Servidor MCP de administración de Aerith

El servidor MCP (Modelo, Controlador, Presentador) de Aerith Admin implementa un flujo de trabajo de desarrollo inspirado en MANUS para aplicaciones de panel RBAC con funciones de automatización del navegador. Este servidor está diseñado para ejecutarse localmente y se accede a él mediante la integración MCP de Cursor IDE.

Descripción general

Este servidor proporciona un enfoque estructurado para el desarrollo a través de un flujo de trabajo de 5 pasos:

USER_INSTRUCTION - Definir tareas de desarrollo con objetivos claros
PLANIFICACIÓN DE TAREAS : Divida las tareas en subtareas específicas
RECOPILACIÓN DE INFORMACIÓN - Recopilar información relevante de diversas fuentes
ANÁLISIS_Y_ORQUESTACIÓN - Analizar información y crear planes de ejecución
RESULT_SYNTHESIS - Ejecutar pasos y generar informes completos

Instalación

# Clone the repository
git clone https://github.com/your-org/aerith-admin.git
cd aerith-admin/mcp

# Run the installation script (creates virtual environment and installs dependencies)
./bin/install.sh

# Activate the virtual environment
source bin/activate_venv.sh

Uso

El servidor puede funcionar en dos modos:

Modo HTTP (predeterminado)

python server.py --port 8090

Esto inicia el servidor en el puerto 8090 (o especifique un puerto diferente). El servidor proporciona una API REST y eventos enviados por el servidor (SSE) para actualizaciones en tiempo real.

Modo STDIO

python server.py --stdio

Este modo está diseñado para la integración con otras herramientas, comunicándose a través de entrada/salida estándar utilizando el protocolo JSON-RPC.

Modo resiliente

Para sesiones de producción o desarrollo extendidas, puede ejecutar el servidor en modo resistente, que monitorea automáticamente el estado del servidor y lo reinicia si falla:

# Using the convenient script
./bin/start_cursor_server.sh --resilient

# Or directly using the resilient server script
./bin/run_resilient_server.sh --mode http --port 8090

El modo resiliente incluye:

Vigilancia continua de la salud
Reinicio automático en caso de fallos
Manejo elegante del apagado
Detección y registro de latidos del corazón

Escucha

Puede comprobar manualmente el estado del servidor o reiniciarlo mediante el script de monitoreo:

# Check if the server is running and healthy
./bin/monitor_server.py --check-only

# Force restart the server
./bin/monitor_server.py --force-restart

Integración de Cursor IDE

Este servidor MCP está diseñado específicamente para funcionar con Cursor IDE. Cursor puede conectarse al servidor para utilizar sus funciones directamente desde el editor.

Configurar la integración del cursor:

Asegúrese de que el servidor MCP se esté ejecutando en modo HTTP: python server.py --port 8090
Cursor detecta automáticamente el servidor MCP utilizando la configuración .cursor/mcp.json :
{ "mcpServers": { "aerith-admin-mcp": { "url": "http://localhost:8090/sse" } } }
Abra el proyecto Aerith Admin en Cursor IDE
Utilice la interfaz de integración de Cursor MCP para interactuar con el servidor

Estructura del proyecto

mcp/
├── bin/                    # Executable scripts
│   ├── activate_venv.sh    # Script to activate virtual environment
│   ├── install.sh          # Installation script
│   ├── check_env.py        # Environment validation script
│   └── run_tests.py        # Test runner script
├── requirements.txt        # Production dependencies
├── requirements-dev.txt    # Development dependencies
├── server.py               # Main MCP server implementation
├── tests/                  # Test suite
│   ├── conftest.py         # Pytest configuration and fixtures
│   ├── README.md           # Testing documentation
│   ├── test_browser_automation.py # Browser automation tests
│   ├── test_core_workflow.py      # Workflow step tests
│   ├── test_integration.py        # End-to-end integration tests
│   ├── test_resources.py          # Resource access tests
│   ├── test_server_modes.py       # Server operation mode tests
│   └── test_utils.py              # Utility function tests
└── venv/                   # Virtual environment (created by install.sh)

Configuración de desarrollo

Este proyecto utiliza un entorno virtual dedicado para el desarrollo:

# Run the installation script
./bin/install.sh

# Or manually set up the environment
python -m venv venv
source bin/activate_venv.sh
pip install -r requirements-dev.txt

# For browser automation testing
python -m playwright install

Pruebas

Las pruebas se escriben utilizando pytest y se ubican en el directorio tests/ .

Ejecución de pruebas

Utilice el script proporcionado para ejecutar pruebas:

# Run all tests except browser and slow tests
./bin/run_tests.py -v

# Run with coverage report
./bin/run_tests.py --coverage

# Include browser automation tests
./bin/run_tests.py --browser

# Include slow integration tests
./bin/run_tests.py --slow

# Run specific test files or patterns
./bin/run_tests.py test_core_workflow

Variables de entorno

MCP_DEBUG=true - Habilitar el registro de depuración (configurado automáticamente por activate_venv.sh)
Se pueden configurar variables de entorno adicionales según sea necesario

Documentación de la API

Herramientas

El servidor proporciona las siguientes herramientas:

Gestión de instrucciones

create_instruction(title, description, goal, priority) - Crea una nueva instrucción de desarrollo
get_instruction(instruction_id) - Recuperar una instrucción existente
build_feature(title, description, goal, priority) : orquestación de alto nivel para crear una función completa

Pasos del flujo de trabajo

create_task_plan(instruction_id, subtasks) : divide una instrucción en subtareas específicas
gather_information(instruction_id, sources) - Recopilar información de varias fuentes
analyze_and_orchestrate(instruction_id, analysis, execution_plan) - Analizar y crear un plan de ejecución
execute_step(instruction_id, step_id, execution_details) - Ejecuta un paso específico en el plan
generate_final_report(instruction_id, include_details) - Generar un informe final

Automatización del navegador

run_browser_agent(goal) : ejecuta un agente de uso del navegador para lograr un objetivo específico

Herramientas del sistema de archivos

tree_directory(directory_path, max_depth, show_files, show_hidden, pattern, exclude_common, custom_excludes) - Genera una representación de árbol de una estructura de directorio similar al comando 'tree' de Unix

Herramientas de Git

git_status(detailed) - Muestra el estado del árbol de trabajo
git_log(count, show_stats, path, author, since, until) - Mostrar registros de confirmación
git_diff(file_path, staged, commit, compare_with) - Mostrar cambios entre confirmaciones o árbol de trabajo
git_branch(create, delete, remote, branch_name, base_branch) - Enumera, crea o elimina ramas
git_checkout(branch_name, create, force) - Cambiar ramas o restaurar archivos del árbol de trabajo
git_commit(message, all_changes, amend) - Registra los cambios en el repositorio
git_push(remote, branch, force, tags) - Actualiza referencias remotas junto con los objetos asociados
git_pull(remote, branch, rebase) : obtiene información de otro repositorio y la integra con él
git_add(paths) - Agrega el contenido del archivo al área de preparación

Recursos

El servidor proporciona estos recursos:

file://{path} - Obtener el contenido del archivo por ruta
project://structure - Obtener la estructura del proyecto como un diccionario
instructions://list - Obtener la lista de todas las instrucciones

Almacenamiento de datos

Todas las instrucciones y datos relacionados se almacenan en archivos JSON en el directorio .aerith/instructions .

Explotación florestal

Los registros se almacenan en .aerith/logs/mcp_server.log y también se envían a la salida estándar. Cuando se establece MCP_DEBUG=true (valor predeterminado en el entorno de desarrollo), se habilita el registro de depuración detallado.

Licencia

Licencia MIT

Aerith Admin MCP Server

Integrations