tsuki_mcp_filesystem_server MCP-server

Hva gjør “tsuki_mcp_filesystem_server” MCP-serveren?

tsuki_mcp_filesystem_server er en tilpasset server kompatibel med Model Context Protocol (MCP), designet for å legge til rette for søk og åpning av filer på det lokale filsystemet. Tilpasset for integrering med OpenAIs Agent SDK, eksponerer den filsystemressurser via MCP, slik at AI-assistenter og agenter kan spørre etter, liste og få tilgang til filer innenfor en spesifisert mappe på vertsmaskinen. Nøkkelfunksjoner inkluderer automatisk oppdagelse av MIME-typer og fleksibel konfigurasjon via miljøvariabler. Ved å støtte resources/list-metoden muliggjør denne serveren utviklingsarbeidsflyter som krever programmatisk filoppdagelse eller -administrasjon, og lar AI-drevne verktøy samhandle med lokale filer på en standardisert og sikker måte.

Liste over promptmaler

Ingen promptmaler er nevnt i depotet.

Liste over ressurser

• File System Resource
  Gir tilgang til lokale filer på filsystemet, og lar klienter søke etter og liste filer innenfor en spesifisert mappe.
• resources/list
  Et endepunkt som henter en liste over filer i målmappen, og eksponerer dem som ressurser for AI-klienter.

Liste over verktøy

• resources/list
  Verktøy som lar deg liste filer i den konfigurerte lokale mappen, slik at de blir tilgjengelige for klienter for videre handlinger.

Bruksområder for denne MCP-serveren

• Lokal filoppdagelse
  Utviklere kan bruke serveren til å programmessig oppdage og liste filer i en målkatalog, noe som hjelper med filhåndtering.
• Filkontekst for LLM-er
  Gjør det mulig for store språkmodeller og AI-agenter å hente lokale fillister, som kan brukes som kontekst for kodeanalyse eller dokumentasjonsoppgaver.
• Agent SDK-integrasjon
  Fungerer sømløst med OpenAIs Agent SDK, slik at agenter kan bruke filsøk som en del av større automatiseringsflyter.
• Automatisk MIME-typeoppdagelse
  Oppdager automatisk MIME-typer for filer, noe som er nyttig ved prosessering eller filtrering av filer basert på type.

Hvordan sette opp

Windsurf

1. Forutsetninger:
   Sørg for at Python og pip er installert.
2. Klon depotet:
   git clone https://github.com/yuutotsuki/tsuki_mcp_filesystem_server.git
3. Installer avhengigheter:
   pip install -r requirements.txt
4. Konfigurer miljø:
   Kopier .env.example til .env og rediger ROOT_PATH, HOST, PORT og LOG_LEVEL.
5. Registrer med Windsurf:
   Legg til serverinformasjonen i Windsurf MCP-konfigurasjonen din.

Eksempel på JSON:

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

Sikring av API-nøkler:

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

Claude

1. Forutsetninger:
   Installer Python og avhengigheter som over.
2. Sett opp miljø:
   Konfigurer .env med ønsket mappe.
3. Integrer med Claude:
   Legg MCP-serverkonfigurasjon inn i Claude-innstillingene dine.
4. Start serveren:
   python main.py
5. Verifiser tilkobling:
   Sørg for at Claude kan se MCP-serveren.

Eksempel på JSON:

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

Sikring av API-nøkler:

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

Cursor

1. Klon og installer:
   Klon depotet og installer kravene.
2. Sett opp miljø:
   Kopier og rediger .env.
3. Konfigurer Cursor:
   Legg til MCP-serveren i Cursor-konfigurasjonen.
4. Kjør serveren:
   python main.py
5. Start Cursor på nytt og sjekk:
   Bekreft at MCP blir gjenkjent.

Eksempel på JSON:

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

Sikring av API-nøkler:

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

Cline

1. Installer krav:
   Som over.
2. Konfigurer .env:
   Sett ROOT_PATH, HOST og PORT.
3. Legg til i Cline:
   Registrer MCP-serveren i Clines konfigurasjon.
4. Start serveren:
   python main.py
5. Sjekk drift:
   Valider at MCP-serveren er synlig.

Eksempel på JSON:

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

Sikring av API-nøkler:

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

Hvordan bruke denne MCP-en i flows

Bruke MCP i FlowHunt

For å integrere MCP-servere i FlowHunt-arbeidsflyten din, start med å legge til MCP-komponenten i flowen og koble den til AI-agenten din:

Klikk på MCP-komponenten for å åpne konfigurasjonspanelet. I systemets MCP-konfigurasjonsseksjon, lim inn MCP-serverdetaljene dine med dette JSON-formatet:

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

Når dette er konfigurert, kan AI-agenten nå bruke denne MCP-en som et verktøy med tilgang til alle dens funksjoner og muligheter. Husk å endre “tsuki_mcp_filesystem” til det faktiske navnet på din MCP-server og bytte ut URL-en med din egen MCP-server-URL.

Oversikt

Basert på tilgjengelig informasjon er tsuki_mcp_filesystem_server en minimal, men fokusert MCP-server for lokalt filsøk. Den gir essensielle funksjoner og tilbyr klar konfigurasjon, men mangler avanserte MCP-primitiver som promptmaler, røtter eller sampling-støtte. Nytten er høy for spesialiserte bruksområder, men bredere anvendelser vil kreve mer funksjonalitet.

MCP-score