mcp-server-commands MCP 服务器

“mcp-server-commands” MCP 服务器的作用是什么？

mcp-server-commands MCP（模型上下文协议）服务器作为 AI 助手与本地或系统命令安全执行之间的桥梁。它通过暴露一个用于运行 shell 命令的接口，使 AI 客户端能够访问外部数据、操作文件系统、执行系统诊断或直接从其环境自动化工作流。服务器会处理来自 LLM 的命令请求并返回输出，包括 STDOUT 和 STDERR，可用于进一步分析或操作。这提升了开发工作流的效率，使开发者和高阶用户能够通过 AI 助手完成诸如列目录、查看系统信息、运行脚本等任务，极大扩展了 AI 助手的实用能力。

Prompt 列表

• run_command – 生成携带命令输出的 prompt 消息。

资源列表

可用文档或代码中未明确列出资源。

工具列表

• run_command – 运行指定命令（如 hostname、ls -al、echo "hello world"）。以文本形式返回 STDOUT 和 STDERR。支持可选 stdin 参数，便于向支持输入的命令传递内容（如代码或文件内容），以便脚本与文件操作。

典型用例

• 系统诊断：运行如 hostname 或 top 等命令，直接从 AI 助手获取系统状态或环境详情。
• 文件管理：列出目录（ls -al）、新建或读取文件、通过 shell 命令操作文本文件。
• 脚本执行：通过 stdin 传递脚本或代码片段（如 Python、Bash），支持快速原型开发或自动化。
• 开发自动化：自动化执行如拉取代码、构建项目、运行测试等重复性开发任务，由 AI 发起 shell 命令。
• 安全命令审批：与 Claude Desktop 等工具集成，确保每条命令在执行前经过人工审核，最大程度降低安全风险。

如何部署

Windsurf

1. 确保已安装 Node.js 和 npm。
2. 安装 mcp-server-commands 包：

   npm install -g mcp-server-commands
   

3. 编辑 Windsurf 配置文件，添加 MCP 服务器。
4. 添加如下 JSON 片段：

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

5. 保存配置并重启 Windsurf。
6. 验证服务器已运行并可访问。

Claude

1. 确保已安装 Node.js 和 npm。
2. 全局安装 mcp-server-commands：

   npm install -g mcp-server-commands
   

3. 找到 Claude Desktop 的配置文件：
   • MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   • Windows: %APPDATA%/Claude/claude_desktop_config.json
4. 添加如下内容：

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

5. 保存并重启 Claude Desktop。
6. 确认 MCP 服务器已出现并可用。

Cursor

1. 如有需要，先安装 Node.js 和 npm。
2. 全局安装 mcp-server-commands：

   npm install -g mcp-server-commands
   

3. 打开 Cursor 配置文件。
4. 插入如下内容：

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

5. 保存更改并重启 Cursor。
6. 检查 MCP 服务器是否可用。

Cline

1. 确保已安装 Node.js/npm。
2. 安装 MCP 服务器包：

   npm install -g mcp-server-commands
   

3. 编辑 Cline MCP 服务器配置。
4. 添加如下内容：

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

5. 保存并重启 Cline。
6. 验证 MCP 服务器连接正常。

API Key 安全配置

如需传递敏感环境变量（如 API Key），可在配置中使用 env 和 inputs 字段：

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

将 EXAMPLE_API_KEY 替换为你实际的环境变量名。

在流程中如何使用 MCP

在 FlowHunt 中使用 MCP

如需将 MCP 服务器集成到 FlowHunt 工作流，首先添加 MCP 组件并连接到你的 AI 代理：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填入你的 MCP 服务器信息：

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

配置完成后，AI 代理即可作为工具全面使用该 MCP 的功能。请记得将 “mcp-server-commands” 替换为实际 MCP 服务器名称，并将 URL 替换为你自己的 MCP 服务器地址。

总览

我们的观点：
此 MCP 服务器结构简单却非常高效，能以受控方式为 LLM 提供系统 shell 访问。其文档完善，配置简便，并对安全风险有明确提示。但其功能范围较窄（仅有一个工具，无明确资源或除 run_command 外的 prompt 模板），且未包含 Roots、采样等高级 MCP 特性。总体而言，非常适合开发者通过 AI 获取 shell 访问，但扩展性有限。

MCP 评分