allcanuse-mcp

Windows / Linux 실험 환경을 위한 MCP Server로, 로컬 Agent / MCP Client에 유용한本机(본체) 조작 기능을 노출합니다.

라이선스: MIT

allcanuse-mcp의 목표는 모델에게 몇 가지 파편화된 도구만 제공하는 것이 아니라, "이 실험용 기기가 할 수 있는 일"을 최대한 체계적으로 모델에게 노출하는 것입니다. 연결 후, 모델은 단순히 파일을 읽고 명령을 실행하는 것을 넘어, 본체를 조작 가능한 워크스테이션처럼 사용할 수 있게 됩니다.

현재 90+개의 도구가 제공되며, 핵심 기능은 다음과 같습니다:

• 시스템 및 환경 탐색: 시스템 아키텍처, 시간, 디스크 공간, 환경 변수, 네트워크 구성, 네트워크 어댑터, 현재 IP 및 기본 실행 환경 정보 읽기

• 명령 실행 및 자동화: 크로스 플랫폼 shell, Windows cmd, PowerShell 실행 지원, 명령 출력을 후속 의사결정에 활용 가능

• 프로세스 및 포트 관리: 프로세스 시작, 종료, 나열, 프로세스 트리 확인, 포트 대응 프로세스 식별, 리스닝 포트 및 연결된 세션 열거

• 파일 및 코드 편집: 디렉토리 트리 탐색, 파일명 검색, 텍스트 검색, 긴 파일 분할 읽기, 정밀 행 교체, 고정 텍스트 교체, 텍스트 파일 쓰기, JSON 읽기/쓰기, 바이너리 읽기/쓰기, 해시, 최근 파일, 바탕화면 파일 확인

• 개발 보조 및 엔지니어링 작업: 압축 및 아카이브 해제, 구성 수정, 소스 코드 위치 파악, 부분 패치, 실행 검증 명령 등 모델이 직접 버그 수정, 설정 변경, 스크립트 작성, 프로젝트 정리를 수행하기에 적합

• 웹 및 HTTP 작업: HTTP 요청, HEAD 탐색, 응답 헤더 획득, 웹 페이지 본문 추출, 웹 페이지를 Markdown으로 변환, 링크 추출, 표 추출, 특정 HTML 요소 추출, 웹 폼 제출, 파일 업로드, 파일 다운로드, 리다이렉션 추적

• 네트워크 진단 및 프로토콜 디버깅: DNS 해석, 역방향 해석, TLS 인증서 읽기, ping, 경로 추적, TCP 연결 테스트, 원시 TCP 송수신, UDP 송수신, WebSocket 디버깅, 소규모 포트 스캔

• 데스크톱 및 창 관찰: 창 열거, 전면 창 획득, 데스크톱 컨텍스트 요약, 데스크톱 스크린샷 캡처(시각적 능력이 있는 모델과 함께 작업하기 적합)

• 카메라 기능: 로컬 카메라 열거 및 사진 촬영(시각적 입력이 필요한 실험 시나리오에 적합)

• 당직 및 장기 작업 위탁: 대기 시간, 파일/프로세스/포트/HTTP/창/데스크톱 변화 대기, 백그라운드 당직 작업, 작업 스케줄링, 작업 이벤트, 작업 결과물 기록, 연결 끊김 후 인수인계 요약

• 모델 자가 진단 및 발견: 모든 도구와 전체 설명을 직접 나열할 수 있어, 모델이 낯선 작업에서 다음에 무엇을 호출할지 스스로 결정하기 편리함

모델 연결 후 할 수 있는 일

이 MCP를 연결하면 모델은 단순히 "질문에 답하는" 것을 넘어, 본체에서 능동적으로 작업을 추진할 수 있습니다. 예:

• "특정 서비스가 왜 실행되지 않는지" 문제 해결: 포트 확인, 프로세스 확인, 로그 확인, HTTP 요청 전송, 최종적으로 원인 파악 결과 제시

• 코드 수정 및 설정 변경: 대상 파일 및 함수 검색, 대용량 파일 분할 읽기, 코드 몇 줄을 정밀하게 수정, 자동 검증 명령 실행

• 웹 페이지 읽기 및 자료 정리: 웹 페이지 본문 긁기, 링크 추출, 표 추출, 첨부 파일 다운로드, 결과를 구조화된 정보로 요약하여 후속 처리

• 로컬 네트워크 문제 확인: DNS, ping, 포트, TLS, 경로 및 연결 상태 확인을 통해 해석 문제, 호스트 도달 불가, 포트 차단 또는 애플리케이션 계층 이상 여부 판단

• 데스크톱 변화 자동 관찰: 설치 프로그램 감시, 창 팝업 감시, 전면 창 전환 감시, 자동 스크린샷 캡처(실험 환경의 GUI 작업에 적합)

• 로컬 파일 업로드 및 다운로드: 로그, 압축 파일, 빌드 결과물을 인터페이스로 업로드하거나, 가벼운 wget처럼 네트워크 파일을 로컬로 가져오기

• 장기 당직 수행: 사용자가 잠시 자리를 비운 동안 파일 생성, 서비스 복구, 창 나타남 등을 기다렸다가, 돌아왔을 때 인수인계 요약을 통해 빠르게 작업 인수

• 가상 머신 내 실험 자동화: "관찰 -> 판단 -> 실행 -> 검증" 전체 프로세스를 모델에게 맡겨, 모델이 구두 제안에만 머물지 않게 함

모델을 단순히 말만 하는 존재가 아니라 실제로 손을 쓸 수 있는 로컬 어시스턴트로 만들고 싶다면, allcanuse-mcp는 이러한 기능들을 모델의 손에 통합적으로 쥐여주는 역할을 합니다.

빠른 시작

저장소 루트 디렉토리에서 직접 실행:

python run_server.py --transport stdio

Windows의 경우:

start.cmd --transport stdio

Linux의 경우:

./start.sh --transport stdio

패키지로 이미 설치된 경우:

pip install -e .
allcanuse-mcp

문서

• 일반 사용 설명: docs/USAGE.zh-CN.md

• 전체 도구 개요: docs/TOOLS.zh-CN.md

• 당직 워크플로우 설명: resource://guides/workflows/duty-watch

• LM Studio 연결 튜토리얼: docs/LM-STUDIO.zh-CN.md

• Codex / Claude Code / OpenCode 연결 튜토리얼: docs/CLIENT-INTEGRATIONS.zh-CN.md

• 배포 후 최종 사용자 사용 튜토리얼: docs/RELEASE-USAGE.zh-CN.md

현재 MCP를 다른 클라이언트에 연결하려는 경우 다음을 우선적으로 확인하는 것을 권장합니다:

• LM Studio

• 전체 도구 목록

• ChatGPT Codex / Codex CLI

• Claude Code

• OpenCode

• 배포 후 최종 사용자 설치 및 연결

선택적 의존성

• 카메라 기능은 opencv-python에 의존함

• Linux 창 열거는 wmctrl에 의존함

• Linux 활성 창 조회는 xprop에 의존함

• Linux 스크린샷은 gnome-screenshot, scrot 또는 imagemagick을 사용할 수 있음

검증

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