
DesktopCommander MCP Server
DesktopCommander MCP Server ger AI-assistenter som Claude direkt skrivbordsautomatisering, med säker terminalkontroll, filsystemsökning och diff-baserad filredi...
Ge dina AI-agenter möjlighet att säkert köra shell-kommandon, automatisera arbetsflöden, hämta systemdiagnostik och interagera med filer—direkt från FlowHunt med mcp-server-commands.
mcp-server-commands MCP (Model Context Protocol) Server fungerar som en brygga mellan AI-assistenter och möjligheten att köra lokala eller systemkommandon på ett säkert sätt. Genom att exponera ett gränssnitt för att köra shell-kommandon möjliggör den för AI-klienter att komma åt extern data, interagera med filsystemet, utföra diagnostik eller automatisera arbetsflöden direkt från sin miljö. Servern behandlar kommando-förfrågningar från LLM:er och returnerar utdata, inklusive både STDOUT
och STDERR
, som kan användas för vidare analys eller åtgärder. Detta förbättrar utvecklingsflöden genom att möjliggöra uppgifter som att lista kataloger, visa systeminformation eller köra skript, och utökar därmed de praktiska möjligheterna för AI-assistenter för utvecklare och avancerade användare.
Inga explicita resurser listas i tillgänglig dokumentation eller kod.
hostname
, ls -al
, echo "hello world"
). Returnerar STDOUT
och STDERR
som text. Stöder en valfri parameter stdin
för att skicka indata (såsom kod eller filinnehåll) till kommandon som accepterar det, vilket underlättar skriptning och filoperationer.hostname
eller top
för att hämta systemstatus eller miljödetaljer direkt från AI-assistenten.ls -al
), skapa eller läsa filer och manipulera textfiler med hjälp av shell-kommandon.stdin
, vilket möjliggör snabb prototypning eller automatisering.mcp-server-commands
:npm install -g mcp-server-commands
{
"mcpServers": {
"mcp-server-commands": {
"command": "npx",
"args": ["mcp-server-commands"]
}
}
}
mcp-server-commands
globalt:npm install -g mcp-server-commands
~/Library/Application Support/Claude/claude_desktop_config.json
%APPDATA%/Claude/claude_desktop_config.json
{
"mcpServers": {
"mcp-server-commands": {
"command": "npx",
"args": ["mcp-server-commands"]
}
}
}
mcp-server-commands
globalt:npm install -g mcp-server-commands
{
"mcpServers": {
"mcp-server-commands": {
"command": "npx",
"args": ["mcp-server-commands"]
}
}
}
npm install -g mcp-server-commands
{
"mcpServers": {
"mcp-server-commands": {
"command": "npx",
"args": ["mcp-server-commands"]
}
}
}
Om du behöver ange känsliga miljövariabler (t.ex. API-nycklar), använd fälten env
och inputs
i din konfiguration:
{
"mcpServers": {
"mcp-server-commands": {
"command": "npx",
"args": ["mcp-server-commands"],
"env": {
"EXAMPLE_API_KEY": "${EXAMPLE_API_KEY}"
},
"inputs": {
"apiKey": "${EXAMPLE_API_KEY}"
}
}
}
}
Byt ut EXAMPLE_API_KEY
mot ditt faktiska miljövariabelnamn.
Använd MCP i FlowHunt
För att integrera MCP-servrar i ditt FlowHunt-arbetsflöde, börja med att lägga till MCP-komponenten i ditt flöde och koppla den till din AI-agent:
Klicka på MCP-komponenten för att öppna konfigurationspanelen. I systemets MCP-konfigurationssektion, ange din MCP-serverinformation med detta JSON-format:
{
"mcp-server-commands": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
När detta är konfigurerat kan AI-agenten nu använda denna MCP som ett verktyg med tillgång till alla dess funktioner och möjligheter. Kom ihåg att byta ut “mcp-server-commands” mot vad din MCP-server faktiskt heter och ersätt URL:en med din egen MCP-server-URL.
Sektion | Tillgänglighet | Detaljer/Noteringar |
---|---|---|
Översikt | ✅ | Tillhandahåller shell-kommandoexekvering som verktyg för LLM:er. |
Lista över prompts | ✅ | run_command |
Lista över resurser | ⛔ | Inga explicita resurser listade. |
Lista över verktyg | ✅ | run_command |
Säkerställ API-nycklar | ✅ | Stöds via env och inputs i konfigurationen. |
Sampling-stöd (mindre viktigt vid utvärdering) | ⛔ | Ej nämnt i dokumentation eller kod. |
Vår åsikt:
Denna MCP-server är enkel men mycket effektiv för sitt syfte: att ge LLM:er tillgång till systemskalet på ett kontrollerat sätt. Den är väl dokumenterad, enkel att konfigurera och har tydliga säkerhetsvarningar. Dock är omfattningen begränsad (ett verktyg, inga explicita resurser eller promptmallar utöver run_command
), och avancerade MCP-funktioner som Roots och Sampling nämns inte i dokumentationen eller koden. Sammantaget är den väl lämpad för utvecklare som vill ha shell-åtkomst via AI, men saknar bredare utbyggbarhet.
Har en LICENSE | ✅ (MIT) |
---|---|
Har minst ett verktyg | ✅ |
Antal Forks | 27 |
Antal Stars | 159 |
Det är en MCP-server som exponerar ett säkert gränssnitt för AI-assistenter att köra lokala eller systemskal-kommandon. Detta gör att AI-klienter kan interagera med filsystemet, köra diagnostik eller automatisera arbetsflöden genom att behandla kommando-förfrågningar och returnera deras utdata.
Huvudverktyget är 'run_command', som gör det möjligt att köra shell-kommandon (t.ex. 'ls -al', 'echo', 'hostname'). Det returnerar både STDOUT och STDERR och stöder att skicka indata via stdin för skript eller filoperationer.
Användningsområden inkluderar systemdiagnostik, filhantering, skriptexekvering, automatisering av utvecklingsuppgifter och säkra arbetsflöden för kommando-godkännande.
Känsliga värden kan anges via fälten 'env' och 'inputs' i konfigurationen. Använd miljövariabler för att undvika att exponera hemligheter i klartext.
Nej, mcp-server-commands MCP fokuserar på kommandoexekvering. Funktioner som avancerad resurs-hantering eller sampling nämns inte i tillgänglig dokumentation.
Lägg till MCP-komponenten i din FlowHunt-flow och koppla den till din AI-agent. Specificera i konfigurationen MCP-serverns detaljer, såsom transport och URL, för att möjliggöra AI-driven kommandoexekvering i dina flöden.
Ge dina AI-assistenter säker, konfigurerbar shell-åtkomst för automatisering, diagnostik och filhantering med mcp-server-commands MCP Server.
DesktopCommander MCP Server ger AI-assistenter som Claude direkt skrivbordsautomatisering, med säker terminalkontroll, filsystemsökning och diff-baserad filredi...
ModelContextProtocol (MCP) Server fungerar som en brygga mellan AI-agenter och externa datakällor, API:er och tjänster, vilket gör det möjligt för FlowHunt-anvä...
Model Context Protocol (MCP) Server kopplar samman AI-assistenter med externa datakällor, API:er och tjänster, vilket möjliggör smidig integrering av komplexa a...