`add`, `multiply`函数）或处理字符串。用Monty实现这个安全沙箱。

💡从最简单的开始，比如只允许一个外部函数。确保你完全控制了代码可以访问的所有资源。

阅读错误信息与调试

故意在Monty运行的代码中制造一些错误：语法错误、调用未授权的外部函数、类型错误等。观察Monty返回的错误信息，学习如何定位问题。

💡记住，Monty运行的是一个“子集”的Python。如果遇到不支持的语法，需要查阅项目源码或Issue来确认。

⚠️ Common Mistakes

❌ 忘记在`externalfunctions`参数中声明外部函数名

✅ 在Monty代码中调用的每一个主机函数，都必须先在创建Monty实例时，在`externalfunctions`列表中进行声明，否则执行会报错。

❌ 混淆`inputs`和外部函数调用

✅ `inputs`用于在代码执行前传入简单的数据（如字符串、数字）。复杂的操作或需要访问外部资源的操作，应通过外部函数调用来实现。

❌ 试图在Monty中运行不受支持的Python语法或模块

✅ Monty是Python的一个子集。避免使用复杂的语言特性或尝试导入标准库/第三方库。所有“危险”操作都应通过你控制的外部函数提供。

❌ 对`start()`和`resume()`的流程理解不清

✅ `m.start()`会执行代码，直到遇到第一个外部函数调用或执行完毕。它返回一个“快照”对象。你必须调用这个快照对象的`.resume(returnvalue=...)`来提供外部函数的返回值，并继续执行。这是一个分步过程。

🚀 Next Steps

学完基础后可以继续探索的方向：1. 深入研究Monty的Rust源码，理解其解释器的工作原理和安全性实现。2. 将其集成到更复杂的AI Agent流水线或Web服务中。3. 探索性能极限，测试在大量并发或复杂代码下的表现。4. 关注项目更新，了解其对Python语法支持范围的扩大。