mcp-server-docker MCPサーバー

「mcp-server-docker」MCPサーバーは何をしますか？

mcp-server-docker MCPサーバーは、AIアシスタントが自然言語でDockerコンテナをシームレスに管理できるように設計された、特化型のModel Context Protocol（MCP）サーバーです。AIエージェントとDockerを接続することで、コンテナの自動オーケストレーション、インスペクション、デバッグ、永続データ管理などを標準化されたMCPインターフェース経由で実現します。これにより、開発者やシステム管理者、AI愛好家はローカル・リモート問わずDocker環境と対話でき、新規サービスの立ち上げや稼働中コンテナの管理、Dockerボリュームの操作などのワークフローを簡素化できます。MCPによるDocker統合は生産性向上・手動作業の削減・AI駆動の開発・運用の新しい可能性を広げます。

プロンプト一覧

• docker_compose
  自然言語でコンテナを作成・管理します。このプロンプトは、希望するコンテナや設定を記述するとLLMが計画を生成し、承認・修正後に適用できるplan/applyワークフローを案内します。

リソース一覧

• コンテナ
  稼働中および利用可能なDockerコンテナ情報を公開し、AIクライアントによるインスペクトや操作を可能にします。
• ボリューム
  Dockerボリュームへのアクセスを提供し、永続データの管理（一覧・作成・削除）が可能です。
• ネットワーク
  利用可能なDockerネットワークを表示し、コンテナ間の接続やネットワーク設定管理に利用できます。

ツール一覧

• docker_compose
  自然言語指示で複数コンテナのDockerアプリを作成・オーケストレーションできます。
• container_introspection
  稼働中コンテナのインスペクション・デバッグを行い、ステータスや設定、ログ情報を取得できます。
• volume_management
  Dockerボリュームの作成・一覧・削除など、永続ストレージ管理をサポートします。

このMCPサーバーのユースケース

• 自然言語によるコンテナデプロイ
  希望のセットアップを平易な言葉で記述するだけでDockerコンテナのデプロイ・管理ができ、開発・テストのワークフローを効率化します。
• リモートサーバー管理
  リモートのDockerエンジンへ接続し、Webサーバーやクラウドワークロードの管理を簡素化します。
• コンテナのデバッグ・インスペクション
  AIを用いて稼働中のコンテナをインスペクト・デバッグし、トラブルシューティングの時間を短縮します。
• 永続データ管理
  AIツールから直接Dockerボリュームを操作し、永続データの管理・バックアップ・クリーンアップが容易です。
• オープンソースアプリの実験
  Dockerを活用したオープンソースアプリの立ち上げ・テストを素早く行い、新しいツールの評価や検証が簡単に行えます。

セットアップ方法

Windsurf

1. Node.jsとWindsurfアプリケーションがインストールされていることを確認します。
2. Windsurfの設定ファイルを開きます。
3. 以下のエントリをmcpServersオブジェクトに追加します:

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

4. 設定を保存し、Windsurfを再起動します。
5. サーバーが稼働し、アクセスできることを確認します。

Claude

1. uv をインストール（未インストールの場合）。
2. MacOSの場合は ~/Library/Application Support/Claude/claude_desktop_config.json、Windowsの場合は %APPDATA%/Claude/claude_desktop_config.json を探します。
3. mcpServersセクションに以下を追加します:

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

4. ファイルを保存し、Claudeを再起動します。
5. MCPサーバーがリストに表示され、機能していることを確認します。

Cursor

1. uv をインストールします。
2. Cursorの設定ファイルを開きます。
3. mcpServersオブジェクトに以下のJSONを挿入します:

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

4. 保存してCursorを再起動します。
5. Docker MCPサーバーがツールリストに表示されていることを確認します。

Cline

1. Node.jsとuvがインストールされていることを確認します。
2. Clineの設定ファイルを編集します。
3. MCPサーバーエントリを追加します:

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

4. 変更を保存してClineを再起動します。
5. テストコマンドを実行してMCPサーバーが動作していることを確認します。

APIキーのセキュリティ

APIキーをセキュアに管理するには、設定ファイルで環境変数を使用します。例:

"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}"
    }
  }
}

フロー内でこのMCPを使うには

FlowHuntでのMCP利用方法

FlowHuntワークフローにMCPサーバーを統合するには、まずMCPコンポーネントをフローに追加し、AIエージェントに接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションに以下のJSON形式でMCPサーバー情報を入力します:

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

設定が完了すると、AIエージェントはこのMCPをツールとして利用可能になり、すべての機能にアクセスできます。 “mcp-server-docker” は実際のMCPサーバー名に、URLはご自身のMCPサーバーエンドポイントに差し替えてください。

概要

当社の見解

mcp-server-docker MCPは、明確なドキュメント・実用的なプロンプトワークフロー・堅牢なDocker統合を提供します。自然言語によるオーケストレーションやインスペクションに特化しており、開発者やAI運用の現場で特に有用です。ただし、RootsやSamplingなど高度なMCP機能の詳細は記載されていません。総じて、Docker自動化向けとして成熟度と使いやすさの高いMCPサーバーです。

MCPスコア