Pinner MCP-server

Vad gör “Pinner” MCP-servern?

Pinner MCP-servern är en Model Context Protocol (MCP)-server som hjälper utvecklare att fastnåla tredjepartsberoenden—specifikt Docker-basisbilder och GitHub Actions—till deras oföränderliga digests. Genom att säkerställa att beroenden refereras med en exakt, oföränderlig version, bidrar Pinner till ökad säkerhet i leveranskedjan och reproducerbarhet i mjukvaruprojekt. Denna server fungerar som en brygga mellan AI-assistenter och externa system, och möjliggör automatiserade arbetsflöden för beroendehantering såsom att lösa, uppdatera eller upprätthålla fastnålade versioner. Pinner MCP är särskilt användbar i miljöer där strikt kontroll över beroenden krävs, och stödjer programvarans tillförlitlighet och utvecklingspraxis.

Lista över promptar

• Fastnåla GitHub Actions till deras commit-hash
  Använd denna promptmall för att automatiskt konvertera referenser till GitHub Actions-arbetsflöden till deras specifika commit-hashar.
• Fastnåla container-basisbilder till digests
  Denna prompt säkerställer att Docker-basisbilder refereras med deras oföränderliga digests istället för taggar.
• Uppdatera fastnålade versioner av container-basisbilder
  Ett arbetsflödesprompt för att uppdatera Docker-basisbilder till deras senaste digests där det är lämpligt.

Lista över resurser

Inga explicita resursprimitiver finns beskrivna i arkivet eller dokumentationen.

Lista över verktyg

Inga direkta verktygsdefinitioner hittades i tillgänglig kod eller dokumentation.

Användningsområden för denna MCP-server

• Upprätthålla oföränderliga beroenden
  Uppdatera automatiskt CI/CD-konfigurationer för att använda oföränderliga digests för Docker-bilder och GitHub Actions, och minska risken för leveranskedjeattacker.
• Automatiserad fastnålning av beroenden
  Effektivisera kodgranskningar och sammanslagningar genom att säkerställa att alla tredjepartsåtgärder och bilder är fastnålade, vilket förbättrar reproducerbarheten.
• Kontinuerlig efterlevnad
  Integrera med utvecklingsflöden för att regelbundet granska och uppdatera fastnålade beroenden, vilket hjälper team att följa interna eller externa säkerhetspolicys.
• Samarbetsbaserat kodunderhåll
  Låt AI-assistenter hjälpa utvecklare genom att föreslå eller tillämpa fastnålning enligt bästa praxis över kodbaser.
• Säkerhetshärdning för DevOps
  Minska drift och oavsiktliga uppdateringar i byggmiljöer genom strikt versionskontroll av beroenden.

Så här sätter du upp den

Windsurf

Inga explicita Windsurf-inställningsdetaljer finns tillgängliga.

Claude

Inga explicita Claude-inställningsdetaljer finns tillgängliga.

Cursor

1. Kontrollera att du har Docker installerat och kan köra containrar.
2. Öppna (eller skapa) .cursor/mcp.json i ditt projekt.
3. Lägg till följande JSON-snutt för att definiera Pinner MCP-servern:

   {
     "mcpServers": {
       "pinner-mcp-stdio-server": {
         "command": "docker",
         "args": [
           "run",
           "--rm",
           "-i",
           "ghcr.io/safedep/pinner-mcp:latest"
         ]
       }
     }
   }
   

4. Aktivera MCP-servern i Cursors inställningar.
5. Spara konfigurationen och starta om Cursor vid behov.

Skydda API-nycklar

Inga krav på API-nycklar är specificerade för Pinner MCP. Om det behövs, använder du vanligtvis en env-sektion för att skicka miljövariabler. Exempel:

{
  "mcpServers": {
    "pinner-mcp-stdio-server": {
      "command": "docker",
      "args": [
        "run",
        "--rm",
        "-i",
        "ghcr.io/safedep/pinner-mcp:latest"
      ],
      "env": {
        "API_KEY": "${env:PINNER_API_KEY}"
      },
      "inputs": {}
    }
  }
}

Cline

Inga explicita Cline-inställningsdetaljer finns tillgängliga.

Så här använder du denna MCP i flöden

Använda 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, infoga dina MCP-serverdetaljer med detta JSON-format:

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

När det 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-name” till det faktiska namnet på din MCP-server (t.ex. “pinner-mcp”) och ersätt URL:en med din egen MCP-server-URL.

Översikt

Baserat på tabellerna ovan erbjuder Pinner MCP-servern ett tydligt och värdefullt arbetsflöde för fastnålning av beroenden men saknar detaljerad dokumentation om dess resurser, verktyg och avancerade MCP-funktioner. Dess starka README och fokus på praktiska användningsfall är styrkor, men den skulle vinna på mer protokollnivådetalj samt bredare dokumentation om plattformsstöd.

MCP-poäng

Betyg:
Jag skulle ge denna MCP-server 4/10 för protokollkompletthet. Den har ett tydligt syfte och användning för fastnålning av beroenden, men saknar dokumentation och explicit implementation av MCP-resurser, verktyg och avancerade funktioner såsom roots eller sampling. Den är praktisk och öppen källkod, men inte fullständigt dokumenterad som en generell MCP-server-implementation.