Pinner MCP 服务器

AI DevOps Security Dependency Pinning

Contact us to host your MCP Server in FlowHunt

“Pinner” MCP 服务器的作用是什么?

Pinner MCP 服务器是一款模型上下文协议(MCP)服务器,旨在帮助开发者将第三方依赖——特别是 Docker 基础镜像和 GitHub Actions——固定到其不可变摘要。通过确保依赖以精确、不可更改的版本被引用,Pinner 有助于提升软件项目的供应链安全性和可重现性。该服务器充当 AI 助手与外部系统之间的桥梁,使依赖管理任务(如解析、更新或强制固定版本)实现自动化工作流。Pinner MCP 尤其适用于需要严格依赖控制的环境,支持软件可靠性和最佳开发实践。

提示词列表

  • 将 GitHub Actions 固定到其提交哈希
    使用此提示模板可自动将 GitHub Actions 工作流引用转换为其特定提交哈希。
  • 将容器基础镜像固定到摘要
    此提示确保 Docker 基础镜像以其不可变摘要而非标签被引用。
  • 更新容器基础镜像的固定版本
    一个用于在适当情况下将 Docker 基础镜像更新至最新摘要的工作流提示。
FlowHunt Logo

Ready to grow your business?

Start your free trial today and see results within days.

资源列表

仓库或文档中未详细列出具体资源原语。

工具列表

在可用代码或文档中未找到直接的工具定义。

此 MCP 服务器的使用场景

  • 强制不可变依赖
    自动将 CI/CD 配置更新为使用 Docker 镜像和 GitHub Actions 的不可变摘要,降低供应链攻击风险。
  • 自动化依赖固定
    通过确保所有第三方 actions 和镜像已固定,简化代码评审和合并,提高可重现性。
  • 持续合规
    集成到开发工作流,定期审核和更新依赖固定,帮助团队遵守内部或外部安全政策。
  • 协作代码库维护
    让 AI 助手为开发者建议或应用固定最佳实践,覆盖多个代码仓库。
  • DevOps 安全加固
    通过严格控制依赖版本,减少构建环境中的漂移和意外更新。

如何设置

Windsurf

未提供 Windsurf 设置详情。

Claude

未提供 Claude 设置详情。

Cursor

  1. 确保您已安装 Docker 并可运行容器。
  2. 在您的项目中打开(或创建).cursor/mcp.json
  3. 添加以下 JSON 片段以定义 Pinner MCP 服务器:
    {
      "mcpServers": {
        "pinner-mcp-stdio-server": {
          "command": "docker",
          "args": [
            "run",
            "--rm",
            "-i",
            "ghcr.io/safedep/pinner-mcp:latest"
          ]
        }
      }
    }
    
  4. 在 Cursor 设置中启用 MCP 服务器。
  5. 保存配置,如有需要重启 Cursor。

API 密钥安全

Pinner MCP 无需 API 密钥。如果需要,通常可通过 env 部分传递环境变量。例如:

{
  "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

未提供 Cline 设置详情。

如何在流程中使用该 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流,首先将 MCP 组件添加到您的流程,并将其连接至您的 AI agent:

FlowHunt MCP flow

点击 MCP 组件以打开配置面板。在系统 MCP 配置区,使用如下 JSON 格式插入您的 MCP 服务器信息:

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

配置完成后,AI agent 便可以作为工具使用该 MCP,访问其全部功能和能力。请记得将“MCP-name”更换为您实际的 MCP 服务器名称(如 “pinner-mcp”),并将 URL 替换为您自己的 MCP 服务器地址。


概览

区块是否可用说明/备注
概览
提示词列表README 中描述了 3 个提示模板
资源列表未指定
工具列表未指定
API 密钥安全未要求或未描述
采样支持(评估时重要性较低)未指定

综上表所示,Pinner MCP 服务器为依赖固定提供了清晰且有价值的工作流,但在资源、工具及高级 MCP 特性等文档方面仍有不足。其 README 明确且注重实际用例,但在协议级细节和更广泛平台支持文档方面仍可提升。


MCP 评分

是否有 LICENSE✅(Apache-2.0)
是否至少有一个工具
Fork 数量3
Star 数量9

评分:
我会给该 MCP 服务器的协议完整性打 4/10。它对于依赖固定的目的和用法非常清晰,但缺少有关 MCP 资源、工具和诸如 roots 或采样等高级特性的文档和显式实现。它实用且开源,但尚未作为通用 MCP 服务器实现进行完整文档化。

Frequently asked questions

试用 FlowHunt 的 Pinner MCP 服务器

通过自动化工作流依赖固定,强化您的软件供应链。体验 FlowHunt 的 Pinner MCP 服务器带来的安全、可重现构建。