Docker MCP 服务器
强大的模型上下文协议 (MCP) 服务器，在隔离的 Docker 容器中执行代码并将结果返回给 Claude 等语言模型。
特征
- 隔离代码执行：在与主系统分离的 Docker 容器中运行代码
- 多语言支持：使用 Docker 镜像以任何语言执行代码
- 复杂脚本支持：运行简单命令和完整的多行脚本
- 软件包管理：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
- 强大的错误处理：优雅的超时管理和回退机制
- 彩色输出：清晰、彩色编码的控制台反馈
要求
- Python 3.9+
- Docker 安装并运行
- fastmcp 库
安装
- 克隆此存储库：
git clone https://github.com/yourusername/docker_mcp_server.git
cd docker_mcp_server
- 创建虚拟环境：
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
- 安装所需的软件包：
pip install -r requirements.txt
用法
运行 MCP 检查器
要测试和探索服务器的功能：
MCP Inspector 界面将在您的浏览器中打开，网址为http://localhost:5173 。
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）是否显示所有容器（包括已停止的容器）（默认值：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）要安装的软件包的空格分隔列表（例如，“numpy pandas”，“express lodash”）
3.添加依赖项
在现有的 Docker 容器中安装其他软件包：
- 参数：
container_name ：目标容器的名称dependencies ：要安装的软件包的空格分隔列表
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 ：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. List existing containers to see what's already running
list_containers()
# 2. Create a new container
create_container(
image="python:3.9-slim",
container_name="python-example",
dependencies="numpy pandas"
)
# 3. Execute a command in the container
execute_code(
container_name="python-example",
command="python -c 'import numpy as np; print(\"NumPy version:\", np.__version__)'"
)
# 4. Add more dependencies later
add_dependencies(
container_name="python-example",
dependencies="matplotlib scikit-learn"
)
# 5. List containers again to confirm status
list_containers(show_all=False) # Only show running containers
# 6. Clean up when done
cleanup_container(container_name="python-example")
Python数据分析示例
# 1. Create a container with dependencies
create_container(
image="python:3.9-slim",
container_name="python-test",
dependencies="numpy pandas matplotlib"
)
# 2. Execute a Python script
script = """
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# Create some data
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. Add additional dependencies later if needed
add_dependencies(container_name="python-test", dependencies="scikit-learn")
# 4. Verify container is running
list_containers(show_all=False)
# 5. Clean up when done
cleanup_container(container_name="python-test")
Node.js 示例
# 1. Check for existing Node.js containers
list_containers()
# 2. Create a Node.js container
create_container(
image="node:16",
container_name="node-test",
dependencies="express axios"
)
# 3. Execute a Node.js script
execute_code(
container_name="node-test",
command="node -e \"console.log('Node.js version: ' + process.version); console.log('Express installed: ' + require.resolve('express'));\""
)
# 4. Add more dependencies
add_dependencies(container_name="node-test", dependencies="lodash moment")
# 5. Clean up when done
cleanup_container(container_name="node-test")
包管理器支持
Docker MCP 服务器会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
对于从图像名称中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 及其他法学硕士课程的整合
此 MCP 服务器可以与 Claude 以及其他支持模型上下文协议 (MCP) 的 LLM 集成。使用fastmcp install命令将其注册到 Claude：
fastmcp install src/docker_mcp.py
故障排除
- 端口已在使用中：如果您看到“地址已在使用中”错误，请确保没有其他 MCP Inspector 实例正在运行。
- Docker 连接问题：使用
docker --version验证 Docker 是否正在运行。 - 容器超时：服务器包含针对未在预期时间范围内响应的容器的回退机制。
- 软件包安装失败：检查指定软件包管理器的软件包名称是否正确。
- 未找到容器：如果 list_containers 没有显示结果，Docker 可能尚未创建任何容器。
安全注意事项
此服务器在 Docker 容器中执行代码，从而与主机系统隔离。但是，请谨慎操作：
- 在没有采取额外安全措施的情况下，请勿公开此服务器
- 将主机卷安装到容器中时要小心
- 考虑容器的资源限制以防止 DoS 攻击
执照
MIT 许可证
贡献
欢迎贡献代码！欢迎提交 Pull 请求。