Agent MCP
Ubah ChatGPT atau Claude menjadi agen pemrograman yang bisa bekerja langsung di komputermu.
Agent MCP adalah server Model Context Protocol (MCP) sumber terbuka yang menghubungkan ChatGPT dan Claude ke mesin milikmu. Baca dan edit file, jalankan terminal, kelola proyek, dan uji kode langsung dari percakapan—tanpa perlu membuat API key untuk model AI atau membayar biaya per panggilan tool kepada Agent MCP.
Agent MCP gratis, tetapi penggunaan AI tetap mengikuti ketentuan penyedia. Kuota, dukungan konektor MCP, dan fitur yang tersedia ditentukan oleh paket serta kebijakan OpenAI atau Anthropic. Biaya mesin, hosting, dan tunnel pihak ketiga (jika digunakan) juga ditanggung sendiri.
Server ini bukan CLI, IDE, atau model AI. ChatGPT atau Claude memilih tool; Agent MCP menjalankannya di host yang kamu kelola. File, terminal, memori, skill, dan riwayat eksekusi tetap berada di mesin tersebut.
Mulai cepat · Menghubungkan klien · Daftar tool · Keamanan · Kontribusi
Apa yang bisa dilakukan?
Bekerja dengan kode: membaca, membuat, dan mengedit file dengan penulisan atomik dan pemeriksaan versi opsional; mencari path atau teks; menjalankan perintah shell, Git, build, dan tes.
Menyimpan konteks: memori lintas percakapan dan skill yang bisa digunakan kembali. Skill dalam repository juga dapat dibaca tanpa disalin ke database.
Memantau aktivitas: dashboard untuk feed panggilan tool, riwayat sesi, klien, API key, memori, skill, dan pengaturan.
Terhubung secara remote: endpoint MCP Streamable HTTP dengan API key atau OAuth, untuk penggunaan lokal maupun server publik.
Computer Use (opsional): kendalikan window desktop melalui Cua Driver, atau kelola sandbox Linux lokal melalui Cua CLI. Kedua akses default-nya nonaktif. Panduan Computer Use.
Cara kerjanya
flowchart LR
A["ChatGPT / Claude"] -->|MCP: OAuth atau API key| B["Agent MCP"]
C["Browser operator"] -->|Login| B
B --> D["File system dan Bash"]
B --> E[("SQLite: sesi, audit, memori, skill")]
Tool berjalan dengan izin akun sistem operasi yang menjalankan server, bukan di sandbox folder proyek. Konfirmasi pemanggilan tool ditangani oleh ChatGPT atau Claude sesuai pengaturan izin klien—tidak perlu approval tambahan di dashboard. Karena dialog tidak selalu dijamin muncul, gunakan izin klien dan akun OS yang ketat. Baca model keamanan sebelum membuka server ke internet.
Related MCP server: hands
Mulai cepat
CLI standalone (tanpa mengatur .env)
Binary CLI untuk macOS, Windows, dan Linux sedang disiapkan untuk distribusi npm. Paket npm belum diterbitkan. Dari source, buat paket untuk OS/arsitektur host dengan Bun:
bun install
bun run package:npm
npm pack ./dist/npm/package --pack-destination ./dist/npm
npm install -g ./dist/npm/agent-mcp-1.0.0.tgz
agent-mcp
Instalasi global hanya menggunakan binary Bun yang sudah dikompilasi dan launcher Node.js; pengguna paket tidak perlu memasang Bun. Paket lokal ini hanya untuk OS/arsitektur tempat paket dibuat. Pada penggunaan pertama, CLI meminta email dan password operator (minimal 12 karakter, dikonfirmasi dua kali), membuat secret aman, serta menyimpan SQLite dan konfigurasi secara lokal. Tidak ada email/password default dan tidak perlu membuat .env.
Port preferensi CLI adalah 47831, bukan 3000. Jika sudah dipakai, CLI memilih port lain yang kosong saat setup pertama, kemudian mempertahankan nomor itu di config.json. Perintah:
agent-mcp status
agent-mcp open
agent-mcp config show
agent-mcp config set port auto
agent-mcp config set port 47832
agent-mcp auth reset-password
agent-mcp autostart status
agent-mcp autostart enable
agent-mcp autostart disable
agent-mcp stop
Ubah port hanya saat server berhenti. Alamat dashboard ditampilkan setelah setup. Endpoint MCP adalah http://127.0.0.1:<port>/mcp; akses dari layanan cloud tetap memerlukan tunnel HTTPS terpisah.
Pengembangan dari source
Prasyarat: Bun dan bash terpasang di mesin host.
git clone https://github.com/agussaputrasijabat/agent-mcp.git
cd agent-mcp
bun install
cp .env.example .env
Isi .env dengan nilai untuk instalasi lokal:
HOST=127.0.0.1
PORT=3000
PUBLIC_BASE_URL=http://127.0.0.1:3000
DATABASE_PATH=./data/agent.sqlite
DASHBOARD_EMAIL=operator@example.com
DASHBOARD_PASSWORD=ganti-dengan-password-minimal-12-karakter
BETTER_AUTH_SECRET=ganti-dengan-secret-acak-minimal-32-karakter
Gunakan kata sandi dan secret acak sendiri; jangan gunakan nilai contoh pada server sungguhan. Lalu jalankan:
Buka http://127.0.0.1:3000/login, masuk dengan akun operator, dan buka menu Kunci atau Setup untuk menyambungkan klien. Endpoint MCP adalah http://127.0.0.1:3000/mcp; endpoint kesehatan tersedia di /health.
Server yang hanya mendengarkan di 127.0.0.1 tidak bisa diakses langsung oleh layanan chat di internet. Gunakan tunnel atau reverse proxy HTTPS bila klien memerlukan alamat yang dapat dijangkau dari luar.
Panduan lengkap: instalasi dan deployment serta konfigurasi.
Hubungkan ChatGPT atau Claude
Jalankan Agent MCP di host dan tentukan apakah akan memakai tunnel atau URL HTTPS publik.
Pilih autentikasi. OAuth menggunakan alur login dan consent operator. API key dibuat di menu Kunci dan hanya ditampilkan satu kali.
Tambahkan server di klien MCP yang mendukung metode koneksi tersebut. Untuk koneksi berbasis URL, gunakan https://domain-kamu/mcp.
Buka Setup di dashboard. Pilih mode Coding atau Non-coding, masukkan nama konektor dan path absolut repository pada host, lalu salin teks pendek yang dihasilkan ke instruksi proyek ChatGPT atau Claude. Instruksi lengkap diambil model lewat tool get_instructions, jadi update server tidak perlu mengedit ulang proyek.
Minta klien menjalankan tool sederhana seperti glob atau read_file, kemudian periksa hasilnya di Feed.
Detail per klien, cara mengirim API key, OAuth, dan tunnel: docs/clients.md.
Tool yang tersedia
Kelompok | Tool | Kegunaan |
File | read_file, write_file, edit_file
| Baca, buat, atau ubah file |
Pencarian | glob, grep
| Cari file atau teks |
Eksekusi | shell, start_process, read_process_output, write_process_input, list_processes, terminate_process, execute_code
| Terminal, sesi proses, dan eksekusi kode tanpa file |
Direktori | list_directory, create_directory, move_path, stat_path
| Kelola direktori dan metadata |
Analisis | analyze_data
| Profil data CSV, JSON, dan workbook |
Excel | read_spreadsheet, create_spreadsheet, edit_spreadsheet, search_spreadsheet
| Baca, buat, ubah, dan cari XLSX |
PDF | read_pdf, create_pdf, edit_pdf
| Ekstraksi dan operasi dasar PDF |
DOCX | read_docx, create_docx, edit_docx, search_docx
| Baca, buat, edit teks, cari dokumen Word |
Preview | preview_file, open_in_folder
| MCP Apps file preview dan buka lokasi pada host |
HTTP | web_fetch
| Ambil URL dari host MCP |
Memori | memory_search, memory_save, memory_forget
| Cari, simpan, atau hapus catatan |
Skill | skill_list, skill_read, skill_save, skill_delete
| Kelola prosedur yang bisa dipakai ulang |
Total 38 tool. read_file juga dapat menampilkan berkas gambar yang didukung. Preview interaktif memerlukan klien yang mendukung MCP Apps; klien lain tetap menerima hasil teks/gambar biasa. Dukungan .xls binary belum tersedia, dan .xlsm hanya dapat dibaca (penulisan dinonaktifkan agar macro tidak hilang). PDF Markdown menggunakan font Latin-1; pengeditan DOCX dibatasi pada teks dalam satu XML run. skill_list bisa menemukan skill di .agents/skills, .claude/skills, .codex/skills, dan .opencode/commands bila diberi project_path.
Agent MCP tidak menyediakan web_search. Gunakan pencarian web bawaan klien untuk pencarian umum. Referensi lengkap setiap tool.
Dashboard operator
Halaman | Fungsi |
Feed | Panggilan tool, hasil, waktu eksekusi, dan filter |
Sesi | Riwayat panggilan yang dikelompokkan per sesi |
Klien | API key aktif dan klien OAuth yang tercatat |
Kunci | Membuat serta mencabut API key |
Memori & Skill | Meninjau dan mengelola data tersimpan |
Pengaturan | URL publik dan batas eksekusi shell |
Dokumentasi & Setup | Panduan di aplikasi dan generator instruksi proyek |
Dashboard menggunakan login operator dan database SQLite yang sama dengan server MCP.
Dokumentasi
Dokumen | Isi |
Instalasi & deployment | Laptop, tunnel, VPS, PM2, dan perintah operasional |
Koneksi klien | ChatGPT, Claude, API key, OAuth, dan instruksi proyek |
Konfigurasi | Variabel lingkungan, default, dan pengaturan dashboard |
Referensi tool | Input, perilaku, contoh pemakaian, dan batas |
Arsitektur | Alur permintaan, komponen, dan penyimpanan |
Keamanan | Model kepercayaan, kredensial, izin host, dan audit |
Troubleshooting | Penyebab dan langkah pemeriksaan kesalahan umum |
Berkontribusi | Setup pengembangan, pengujian, dan pull request |
Pelaporan kerentanan | Cara melaporkan masalah keamanan secara privat |
Pengembangan
bun run dev # build dashboard lalu jalankan server dengan watch
bun test # jalankan tes
bun run build # build dashboard
bun run schema:tokens
Server memakai Bun, TypeScript, Hono, MCP SDK, Better Auth, SQLite, serta dashboard React, Vite, dan Tailwind CSS. Struktur dan keputusan teknis dijelaskan di arsitektur.
Lisensi
MIT. Kontribusi diterima melalui pull request dengan panduan di CONTRIBUTING.md.
