allcanuse-mcp

Un servidor MCP para entornos experimentales de Windows / Linux, utilizado para exponer capacidades comunes de la máquina local a agentes locales / clientes MCP.

Licencia: MIT

El objetivo de allcanuse-mcp no es solo dar al modelo unas pocas herramientas dispersas, sino exponer sistemáticamente a la IA todo lo que "esta máquina experimental puede hacer". Tras la conexión, el modelo no solo puede leer archivos y ejecutar comandos, sino que puede utilizar la máquina local como una estación de trabajo operativa.

Actualmente se proporcionan más de 90 herramientas, cuyas capacidades principales incluyen:

• Detección de sistema y entorno: lectura de arquitectura del sistema, hora, espacio en disco, variables de entorno, configuración de red, adaptadores de red, IP actual e información básica del entorno de ejecución.

• Ejecución de comandos y automatización: ejecución de shell multiplataforma, cmd de Windows, PowerShell, con soporte para utilizar la salida de los comandos en decisiones posteriores.

• Gestión de procesos y puertos: inicio de procesos, finalización de procesos, listado de procesos, visualización de árboles de procesos, localización de procesos por puerto, enumeración de puertos en escucha y conexiones establecidas.

• Edición de archivos y código: recorrido de árboles de directorios, búsqueda por nombre de archivo, búsqueda por texto, lectura segmentada de archivos largos, reemplazo preciso de líneas, reemplazo de texto fijo, escritura de archivos de texto, lectura/escritura de JSON, lectura/escritura binaria, hash, archivos recientes, visualización de archivos del escritorio.

• Asistencia al desarrollo y operaciones de ingeniería: compresión y empaquetado, descompresión de archivos, modificación de configuraciones, localización de código fuente, parches locales, ejecución de comandos de verificación; ideal para que el modelo corrija errores, modifique configuraciones, escriba scripts y organice proyectos.

• Operaciones web y HTTP: solicitudes HTTP, sondeo HEAD, obtención de cabeceras de respuesta, extracción de cuerpo de página web, conversión de web a Markdown, extracción de enlaces, extracción de tablas, extracción de elementos HTML específicos, envío de formularios web, carga de archivos, descarga de archivos, seguimiento de cadenas de redirección.

• Diagnóstico de red y depuración de protocolos: resolución DNS, resolución inversa, lectura de certificados TLS, ping, traceroute, prueba de conectividad TCP, envío/recepción de TCP sin procesar, envío/recepción de UDP, depuración de WebSocket, escaneo de puertos a pequeña escala.

• Observación de escritorio y ventanas: enumeración de ventanas, obtención de la ventana en primer plano, resumen del contexto del escritorio, captura de pantalla del escritorio; ideal para trabajar junto con modelos con capacidades visuales.

• Capacidades de cámara: enumeración de cámaras locales y toma de fotografías, ideal para escenarios experimentales que requieren entrada visual.

• Gestión de guardia y tareas largas: espera de tiempo, espera de cambios en archivos/procesos/puertos/HTTP/ventanas/escritorio, tareas de guardia en segundo plano, programación de tareas, eventos de tareas, registro de productos de tareas, resumen de traspaso tras desconexión.

• Autodiagnóstico y autodescubrimiento del modelo: puede listar directamente todas las herramientas con sus descripciones completas, facilitando que el modelo decida por sí mismo qué llamar en tareas desconocidas.

¿Qué puede hacer el modelo tras la conexión?

Después de conectar este MCP, el modelo puede hacer mucho más que "responder preguntas"; puede avanzar activamente en tareas en la máquina local, por ejemplo:

• Ayudarte a diagnosticar "por qué un servicio no arranca": primero revisa los puertos, luego los procesos, luego los registros, envía una solicitud HTTP y finalmente proporciona el resultado de la localización.

• Ayudarte a modificar código y corregir configuraciones: primero busca el archivo y la función objetivo, luego lee el archivo grande por partes, modifica con precisión unas pocas líneas de código y luego ejecuta automáticamente los comandos de verificación.

• Ayudarte a leer páginas web y organizar información: captura el cuerpo de la página, extrae enlaces, extrae tablas, descarga archivos adjuntos y luego resume los resultados en una estructura adecuada para su posterior procesamiento.

• Ayudarte a comprobar problemas de red local: revisa DNS, ping, puertos, TLS, rutas y estado de conexión, determinando si es un problema de resolución, host inalcanzable, puerto cerrado o una anomalía en la capa de aplicación.

• Ayudarte a observar automáticamente los cambios en el escritorio: vigila instaladores, ventanas emergentes, cambios de primer plano, capturas de pantalla automáticas; ideal para tareas de GUI en entornos experimentales.

• Ayudarte a cargar y descargar archivos locales: sube registros, archivos comprimidos y productos de compilación a interfaces, o descarga archivos de la red a la máquina local como un wget ligero.

• Ayudarte a realizar guardias de larga duración: espera a que se generen archivos, a que se recuperen servicios o a que aparezcan ventanas mientras el usuario está ausente, y retoma rápidamente el trabajo mediante un resumen de traspaso al regresar.

• Ayudarte a automatizar experimentos en máquinas virtuales: delega todo el proceso de "observar -> juzgar -> ejecutar -> verificar" al modelo, en lugar de dejar que el modelo se limite a sugerencias verbales.

Si deseas que el modelo sea más como un asistente local capaz de actuar, y no solo alguien que habla pero no hace, el posicionamiento de allcanuse-mcp es poner todas estas capacidades en manos del modelo.

Inicio rápido

Ejecuta directamente en la raíz del repositorio:

python run_server.py --transport stdio

En Windows también puedes:

start.cmd --transport stdio

En Linux también puedes:

./start.sh --transport stdio

Si ya está instalado como paquete, también puedes:

pip install -e .
allcanuse-mcp

Documentación

• Instrucciones de uso general: docs/USAGE.zh-CN.md

• Resumen de todas las herramientas: docs/TOOLS.zh-CN.md

• Explicación del flujo de trabajo de guardia: resource://guides/workflows/duty-watch

• Tutorial de conexión a LM Studio: docs/LM-STUDIO.zh-CN.md

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

• Tutorial de uso para el usuario final tras la publicación: docs/RELEASE-USAGE.zh-CN.md

Si deseas conectar este MCP a diferentes clientes, se recomienda consultar primero:

• LM Studio

• Lista completa de herramientas

• ChatGPT Codex / Codex CLI

• Claude Code

• OpenCode

• Instalación y conexión para el usuario final tras la publicación

Dependencias opcionales

• La función de cámara depende de opencv-python

• La enumeración de ventanas en Linux depende de wmctrl

• La consulta de ventanas activas en Linux depende de xprop

• Las capturas de pantalla en Linux pueden utilizar gnome-screenshot, scrot o imagemagick

Verificación

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