“1Panel” MCP 서버란 무엇인가요?
1Panel MCP 서버는 1Panel
과의 통합을 위해 특별히 설계된 Model Context Protocol(MCP) 서버 구현체입니다. 이 서버는 AI 어시스턴트와 1Panel 플랫폼을 연결하는 브릿지 역할을 하여, AI 에이전트가 1Panel의 API 및 데이터 소스와 프로그래밍적으로 상호작용할 수 있게 하여 개발 워크플로우를 향상시킵니다. 서버를 배포하면, 개발자는 AI 기반 도구를 통해 시스템 상태 질의, 파일 관리, 제어 명령 실행 등 1Panel 환경 내의 관리 및 운영 작업을 자동화하고 간소화할 수 있습니다. 이 서버는 다양한 환경에서의 통합 유연성을 위해 여러 전송 방식(stdio, sse)을 지원하며, API 토큰과 호스트 주소로 안전하게 구성할 수 있습니다.
프롬프트 목록
공식 문서나 코드에 프롬프트 템플릿이 언급되어 있지 않습니다.
리소스 목록
공식 문서나 코드에 명시적인 MCP 리소스가 설명되어 있지 않습니다.
도구 목록
공식 문서나 코드(예: server.py는 이 Go 프로젝트에 존재하지 않음)에 특정 도구가 나열되거나 설명되어 있지 않습니다.
이 MCP 서버의 활용 사례
- 1Panel 자동화: AI 어시스턴트를 통합하여 서비스 재시작, 사용자 관리, 상태 확인 등 1Panel 관리 작업을 표준화된 AI 명령으로 자동화할 수 있습니다.
- 원격 운영: AI 기반 스크립트 또는 워크플로우가 원격에서 1Panel 서버와 상호작용하여 DevOps 및 시스템 관리 능력을 강화할 수 있습니다.
- SSE/스트리밍 AI 통합: SSE 전송 모드를 통해 1Panel과 AI 에이전트 간 실시간 상호작용이 가능하여 라이브 모니터링과 신속한 응답을 지원합니다.
- 안전한 프로그래밍 접근: 액세스 토큰과 환경 기반 구성으로 필요한 1Panel 기능만 AI 에이전트에 안전하게 노출하여 운영 보안을 유지할 수 있습니다.
설정 방법
Windsurf
1Panel MCP 서버 바이너리 또는 Docker 이미지를 준비하세요.
1Panel 액세스 토큰과 호스트 URL을 확보하세요.
Windsurf 설정 파일을 수정하세요.
mcpServers아래에 다음 JSON 스니펫을 추가하세요:{ "mcpServers": { "mcp-1panel": { "command": "mcp-1panel", "env": { "PANEL_ACCESS_TOKEN": "<your 1Panel access token>", "PANEL_HOST": "예: http://localhost:8080" } } } }저장 후 Windsurf를 재시작하고 서버 연결을 확인하세요.
Docker 예시
{
"mcpServers": {
"mcp-1panel": {
"command": "docker",
"args": [
"run",
"-i",
"--rm",
"-e",
"PANEL_HOST",
"-e",
"PANEL_ACCESS_TOKEN",
"1panel/1panel-mcp-server"
],
"env": {
"PANEL_HOST": "예: http://localhost:8080",
"PANEL_ACCESS_TOKEN": "<your 1Panel access token>"
}
}
}
}
Claude
- 1Panel MCP 서버를 다운로드 또는 빌드하세요.
- 1Panel API 토큰과 호스트 정보를 확보하세요.
- Claude의 설정 파일을 여세요.
- Windsurf와 동일한 설정을
mcpServers아래에 추가하세요. - 저장 후 Claude를 재시작하세요.
Cursor
1Panel MCP 서버가 설치되어 있는지 확인하세요.
액세스 토큰과 호스트 URL을 확보하세요.
Cursor 설정 파일을 수정하세요.
다음을 추가하세요:
{ "mcpServers": { "mcp-1panel": { "command": "mcp-1panel", "env": { "PANEL_ACCESS_TOKEN": "<your 1Panel access token>", "PANEL_HOST": "예: http://localhost:8080" } } } }저장 후 Cursor를 재시작하세요.
SSE 모드 예시
SSE 모드를 사용할 경우, 다음과 같이 서버를 시작하세요:
mcp-1panel -host http://localhost:8080 -token <your 1Panel access token> -transport sse -addr http://localhost:8000
mcpServers에 다음을 추가하세요:
{
"mcpServers": {
"mcp-1panel": {
"url": "http://localhost:8000/sse"
}
}
}
Cline
- 1Panel MCP 서버를 설치하세요.
- PANEL_ACCESS_TOKEN과 PANEL_HOST를 설정하세요.
- Cline 설정 파일을 수정하고 위와 동일한 JSON을 삽입하세요.
- 저장 후 Cline을 재시작하세요.
API 키 보안 설정
API 키 및 민감한 정보는 환경 변수로 저장하세요. 예시 설정:
{
"mcpServers": {
"mcp-1panel": {
"command": "mcp-1panel",
"env": {
"PANEL_ACCESS_TOKEN": "${PANEL_ACCESS_TOKEN}",
"PANEL_HOST": "${PANEL_HOST}"
}
}
}
}
${PANEL_ACCESS_TOKEN} 및 ${PANEL_HOST}를 실제 환경 변수명으로 대체하세요.
이 MCP를 플로우에서 사용하는 방법
FlowHunt에서 MCP 사용하기
FlowHunt 워크플로우에 MCP 서버를 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭하여 구성 패널을 엽니다. 시스템 MCP 구성 섹션에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:
{
"MCP-name": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
구성이 완료되면 AI 에이전트가 이 MCP를 도구로 사용하여 모든 기능과 역량에 접근할 수 있습니다. “MCP-name"을 “mcp-1panel"로, URL은 본인의 MCP 서버 URL로 변경하는 것을 잊지 마세요.
개요
| 섹션 | 지원 여부 | 세부사항/비고 |
|---|---|---|
| 개요 | ✅ | |
| 프롬프트 목록 | ⛔ | 프롬프트 템플릿 미제공 |
| 리소스 목록 | ⛔ | 명시적 리소스 없음 |
| 도구 목록 | ⛔ | 코드/문서상 도구 없음 |
| API 키 보안 | ✅ | 환경 변수 방식 설명 |
| 샘플링 지원(평가에 중요하지 않음) | ⛔ | 언급 없음 |
총평
1Panel MCP 서버는 명확한 설치 및 통합 안내를 제공하며, 별점과 포크 수도 양호한 편입니다. 하지만, 도구/프롬프트/리소스에 대한 자세한 문서가 부족해 복잡한 AI 워크플로우에 바로 적용하기엔 한계가 있습니다. 위 내용을 바탕으로 이 MCP 구현의 완성도 및 개발자 친화성을 5/10으로 평가합니다.
MCP 점수
| 라이선스 존재 여부 | ✅ (GPL-3.0) |
|---|---|
| 도구 1개 이상 | ⛔ |
| 포크 수 | 17 |
| 별 수 | 127 |
