
Integrace Kubernetes MCP serveru
Kubernetes MCP Server propojuje AI asistenty a Kubernetes clustery, umožňuje automatizaci řízenou AI, správu zdrojů a DevOps workflow pomocí standardizovaných M...
Terminálový kontrolér MCP Server od FlowHunt poskytuje AI agentům bezpečný, programovatelný přístup k terminálu a operacím se souborovým systémem pro lepší vývojovou automatizaci.
Terminálový kontrolér MCP Server je server typu Model Context Protocol (MCP), který umožňuje bezpečné provádění terminálových příkazů, navigaci v adresářích a operace se souborovým systémem prostřednictvím standardizovaného rozhraní. Funguje jako most mezi AI asistenty a hostitelským prostředím, což umožňuje AI agentům provádět úkoly, jako je spouštění shellových příkazů, správa adresářů a programové manipulace se soubory. Díky vestavěným bezpečnostním opatřením, sledování historie příkazů a multiplatformní kompatibilitě zvyšuje Terminálový kontrolér efektivitu vývojových workflow tím, že AI nástrojům poskytuje kontrolovaný přístup k terminálu a souborovému systému počítače. Tato schopnost umožňuje AI asistentům bezpečně a standardizovaně automatizovat, prozkoumávat a spravovat systémové úkoly pro vývojáře.
V repozitáři ani v dokumentaci nebyly nalezeny žádné šablony promptů.
V repozitáři ani v dokumentaci nebyly explicitně definovány MCP zdroje.
pip install terminal-controller
{
"mcpServers": {
"terminal-controller": {
"command": "python",
"args": ["-m", "terminal_controller"]
}
}
}
npx -y @smithery/cli install @GongRzhe/terminal-controller-mcp --client claude
pip install terminal-controller
{
"mcpServers": {
"terminal-controller": {
"command": "python",
"args": ["-m", "terminal_controller"]
}
}
}
pip install terminal-controller
{
"mcpServers": {
"terminal-controller": {
"command": "python",
"args": ["-m", "terminal_controller"]
}
}
}
pip install terminal-controller
{
"mcpServers": {
"terminal-controller": {
"command": "python",
"args": ["-m", "terminal_controller"]
}
}
}
Pokud vaše nastavení vyžaduje API klíče nebo tajné údaje, používejte proměnné prostředí místo jejich pevného zadání. Příklad konfigurace:
{
"mcpServers": {
"terminal-controller": {
"command": "python",
"args": ["-m", "terminal_controller"],
"env": {
"MY_API_KEY": "${MY_API_KEY_ENV_VAR}"
},
"inputs": {
"api_key": "${MY_API_KEY_ENV_VAR}"
}
}
}
}
Použití MCP ve FlowHunt
Pro integraci MCP serverů do vašeho workflow ve FlowHunt začněte přidáním MCP komponenty do vašeho flow a propojte ji se svým AI agentem:
Klikněte na MCP komponentu pro otevření konfiguračního panelu. Do sekce systémové konfigurace MCP vložte údaje o vašem MCP serveru v tomto formátu JSON:
{
"terminal-controller": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Po konfiguraci může AI agent nyní tento MCP používat jako nástroj se všemi jeho funkcemi a schopnostmi. Nezapomeňte změnit “terminal-controller” na skutečný název vašeho MCP serveru a nahradit URL adresou vašeho MCP serveru.
Sekce | Dostupnost | Podrobnosti/poznámky |
---|---|---|
Přehled | ✅ | |
Seznam promptů | ⛔ | Nebyly nalezeny žádné šablony promptů |
Seznam zdrojů | ⛔ | Nebyly explicitně definovány MCP zdroje |
Seznam nástrojů | ✅ | Provádění příkazů, správa adresářů, operace se soubory |
Zabezpečení API klíčů | ✅ | Možné použití proměnných prostředí v konfiguraci |
Podpora sampling (méně důležité při hodnocení) | ⛔ | Není zmíněno |
Na základě výše uvedeného poskytuje Terminálový kontrolér MCP základní přístup k terminálu a souborovému systému bezpečným způsobem, ale chybí šablony promptů a explicitní zdroje. Jeho konfigurace je dobře zdokumentována a je multiplatformní. Roots a sampling nejsou zmíněny. Celkově jde o praktický, bezpečný, ale relativně jednoduchý server pro základní potřeby DevOps a automatizace.
Má LICENSE | ✅ (MIT) |
---|---|
Má alespoň jeden nástroj | ✅ |
Počet forků | 14 |
Počet hvězd | 60 |
Jedná se o server Model Context Protocol, který bezpečně zpřístupňuje provádění terminálových příkazů, navigaci v adresářích a správu souborů AI agentům, což umožňuje automatizaci a bezpečný přístup k systému pro vývojové workflow.
Umožňuje provádění příkazů, správu adresářů, operace se soubory (čtení, zápis, úpravy, mazání) a uchovává historii příkazů pro transparentnost workflow.
Obsahuje vestavěné ochrany proti nebezpečným příkazům a podporuje správu proměnných prostředí pro citlivá data, což snižuje rizika při poskytování přístupu AI k terminálu.
Terminálový kontrolér je multiplatformní, podporuje jak Windows, tak UNIXové systémy pro konzistentní zážitek vývojářů.
Přidejte MCP komponentu do svého FlowHunt flow a nakonfigurujte ji údaji o vašem MCP serveru. Díky tomu budou vaši AI agenti moci programově přistupovat k terminálu a operacím se soubory v rámci vašeho workflow.
Umožněte svým AI asistentům automatizovat vývoj, testování a správu systémů pomocí bezpečného, multiplatformního Terminálového kontroléru MCP.
Kubernetes MCP Server propojuje AI asistenty a Kubernetes clustery, umožňuje automatizaci řízenou AI, správu zdrojů a DevOps workflow pomocí standardizovaných M...
Server Model Context Protocolu (MCP) propojuje AI asistenty s externími datovými zdroji, API a službami, což umožňuje snadnou integraci komplexních workflow a b...
Kubernetes MCP Server propojuje AI asistenty a Kubernetes/OpenShift clustery, což umožňuje programatickou správu zdrojů, operace s pody a DevOps automatizaci pr...