JFrog MCP 服务器集成

“JFrog” MCP 服务器的作用是什么？

JFrog MCP（模型上下文协议）服务器作为 AI 助手与 JFrog 平台 API 之间的集成层，使开发者能够自动化并增强 DevOps 工作流。借助该 MCP 服务器，AI 客户端可执行多种操作，如仓库管理、构建跟踪、运行时监控、制品搜索、目录与策展、漏洞分析等。该服务器作为桥梁，使 AI 智能体能够执行诸如创建和管理仓库、获取构建信息、监控运行时集群、访问漏洞扫描摘要等任务。这一集成简化了开发与发布流程，让团队能够通过对话或编程式 AI 接口，高效管理软件制品与基础设施。

提示模板列表

在提供的仓库内容中未找到提示模板。

准备好发展您的业务了吗？

今天开始免费试用，几天内即可看到结果。

申请演示 登录

资源列表

在提供的仓库内容中未提及显式 MCP 资源。

工具列表

• check_jfrog_availability
  • 检查 JFrog 平台是否可用并正常运行。返回平台就绪状态。
• create_local_repository
  • 在 Artifactory 中创建新的本地仓库。接受 key、rclass（“local”）、packageType 及可选的 description、projectKey 和 environments 参数。
• create_remote_repository
  • 创建新的远程仓库以代理外部包注册中心。需要 key、rclass（“remote”）、packageType、url，以及可选的凭据和配置。
• create_virtual_repository
  • 将多个仓库聚合为一个虚拟仓库。需提供 key、rclass（“virtual”）、packageType、repositories（列表）及可选元数据。
• list_repositories
  • 列出 Artifactory 中所有仓库，可按类型、packageType 或项目进行筛选。

加入我们的新闻通讯

免费获取最新提示、趋势和优惠。

电子邮件地址

订阅

此 MCP 服务器的用例

• 仓库管理
  • 自动化本地、远程和虚拟仓库的创建与管理，提高效率，减少人工操作错误。
• 构建跟踪
  • 轻松列出和获取构建信息，帮助团队监控 CI/CD 流程中的构建状态及历史。
• 运行时监控
  • 查看运行时集群和正在运行的容器镜像，便于实时监控和管理基础设施组件。
• 制品搜索
  • 执行高级 AQL 查询，搜索制品和构建，精准快速访问所需二进制文件和元数据。
• 漏洞与策展洞察
  • 获取包信息、版本和漏洞摘要，助力团队保障软件生命周期中的安全与合规。

如何设置

Windsurf

1. 确保已安装 Node.js，并可访问您的 MCP 服务器。
2. 打开您的 Windsurf 配置文件（通常为 windsurf.config.json）。
3. 在 mcpServers 对象中添加 JFrog MCP 服务器：

{
  "mcpServers": {
    "jfrog": {
      "command": "npx",
      "args": ["@jfrog/mcp-jfrog@latest"]
    }
  }
}

4. 保存配置文件并重启 Windsurf。
5. 在 Windsurf 仪表盘中检查 MCP 服务器状态，以验证设置。

Claude

1. 确保已安装并可访问 Claude。
2. 定位到 Claude 代理配置文件。
3. 使用以下 JSON 片段添加 JFrog MCP 服务器：

{
  "mcpServers": {
    "jfrog": {
      "command": "npx",
      "args": ["@jfrog/mcp-jfrog@latest"]
    }
  }
}

4. 保存更改并重启 Claude。
5. 在 Claude UI 中确认服务器连接。

Cursor

1. 安装 Node.js 并确保 Cursor 已设置好。
2. 打开 Cursor 配置文件。
3. 插入 JFrog MCP 服务器条目：

{
  "mcpServers": {
    "jfrog": {
      "command": "npx",
      "args": ["@jfrog/mcp-jfrog@latest"]
    }
  }
}

4. 保存并重启 Cursor。
5. 在 Cursor 的 MCP 集成中检查注册是否成功。

Cline

1. 安装 Node.js 并设置 Cline。
2. 访问 Cline 配置文件。
3. 添加如下 MCP 服务器配置：

{
  "mcpServers": {
    "jfrog": {
      "command": "npx",
      "args": ["@jfrog/mcp-jfrog@latest"]
    }
  }
}

4. 保存配置并重启 Cline。
5. 通过 Cline 的 UI 或 CLI 验证连接。

API 密钥安全

始终使用环境变量保护 API 密钥。示例配置：

{
  "mcpServers": {
    "jfrog": {
      "command": "npx",
      "args": ["@jfrog/mcp-jfrog@latest"],
      "env": {
        "JFROG_API_KEY": "${env.JFROG_API_KEY}"
      },
      "inputs": {
        "baseUrl": "https://your.jfrog.instance"
      }
    }
  }
}

请将 "JFROG_API_KEY" 和 "baseUrl" 替换为您的实际环境变量和 JFrog 实例 URL。

如何在流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先将 MCP 组件添加到流程并与您的 AI 智能体连接：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，按如下 JSON 格式填写您的 MCP 服务器信息：

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

配置完成后，AI 智能体即可作为工具使用此 MCP，并访问其全部功能。请记得将 “jfrog” 替换为您的 MCP 服务器实际名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

我们的看法

JFrog MCP 服务器为仓库和制品管理提供了强大的集成，工具集丰富且设置说明清晰。但文档缺乏提示模板、显式 MCP 资源和如根节点、采样等高级 MCP 特性。总体来说，它对 DevOps 自动化非常有用，但如需更广泛的 MCP 兼容性，仍需进一步完善。

MCP 评分：7/10。 实用工具、开源许可和社区采用表现良好，但在部分高级 MCP 文档和功能上有所欠缺。

MCP 评分