mcp-server-commands MCP Server

MCP Server “mcp-server-commands” làm gì?

mcp-server-commands MCP (Model Context Protocol) Server hoạt động như một cầu nối giữa trợ lý AI và khả năng thực thi các lệnh cục bộ hoặc hệ thống một cách an toàn. Bằng cách cung cấp giao diện chạy lệnh shell, nó cho phép AI client truy cập dữ liệu bên ngoài, tương tác với hệ thống tệp, thực hiện chẩn đoán hoặc tự động hóa quy trình công việc trực tiếp từ môi trường của mình. Server xử lý các yêu cầu lệnh từ LLM và trả về kết quả, bao gồm cả STDOUT và STDERR, có thể dùng cho phân tích hoặc hành động tiếp theo. Điều này giúp nâng cao quy trình phát triển với các tác vụ như liệt kê thư mục, xem thông tin hệ thống, hoặc chạy script, mở rộng khả năng thực tiễn của trợ lý AI cho lập trình viên và người dùng chuyên sâu.

Danh sách Prompt

• run_command – Sinh prompt với kết quả thực thi lệnh.

Sẵn sàng phát triển doanh nghiệp của bạn?

Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.

Yêu cầu demo Đăng nhập

Danh sách Resources

Không có resource cụ thể nào được liệt kê trong tài liệu hoặc mã nguồn.

Danh sách Công cụ

• run_command – Thực thi lệnh được chỉ định (ví dụ: hostname, ls -al, echo "hello world"). Trả về STDOUT và STDERR dưới dạng văn bản. Hỗ trợ tham số stdin tùy chọn để truyền dữ liệu đầu vào (như mã hoặc nội dung tệp) cho các lệnh cho phép, tiện lợi cho scripting và thao tác tệp.

Tham gia bản tin của chúng tôi

Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.

Địa chỉ email

Đăng ký

Các trường hợp sử dụng MCP Server này

• Chẩn đoán hệ thống: Chạy các lệnh như hostname hoặc top để lấy trạng thái hệ thống hoặc thông tin môi trường trực tiếp từ AI assistant.
• Quản lý tệp: Liệt kê thư mục (ls -al), tạo hoặc đọc file, thao tác file văn bản bằng lệnh shell.
• Thực thi script: Chạy script hoặc đoạn mã (ví dụ Python, Bash) bằng cách truyền qua stdin, giúp thử nghiệm nhanh hoặc tự động hóa.
• Tự động hóa phát triển: Tự động hóa các tác vụ lặp lại như pull code, build dự án, chạy test bằng lệnh shell do AI thực hiện.
• Phê duyệt lệnh an toàn: Tích hợp với các công cụ như Claude Desktop để đảm bảo mỗi lệnh đều được kiểm duyệt trước khi thực thi, giảm rủi ro bảo mật.

Cách thiết lập

Windsurf

1. Đảm bảo đã cài đặt Node.js và npm.
2. Cài đặt gói mcp-server-commands:

   npm install -g mcp-server-commands
   

3. Chỉnh sửa file cấu hình của Windsurf để thêm MCP server.
4. Thêm đoạn JSON sau:

   {
     "mcpServers": {
       "mcp-server-commands": {
         "command": "npx",
         "args": ["mcp-server-commands"]
       }
     }
   }
   

5. Lưu cấu hình và khởi động lại Windsurf.
6. Kiểm tra server đã chạy và có thể truy cập.

Claude

1. Đảm bảo đã cài đặt Node.js và npm.
2. Cài đặt mcp-server-commands toàn cục:

   npm install -g mcp-server-commands
   

3. Tìm file cấu hình Claude Desktop:
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
4. Thêm:

   {
     "mcpServers": {
       "mcp-server-commands": {
         "command": "npx",
         "args": ["mcp-server-commands"]
       }
     }
   }
   

5. Lưu và khởi động lại Claude Desktop.
6. Xác nhận MCP server đã xuất hiện và hoạt động.

Cursor

1. Cài đặt Node.js và npm nếu cần.
2. Cài đặt mcp-server-commands toàn cục:

   npm install -g mcp-server-commands
   

3. Mở file cấu hình của Cursor.
4. Thêm:

   {
     "mcpServers": {
       "mcp-server-commands": {
         "command": "npx",
         "args": ["mcp-server-commands"]
       }
     }
   }
   

5. Lưu và khởi động lại Cursor.
6. Kiểm tra MCP server đã sẵn sàng sử dụng.

Cline

1. Đảm bảo đã cài Node.js/npm.
2. Cài đặt MCP server:

   npm install -g mcp-server-commands
   

3. Chỉnh sửa cấu hình MCP server của Cline.
4. Thêm:

   {
     "mcpServers": {
       "mcp-server-commands": {
         "command": "npx",
         "args": ["mcp-server-commands"]
       }
     }
   }
   

5. Lưu và khởi động lại Cline.
6. Xác minh kết nối tới MCP server.

Bảo mật API Key

Nếu bạn cần truyền biến môi trường nhạy cảm (ví dụ API key), hãy dùng trường env và inputs trong cấu hình:

{
  "mcpServers": {
    "mcp-server-commands": {
      "command": "npx",
      "args": ["mcp-server-commands"],
      "env": {
        "EXAMPLE_API_KEY": "${EXAMPLE_API_KEY}"
      },
      "inputs": {
        "apiKey": "${EXAMPLE_API_KEY}"
      }
    }
  }
}

Thay EXAMPLE_API_KEY bằng tên biến môi trường thực tế của bạn.

Cách sử dụng MCP này bên trong flow

Sử dụng MCP trong FlowHunt

Để tích hợp MCP server vào quy trình FlowHunt, hãy thêm thành phần MCP vào flow và kết nối nó với AI agent:

Nhấp vào thành phần MCP để mở bảng cấu hình. Trong phần cấu hình hệ thống MCP, chèn thông tin MCP server bằng định dạng JSON sau:

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

Sau khi cấu hình, AI agent sẽ có thể sử dụng MCP này như một công cụ với đầy đủ chức năng và khả năng. Hãy nhớ đổi “mcp-server-commands” thành tên thực tế của MCP server bạn sử dụng và thay URL bằng địa chỉ MCP server của bạn.

Tổng quan

Ý kiến của chúng tôi:
MCP server này đơn giản nhưng rất hiệu quả cho mục đích cấp quyền truy cập shell hệ thống cho LLM một cách kiểm soát. Tài liệu rõ ràng, cấu hình dễ dàng và có cảnh báo bảo mật. Tuy nhiên, phạm vi còn hạn chế (chỉ một công cụ, không có resource hoặc prompt template ngoài run_command), các tính năng MCP nâng cao như Roots và Sampling không được đề cập trong tài liệu hoặc mã nguồn. Tổng thể, nó phù hợp cho lập trình viên cần truy cập shell qua AI, nhưng thiếu tính mở rộng rộng hơn.

MCP Score