allcanuse-mcp

Ein MCP-Server für Windows/Linux-Experimentierumgebungen, der lokalen Agents / MCP-Clients gängige Funktionen zur Steuerung des lokalen Rechners zur Verfügung stellt.

Lizenz: MIT

Das Ziel von allcanuse-mcp ist es nicht, dem Modell nur ein paar verstreute kleine Werkzeuge an die Hand zu geben, sondern „das, was diese Experimentiermaschine tun kann“ systematisch für das Modell verfügbar zu machen. Nach der Anbindung kann das Modell nicht nur Dateien lesen und Befehle ausführen, sondern den lokalen Rechner wie eine voll funktionsfähige Workstation nutzen.

Derzeit stehen 90+ Tools zur Verfügung, deren Kernfunktionen umfassen:

• System- und Umgebungsprüfung: Auslesen von Systemarchitektur, Zeit, Festplattenspeicher, Umgebungsvariablen, Netzwerkkonfiguration, Netzwerkadaptern, aktueller IP und grundlegenden Laufzeitinformationen.

• Befehlsausführung und Automatisierung: Ausführung von plattformübergreifenden Shell-Befehlen, Windows cmd und PowerShell, mit Unterstützung für die Weiterverwendung der Befehlsausgabe für nachfolgende Entscheidungen.

• Prozess- und Portverwaltung: Starten und Beenden von Prozessen, Auflisten von Prozessen, Anzeigen von Prozessbäumen, Identifizieren von Prozessen zu Ports, Auflisten von lauschenden Ports und bestehenden Verbindungen.

• Datei- und Codebearbeitung: Verzeichnisbaum-Traversal, Suche nach Dateinamen, Textsuche, abschnittsweises Lesen langer Dateien, präziser Zeilenaustausch, Ersetzen von festem Text, Schreiben von Textdateien, JSON-Lesen/-Schreiben, binäres Lesen/-Schreiben, Hashes, zuletzt verwendete Dateien, Anzeigen von Desktop-Dateien.

• Entwicklungsunterstützung und Engineering-Operationen: Komprimierung/Archivierung, Entpacken, Konfigurationsänderungen, Quellcode-Lokalisierung, lokale Patches, Ausführen von Validierungsbefehlen – geeignet, um das Modell direkt Fehler beheben, Konfigurationen ändern, Skripte schreiben und Projekte organisieren zu lassen.

• Web- und HTTP-Operationen: HTTP-Anfragen, HEAD-Prüfung, Abrufen von Antwort-Headern, Extrahieren von Webseiteninhalten, Konvertierung von Webseiten in Markdown, Link-Extraktion, Tabellenextraktion, Extraktion spezifischer HTML-Elemente, Absenden von Webformularen, Datei-Uploads, Datei-Downloads, Verfolgung von Weiterleitungen.

• Netzwerkdiagnose und Protokoll-Debugging: DNS-Auflösung, Reverse-Lookup, Lesen von TLS-Zertifikaten, Ping, Traceroute, TCP-Konnektivitätstests, rohes TCP-Senden/-Empfangen, UDP-Senden/-Empfangen, WebSocket-Debugging, Port-Scanning im kleinen Rahmen.

• Desktop- und Fensterbeobachtung: Auflisten von Fenstern, Abrufen des Vordergrundfensters, Zusammenfassung des Desktop-Kontexts, Erstellen von Desktop-Screenshots – geeignet für die Zusammenarbeit mit Modellen, die über visuelle Fähigkeiten verfügen.

• Kamerafunktionen: Auflisten lokaler Kameras und Aufnehmen von Fotos, geeignet für Experimentierszenarien, die visuelle Eingaben erfordern.

• Bereitschaftsdienst und Verwaltung langfristiger Aufgaben: Warten auf Zeit, Warten auf Änderungen bei Dateien/Prozessen/Ports/HTTP/Fenstern/Desktop, Hintergrund-Bereitschaftsaufgaben, Aufgabenplanung, Aufgabenereignisse, Protokollierung von Arbeitsergebnissen, Zusammenfassung bei Verbindungsabbruch.

• Selbstprüfung und Selbsterkennung des Modells: Kann alle Tools und vollständige Beschreibungen direkt auflisten, damit das Modell bei unbekannten Aufgaben selbst entscheiden kann, was als Nächstes aufgerufen werden soll.

Was kann das Modell nach der Anbindung tun?

Nach der Anbindung an dieses MCP kann das Modell nicht nur „Fragen beantworten“, sondern Aufgaben auf dem lokalen Rechner aktiv vorantreiben, zum Beispiel:

• Fehlerbehebung bei „Warum startet ein Dienst nicht?“: Erst Ports prüfen, dann Prozesse, dann Logs, dann HTTP-Anfragen senden und schließlich das Ergebnis lokalisieren.

• Code ändern und Konfigurationen reparieren: Erst Zieldateien und Funktionen suchen, dann große Dateien abschnittsweise lesen, einige Zeilen Code präzise ändern und dann automatisch Validierungsbefehle ausführen.

• Webseiten lesen und Informationen organisieren: Webseiteninhalte erfassen, Links extrahieren, Tabellen extrahieren, Anhänge herunterladen und die Ergebnisse in einer strukturierten Form zusammenfassen, die für die weitere Verarbeitung geeignet ist.

• Lokale Netzwerkprobleme prüfen: DNS, Ping, Ports, TLS, Routing und Verbindungsstatus prüfen, um festzustellen, ob es sich um ein Auflösungsproblem, eine Nichterreichbarkeit des Hosts, einen geschlossenen Port oder einen Fehler auf Anwendungsebene handelt.

• Automatische Beobachtung von Desktop-Änderungen: Überwachung von Installern, Popup-Fenstern, Vordergrundwechseln, automatische Screenshots – geeignet für GUI-Aufgaben in Experimentierumgebungen.

• Lokale Dateien hochladen und herunterladen: Logs, komprimierte Pakete oder Build-Artefakte an Schnittstellen hochladen oder wie ein leichtgewichtiges wget Netzwerkdateien lokal abrufen.

• Langfristige Bereitschaftsdienste: Warten auf Dateigenerierung, Dienstwiederherstellung oder das Erscheinen von Fenstern, während der Benutzer abwesend ist, und bei Rückkehr schnelle Übernahme durch eine Zusammenfassung.

• Automatisierung von Experimenten in virtuellen Maschinen: Den gesamten Prozess von „Beobachten -> Beurteilen -> Ausführen -> Validieren“ dem Modell überlassen, anstatt es bei mündlichen Vorschlägen zu belassen.

Wenn Sie möchten, dass das Modell eher wie ein echter lokaler Assistent agiert, der tatsächlich zupacken kann, anstatt nur zu reden, ist allcanuse-mcp darauf ausgelegt, dem Modell diese Fähigkeiten gebündelt in die Hand zu geben.

Schnelleinstieg

Führen Sie direkt im Stammverzeichnis des Repositorys aus:

python run_server.py --transport stdio

Unter Windows geht auch:

start.cmd --transport stdio

Unter Linux geht auch:

./start.sh --transport stdio

Falls es bereits als Paket installiert ist, geht auch:

pip install -e .
allcanuse-mcp

Dokumentation

• Allgemeine Gebrauchsanweisung: docs/USAGE.zh-CN.md

• Übersicht aller Tools: docs/TOOLS.zh-CN.md

• Erläuterung des Bereitschafts-Workflows: resource://guides/workflows/duty-watch

• LM Studio Anbindungs-Tutorial: docs/LM-STUDIO.zh-CN.md

• Codex / Claude Code / OpenCode Anbindungs-Tutorial: docs/CLIENT-INTEGRATIONS.zh-CN.md

• Tutorial für Endbenutzer nach der Veröffentlichung: docs/RELEASE-USAGE.zh-CN.md

Wenn Sie dieses MCP an verschiedene Clients anbinden möchten, empfiehlt es sich, zuerst Folgendes zu lesen:

• LM Studio

• Liste aller Tools

• ChatGPT Codex / Codex CLI

• Claude Code

• OpenCode

• Installation und Anbindung für Endbenutzer nach der Veröffentlichung

Optionale Abhängigkeiten

• Kamerafunktionen benötigen opencv-python

• Die Auflistung von Linux-Fenstern benötigt wmctrl

• Die Abfrage aktiver Linux-Fenster benötigt xprop

• Für Linux-Screenshots werden möglicherweise gnome-screenshot, scrot oder imagemagick verwendet

Validierung

python -m compileall src tests run_server.py
$env:PYTHONPATH=(Resolve-Path .\src).Path
python -m unittest discover -s tests -v