mcp-server-docker MCP Server

Co dělá “mcp-server-docker” MCP Server?

mcp-server-docker MCP Server je specializovaný server Model Context Protocol (MCP), navržený pro poskytnutí schopnosti AI asistentům spravovat Docker kontejnery plynule pomocí přirozeného jazyka. Propojením AI agentů s Dockerem umožňuje automatizovanou orchestraci kontejnerů, introspekci, ladění a správu perzistentních dat – to vše prostřednictvím standardizovaných MCP rozhraní. Tento server umožňuje vývojářům, správcům systémů i AI nadšencům interakci s Docker prostředími – lokálně i vzdáleně – a zjednodušuje pracovní postupy jako je spouštění nových služeb, správa běžících kontejnerů či práce s Docker volumes. Propojení MCP s Dockerem zvyšuje produktivitu, snižuje nutnost manuálních zásahů a otevírá nové možnosti AI-driven vývoje a provozu.

Seznam promptů

• docker_compose
  Využijte přirozený jazyk pro sestavování a správu kontejnerů. Tento prompt provádí LLM workflow plán/aplikace: popíšete požadované kontejnery a konfigurace, LLM vygeneruje plán, který můžete zkontrolovat, schválit nebo upravit před samotnou aplikací.

Seznam zdrojů

• Kontejnery
  Zpřístupňuje informace o běžících a dostupných Docker kontejnerech, umožňuje AI klientům je inspektovat nebo s nimi interagovat.
• Volumes
  Poskytuje přístup k Docker volumes pro správu perzistentních dat – umožňuje klientům vypisovat, vytvářet nebo mazat volumes.
• Sítě
  Zpřístupňuje dostupné Docker sítě, které mohou klienti použít pro propojení kontejnerů nebo správu síťových nastavení.

Seznam nástrojů

• docker_compose
  Umožňuje vytváření a orchestraci multi-kontejnerových Docker aplikací pomocí instrukcí v přirozeném jazyce.
• container_introspection
  Umožňuje introspekci a ladění běžících kontejnerů, poskytuje detaily o stavu, konfiguraci a logách.
• volume_management
  Umožňuje správu Docker volumes včetně vytváření, výpisu a mazání perzistentního úložiště.

Příklady použití tohoto MCP Serveru

• Nasazování kontejnerů v přirozeném jazyce
  Nasazujte a spravujte Docker kontejnery jednoduše popisem požadovaného nastavení v běžné řeči, což zefektivňuje vývoj i testování.
• Vzdálená správa serverů
  Připojte se ke vzdáleným Docker engineům pro správu webových serverů nebo cloudových workloadů a zjednodušte práci administrátorům.
• Ladění a introspekce kontejnerů
  Použijte AI pro inspekci, ladění a správu běžících kontejnerů, což zkracuje čas potřebný k řešení problémů.
• Správa perzistentních dat
  Pracujte s Docker volumes přímo z AI nástrojů, což usnadňuje správu, zálohování i čištění perzistentních dat.
• Experimentování s open-source aplikacemi
  Rychle spouštějte a testujte open-source aplikace využívající Docker – pomáhá to bastlířům a vývojářům efektivně zkoušet nové nástroje.

Jak to nastavit

Windsurf

1. Ujistěte se, že máte nainstalovaný Node.js a aplikaci Windsurf.
2. Otevřete konfigurační soubor Windsurf.
3. Přidejte do objektu mcpServers následující položku:

   "mcpServers": {
     "mcp-server-docker": {
       "command": "uvx",
       "args": [
         "mcp-server-docker"
       ]
     }
   }
   

4. Uložte konfiguraci a restartujte Windsurf.
5. Ověřte, že je server spuštěný a dostupný.

Claude

1. Nainstalujte uv, pokud již není přítomen.
2. Na MacOS najděte ~/Library/Application Support/Claude/claude_desktop_config.json.
   Ve Windows najděte %APPDATA%/Claude/claude_desktop_config.json.
3. Přidejte do sekce mcpServers následující:

   "mcpServers": {
     "mcp-server-docker": {
       "command": "uvx",
       "args": [
         "mcp-server-docker"
       ]
     }
   }
   

4. Uložte soubor a restartujte Claude.
5. Ověřte, že je MCP server uvedený a funkční.

Cursor

1. Nainstalujte uv.
2. Otevřete konfigurační soubor Cursor.
3. Vložte následující JSON do objektu mcpServers:

   "mcpServers": {
     "mcp-server-docker": {
       "command": "uvx",
       "args": [
         "mcp-server-docker"
       ]
     }
   }
   

4. Uložte a restartujte Cursor.
5. Zkontrolujte, že se Docker MCP server objeví v seznamu nástrojů.

Cline

1. Ujistěte se, že máte nainstalovaný Node.js a uv.
2. Upravte konfigurační soubor Cline.
3. Přidejte položku MCP serveru:

   "mcpServers": {
     "mcp-server-docker": {
       "command": "uvx",
       "args": [
         "mcp-server-docker"
       ]
     }
   }
   

4. Uložte změny a restartujte Cline.
5. Ověřte funkčnost MCP serveru spuštěním testovacího příkazu.

Zabezpečení API klíčů

Pro zabezpečení API klíčů použijte environmentální proměnné v konfiguraci. Příklad:

"mcpServers": {
  "mcp-server-docker": {
    "command": "uvx",
    "args": [
      "mcp-server-docker"
    ],
    "env": {
      "DOCKER_HOST": "${DOCKER_HOST_ENV_VAR}"
    },
    "inputs": {
      "api_key": "${DOCKER_API_KEY_ENV_VAR}"
    }
  }
}

Jak používat tento MCP ve flow

Použití MCP ve FlowHunt

Pro integraci MCP serverů do svého FlowHunt workflow začněte přidáním MCP komponenty do flow a jejím propojením s AI agentem:

Klikněte na komponentu MCP pro otevření konfiguračního panelu. V sekci systémové konfigurace MCP vložte údaje o vašem MCP serveru pomocí tohoto JSON formátu:

{
  "mcp-server-docker": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Po konfiguraci je AI agent schopen tento MCP využívat jako nástroj se všemi jeho funkcemi a možnostmi. Nezapomeňte změnit “mcp-server-docker” na skutečné jméno vašeho MCP serveru a URL na vlastní endpoint MCP serveru.

Přehled

Náš názor

Mcp-server-docker MCP nabízí přehlednou dokumentaci, praktické workflow promptů a robustní integraci s Dockerem. Jeho zaměření na orchestraci a introspekci v přirozeném jazyce je zvlášť cenné pro vývojáře a AI-powered provoz. Detaily o pokročilých MCP funkcích jako Roots a Sampling zde však chybí. Celkově jde o vyspělý a velmi použitelný MCP server pro Docker automatizaci.

MCP skóre