Docker MCP 服务器

一个强大的模型上下文协议（MCP）服务器，它在隔离的Docker容器中执行代码，并将结果返回给像Claude这样的语言模型。

特性

• 隔离代码执行：在与主系统隔离的Docker容器中运行代码
• 多语言支持：使用Docker镜像执行任何语言的代码
• 复杂脚本支持：运行简单的命令和完整的多行脚本
• 包管理：使用pip、npm、apt-get或apk安装依赖项
• 容器管理：轻松创建、列出和清理Docker容器
• 健壮的错误处理：优雅的超时管理和回退机制
• 彩色输出：清晰、带颜色编码的控制台反馈

要求

• Python 3.9+
• 已安装并运行的Docker
• fastmcp库

安装

1. 克隆此仓库：

   git clone https://github.com/yourusername/docker_mcp_server.git
   cd docker_mcp_server
   

2. 创建虚拟环境：

   python -m venv venv
   source venv/bin/activate  # 在Windows上：venv\Scripts\activate
   

3. 安装所需包：

   pip install -r requirements.txt
   

使用方法

运行MCP检查器

测试和探索服务器的功能：

python run_server.py

MCP检查器界面将在浏览器中的http://localhost:5173打开。

可用工具

Docker MCP服务器提供以下工具：

1. 列出容器

列出所有Docker容器及其详细信息：

• 参数：
  • show_all：（可选）是否显示包括已停止的所有容器（默认：True）

2. 创建容器

创建并启动具有可选依赖项的Docker容器：

• 参数：
  • image：要使用的Docker镜像（例如："python:3.9-slim"，"node:16"）
  • container_name：容器的唯一名称
  • dependencies：（可选）要安装的包的空格分隔列表（例如："numpy pandas"，"express lodash"）

3. 添加依赖项

在现有Docker容器中安装额外的包：

• 参数：
  • container_name：目标容器的名称
  • dependencies：要安装的包的空格分隔列表

4. 执行代码

在正在运行的Docker容器内执行命令：

• 参数：
  • container_name：目标容器的名称
  • command：要在容器内执行的命令

5. 执行Python脚本

在正在运行的Docker容器内执行多行Python脚本：

• 参数：
  • container_name：目标容器的名称
  • script_content：完整的Python脚本内容
  • script_args：传递给脚本的可选参数

6. 清理容器

停止并删除Docker容器：

• 参数：
  • container_name：要清理的容器的名称

示例

基本工作流程示例

# 1. 列出现有容器以查看正在运行的内容
list_containers()

# 2. 创建新容器
create_container(
    image="python:3.9-slim", 
    container_name="python-example", 
    dependencies="numpy pandas"
)

# 3. 在容器内执行命令
execute_code(
    container_name="python-example", 
    command="python -c 'import numpy as np; print(\"NumPy version:\", np.__version__)'"
)

# 4. 后期添加更多依赖项
add_dependencies(
    container_name="python-example", 
    dependencies="matplotlib scikit-learn"
)

# 5. 再次列出容器以确认状态
list_containers(show_all=False)  # 仅显示正在运行的容器

# 6. 完成后清理
cleanup_container(container_name="python-example")

Python数据分析示例

# 1. 创建带有依赖项的容器
create_container(
    image="python:3.9-slim", 
    container_name="python-test", 
    dependencies="numpy pandas matplotlib"
)

# 2. 执行Python脚本
script = """
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 创建一些数据
data = pd.DataFrame({
    'x': np.random.randn(100),
    'y': np.random.randn(100)
})

print(f"Data shape: {data.shape}")
print(f"Data correlation: {data.corr().iloc[0,1]:.4f}")
"""
execute_python_script(container_name="python-test", script_content=_script)

# 3. 如需后期添加更多依赖项
add_dependencies(container_name="python-test", dependencies="scikit-learn")

# 4. 验证容器是否正在运行
list_containers(show_all=False)

# 5. 完成后清理
cleanup_container(container_name="python-test")

Node.js示例

# 1. 检查现有的Node.js容器
list_containers()

# 2. 创建Node.js容器
create_container(
    image="node:16", 
    container_name="node-test", 
    dependencies="express axios"
)

# 3. 执行Node.js脚本
execute_code(
    container_name="node-test", 
    command="node -e \"console.log('Node.js version: ' + process.version); console.log('Express installed: ' + require.resolve('express'));\""
)

# 4. 添加更多依赖项
add_dependencies(container_name="node-test", dependencies="lodash moment")

# 5. 完成后清理
cleanup_container(container_name="node-test")

包管理器支持

Docker MCP服务器自动检测并使用适当的包管理器：

• Python容器：使用pip
• Node.js容器：使用npm
• Debian/Ubuntu容器：使用apt-get
• Alpine容器：使用apk

对于从镜像名称无法明显看出包管理器的容器，服务器会尝试检测可用的包管理器。

与Claude和其他LLMs集成

此MCP服务器可以与支持模型上下文协议的Claude和其他LLMs集成。使用fastmcp install命令将其注册到Claude：

fastmcp install src/docker_mcp.py

故障排除

• 端口已被占用：如果看到“地址已被使用”的错误，请确保没有其他MCP检查器实例正在运行。
• Docker连接问题：通过docker --version验证Docker是否正在运行。
• 容器超时：服务器包括针对未在预期时间内响应的容器的回退机制。
• 包安装失败：检查指定的包管理器下的包名是否正确。
• 未找到容器：如果list_containers显示无结果，可能是因为Docker尚未创建任何容器。

安全注意事项

此服务器在Docker容器中执行代码，这提供了与主机系统的隔离。然而，应谨慎行事：

• 不要在没有额外安全措施的情况下公开此服务器
• 小心地将主机卷挂载到容器中
• 考虑为容器设置资源限制，以防止DoS攻击

许可证

MIT许可证

贡献

欢迎贡献！请随意提交Pull Request。