tsuki_mcp_filesystem_server MCP-Server

Was macht der “tsuki_mcp_filesystem_server” MCP-Server?

Der tsuki_mcp_filesystem_server ist ein benutzerdefinierter Server, der mit dem Model Context Protocol (MCP) kompatibel ist und die Suche sowie das Öffnen von Dateien im lokalen Dateisystem ermöglicht. Speziell für die Integration mit dem Agent SDK von OpenAI entwickelt, stellt er Dateisystem-Ressourcen über das MCP bereit und ermöglicht KI-Assistenten und -Agenten, Dateien innerhalb eines angegebenen Verzeichnisses auf dem Hostsystem abzufragen, aufzulisten und darauf zuzugreifen. Zu den wichtigsten Funktionen gehören die automatische Erkennung von MIME-Typen und eine flexible Konfiguration über Umgebungsvariablen. Durch die Unterstützung der Methode resources/list ermöglicht dieser Server Entwicklungs-Workflows, die eine programmatische Dateisuche oder -verwaltung erfordern, sodass KI-gestützte Werkzeuge auf standardisierte und sichere Weise mit lokalen Dateien interagieren können.

Liste der Prompts

Im Repository sind keine Prompt-Vorlagen erwähnt.

Liste der Ressourcen

• Dateisystem-Ressource
  Bietet Zugriff auf lokale Dateisystemdateien und ermöglicht es Clients, Dateien innerhalb eines angegebenen Verzeichnisses zu suchen und aufzulisten.
• resources/list
  Ein Endpunkt, der eine Liste von Dateien im Zielverzeichnis abruft und diese als Ressourcen für KI-Clients bereitstellt.

Liste der Werkzeuge

• resources/list
  Werkzeug, das das Auflisten von Dateien im konfigurierten lokalen Verzeichnis ermöglicht und sie Clients für weitere Aktionen zur Verfügung stellt.

Anwendungsfälle dieses MCP-Servers

• Lokale Dateisuche
  Entwickler können den Server nutzen, um Dateien im Zielverzeichnis programmatisch zu entdecken und aufzulisten, was bei Aufgaben der Dateiverwaltung unterstützt.
• Dateikontext für LLMs
  Ermöglicht großen Sprachmodellen und KI-Agenten, lokale Dateilisten zu beziehen, die als Kontext für Codeanalysen oder Dokumentationsaufgaben dienen können.
• Agent SDK Integration
  Funktioniert nahtlos mit dem Agent SDK von OpenAI, sodass Agenten die Dateisuche als Teil größerer Automatisierungsabläufe nutzen können.
• Automatische MIME-Typ-Erkennung
  Erkennt automatisch die MIME-Typen von Dateien, was beim Verarbeiten oder Filtern nach Typ hilfreich ist.

Wie richtet man es ein

Windsurf

1. Voraussetzungen:
   Stellen Sie sicher, dass Python und pip installiert sind.
2. Repository klonen:
   git clone https://github.com/yuutotsuki/tsuki_mcp_filesystem_server.git
3. Abhängigkeiten installieren:
   pip install -r requirements.txt
4. Umgebung konfigurieren:
   Kopieren Sie .env.example zu .env und bearbeiten Sie ROOT_PATH, HOST, PORT und LOG_LEVEL.
5. In Windsurf registrieren:
   Fügen Sie die Serverinformationen zu Ihrer Windsurf-MCP-Konfiguration hinzu.

Beispiel-JSON:

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

API-Schlüssel absichern:

{
  "env": {
    "ROOT_PATH": "/path/to/your/search/directory"
  },
  "inputs": {}
}

Claude

1. Voraussetzungen:
   Installieren Sie Python und Abhängigkeiten wie oben.
2. Umgebung einrichten:
   Konfigurieren Sie .env mit Ihrem Verzeichnis.
3. Mit Claude integrieren:
   Fügen Sie die MCP-Server-Konfiguration zu Ihren Claude-Einstellungen hinzu.
4. Server starten:
   python main.py
5. Verbindung prüfen:
   Stellen Sie sicher, dass Claude den MCP-Server erkennt.

Beispiel-JSON:

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

API-Schlüssel absichern:

{
  "env": {
    "ROOT_PATH": "/path/to/your/search/directory"
  },
  "inputs": {}
}

Cursor

1. Klonen und installieren:
   Klonen Sie das Repository und installieren Sie die Anforderungen.
2. Umgebung einrichten:
   Kopieren und bearbeiten Sie .env.
3. Cursor konfigurieren:
   Fügen Sie den MCP-Server zur Cursor-Konfiguration hinzu.
4. Server ausführen:
   python main.py
5. Cursor neu starten und prüfen:
   Überprüfen Sie, ob MCP erkannt wird.

Beispiel-JSON:

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

API-Schlüssel absichern:

{
  "env": {
    "ROOT_PATH": "/path/to/your/search/directory"
  },
  "inputs": {}
}

Cline

1. Anforderungen installieren:
   Wie oben.
2. .env konfigurieren:
   Setzen Sie ROOT_PATH, HOST und PORT.
3. Zu Cline hinzufügen:
   Registrieren Sie den MCP-Server in der Cline-Konfiguration.
4. Server starten:
   python main.py
5. Betrieb prüfen:
   Validieren Sie die Sichtbarkeit des MCP-Servers.

Beispiel-JSON:

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

API-Schlüssel absichern:

{
  "env": {
    "ROOT_PATH": "/path/to/your/search/directory"
  },
  "inputs": {}
}

Wie man diesen MCP in Flows nutzt

MCP in FlowHunt verwenden

Um MCP-Server in Ihren FlowHunt-Workflow zu integrieren, fügen Sie zunächst die MCP-Komponente zu Ihrem Flow hinzu und verbinden Sie sie mit Ihrem KI-Agenten:

Klicken Sie auf die MCP-Komponente, um das Konfigurationsfenster zu öffnen. Fügen Sie im Abschnitt für die System-MCP-Konfiguration die Details Ihres MCP-Servers mit folgendem JSON-Format ein:

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

Nach der Konfiguration kann der KI-Agent diesen MCP als Tool mit Zugriff auf all seine Funktionen und Fähigkeiten verwenden. Denken Sie daran, “tsuki_mcp_filesystem” durch den tatsächlichen Namen Ihres MCP-Servers zu ersetzen und die URL durch Ihre eigene MCP-Server-URL.

Übersicht

Basierend auf den vorhandenen Informationen ist der tsuki_mcp_filesystem_server ein minimaler, aber fokussierter MCP-Server für die lokale Dateisystemsuche. Er bietet grundlegende Funktionen und eine klare Konfiguration, es fehlen jedoch fortgeschrittene MCP-Primitiven wie Prompts, Roots oder Sampling-Unterstützung. Der Nutzen ist hoch für spezialisierte Anwendungsfälle, für breitere Anwendungen wären jedoch mehr Funktionen erforderlich.

MCP-Bewertung