tsuki_mcp_filesystem_server MCP Server

Co dělá MCP Server “tsuki_mcp_filesystem_server”?

tsuki_mcp_filesystem_server je vlastní server kompatibilní s Model Context Protocol (MCP), navržený pro snadné vyhledávání a otevírání souborů v lokálním souborovém systému. Je určený pro integraci s OpenAI Agent SDK a zpřístupňuje souborové zdroje prostřednictvím MCP, což umožňuje AI asistentům a agentům dotazovat se, vypisovat a přistupovat k souborům ve specifikované složce na hostitelském stroji. Klíčové vlastnosti zahrnují automatickou detekci MIME typů a flexibilní konfiguraci přes environmentální proměnné. Díky podpoře metody resources/list umožňuje tento server workflow, které vyžadují programové vyhledávání nebo správu souborů, čímž umožňuje AI nástrojům pracovat s lokálními soubory standardizovaným a bezpečným způsobem.

Seznam promptů

V repozitáři nejsou uvedeny žádné šablony promptů.

Seznam zdrojů

• Souborový zdroj
  Poskytuje přístup k souborům lokálního souborového systému, což klientům umožňuje vyhledávat a vypisovat soubory ve zvolené složce.
• resources/list
  Endpoint, který vrací seznam souborů v cílové složce a zpřístupňuje je jako zdroje pro AI klienty.

Seznam nástrojů

• resources/list
  Nástroj umožňující vypsat soubory v nastavené lokální složce a zpřístupnit je klientům pro další akce.

Případy použití tohoto MCP serveru

• Vyhledávání lokálních souborů
  Vývojáři mohou server využít k programovému vyhledání a výpisu souborů v cílové složce pro správu souborů.
• Souborový kontext pro LLM
  Umožňuje velkým jazykovým modelům a AI agentům získat výpisy lokálních souborů jako kontext pro analýzu kódu nebo dokumentace.
• Integrace s Agent SDK
  Bezproblémová spolupráce s OpenAI Agent SDK umožňuje agentům využívat vyhledávání souborů jako součást rozsáhlejší automatizace.
• Automatická detekce MIME typů
  Automaticky detekuje MIME typy souborů, což je užitečné při zpracování nebo filtrování souborů dle typu.

Jak jej nastavit

Windsurf

1. Předpoklady:
   Ujistěte se, že máte nainstalován Python a pip.
2. Klonování repozitáře:
   git clone https://github.com/yuutotsuki/tsuki_mcp_filesystem_server.git
3. Instalace závislostí:
   pip install -r requirements.txt
4. Konfigurace prostředí:
   Zkopírujte .env.example na .env a upravte ROOT_PATH, HOST, PORT a LOG_LEVEL.
5. Registrace ve Windsurf:
   Přidejte informace o serveru do své MCP konfigurace Windsurf.

Příklad JSON:

{
  "mcpServers": {
    "tsuki_mcp_filesystem": {
      "command": "python",
      "args": ["main.py"]
    }
  }
}

Zabezpečení API klíčů:

{
  "env": {
    "ROOT_PATH": "/cesta/k/vasi/vyhledavaci/slozce"
  },
  "inputs": {}
}

Claude

1. Předpoklady:
   Nainstalujte Python a závislosti jako výše.
2. Nastavení prostředí:
   Nastavte .env se svou složkou.
3. Integrace s Claude:
   Přidejte konfiguraci MCP serveru do nastavení Claude.
4. Spusťte server:
   python main.py
5. Ověření spojení:
   Ujistěte se, že Claude server MCP vidí.

Příklad JSON:

{
  "mcpServers": {
    "tsuki_mcp_filesystem": {
      "command": "python",
      "args": ["main.py"]
    }
  }
}

Zabezpečení API klíčů:

{
  "env": {
    "ROOT_PATH": "/cesta/k/vasi/vyhledavaci/slozce"
  },
  "inputs": {}
}

Cursor

1. Klonování a instalace:
   Naklonujte repozitář a nainstalujte požadované balíčky.
2. Nastavení prostředí:
   Zkopírujte a upravte .env.
3. Konfigurace Cursor:
   Přidejte MCP server do konfigurace Cursor.
4. Spusťte server:
   python main.py
5. Restartujte Cursor a ověřte:
   Ujistěte se, že MCP je rozpoznán.

Příklad JSON:

{
  "mcpServers": {
    "tsuki_mcp_filesystem": {
      "command": "python",
      "args": ["main.py"]
    }
  }
}

Zabezpečení API klíčů:

{
  "env": {
    "ROOT_PATH": "/cesta/k/vasi/vyhledavaci/slozce"
  },
  "inputs": {}
}

Cline

1. Instalace závislostí:
   Jako výše.
2. Konfigurace .env:
   Nastavte ROOT_PATH, HOST a PORT.
3. Přidejte do Cline:
   Zaregistrujte MCP server v konfiguraci Cline.
4. Spusťte server:
   python main.py
5. Ověření provozu:
   Ověřte viditelnost MCP serveru.

Příklad JSON:

{
  "mcpServers": {
    "tsuki_mcp_filesystem": {
      "command": "python",
      "args": ["main.py"]
    }
  }
}

Zabezpečení API klíčů:

{
  "env": {
    "ROOT_PATH": "/cesta/k/vasi/vyhledavaci/slozce"
  },
  "inputs": {}
}

Jak použít tento MCP ve flow

Použití MCP ve FlowHunt

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

Klikněte na komponentu MCP pro otevření panelu konfigurace. V sekci systémové MCP konfigurace vložte údaje o svém MCP serveru v tomto formátu JSON:

{
  "tsuki_mcp_filesystem": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Jakmile je nakonfigurováno, AI agent může tento MCP použít jako nástroj se všemi jeho funkcemi a schopnostmi. Nezapomeňte změnit “tsuki_mcp_filesystem” na skutečný název vašeho MCP serveru a URL na adresu vašeho MCP serveru.

Přehled

Na základě dostupných informací je tsuki_mcp_filesystem_server minimalistický, ale cílený MCP server pro vyhledávání v lokálním souborovém systému. Nabízí základní funkce a jasnou konfiguraci, ale postrádá pokročilé MCP prvky jako prompty, kořeny či podporu samplingu. Jeho užitečnost je vysoká pro specializované případy použití, ale pro širší aplikace by bylo potřeba více funkcí.

MCP skóre