[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ckreiling--mcp-server-docker":3,"tool-ckreiling--mcp-server-docker":64},[4,17,27,35,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,43,44,45,15,46,26,13,47],"数据工具","视频","插件","其他","音频",{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,46],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},2181,"OpenHands","OpenHands\u002FOpenHands","OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。\n\n无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。\n\n其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。",70626,"2026-04-05T22:51:36",[26,15,13,45],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":23,"env_os":94,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":102,"github_topics":79,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":103,"updated_at":104,"faqs":105,"releases":116},3015,"ckreiling\u002Fmcp-server-docker","mcp-server-docker","MCP server for Docker","mcp-server-docker 是一款让开发者能用自然语言直接管理 Docker 的开源工具。它作为模型上下文协议（MCP）服务器，打通了大语言模型与本地或远程 Docker 引擎的连接，使用户无需记忆复杂的命令行指令，只需通过对话即可完成容器编排、镜像构建、日志查看及资源监控等任务。\n\n该工具主要解决了传统 Docker 操作门槛高、命令繁琐的问题，特别适用于需要快速部署环境或调试服务的场景。无论是运维人员管理线上服务，还是技术爱好者在本地实验开源应用，都能通过简单的文字描述实现“所想即所得”的容器化管理。例如，用户只需说“部署一个 WordPress 并连接 MySQL\"，mcp-server-docker 便能自动规划并执行相应的容器启动流程。\n\n其核心技术亮点在于独特的“计划 + 执行”交互模式：在操作前，模型会先生成执行方案供用户确认，确保操作安全可控；同时支持断点续聊，即使对话中断也能识别既有项目状态进行清理或维护。此外，它还提供了丰富的原子化工具集，涵盖容器、镜像、网络和数据卷的全生命周期管理。对于希望探索 AI 代理能力的开发者而言，这是一个极具价值的实践项目。使用","mcp-server-docker 是一款让开发者能用自然语言直接管理 Docker 的开源工具。它作为模型上下文协议（MCP）服务器，打通了大语言模型与本地或远程 Docker 引擎的连接，使用户无需记忆复杂的命令行指令，只需通过对话即可完成容器编排、镜像构建、日志查看及资源监控等任务。\n\n该工具主要解决了传统 Docker 操作门槛高、命令繁琐的问题，特别适用于需要快速部署环境或调试服务的场景。无论是运维人员管理线上服务，还是技术爱好者在本地实验开源应用，都能通过简单的文字描述实现“所想即所得”的容器化管理。例如，用户只需说“部署一个 WordPress 并连接 MySQL\"，mcp-server-docker 便能自动规划并执行相应的容器启动流程。\n\n其核心技术亮点在于独特的“计划 + 执行”交互模式：在操作前，模型会先生成执行方案供用户确认，确保操作安全可控；同时支持断点续聊，即使对话中断也能识别既有项目状态进行清理或维护。此外，它还提供了丰富的原子化工具集，涵盖容器、镜像、网络和数据卷的全生命周期管理。对于希望探索 AI 代理能力的开发者而言，这是一个极具价值的实践项目。使用时请注意避免在对话中传递敏感密钥信息，以保障数据安全。","# 🐋 Docker MCP server\n\nAn MCP server for managing Docker with natural language!\n\n## 🪩 What can it do?\n\n- 🚀 Compose containers with natural language\n- 🔍 Introspect & debug running containers\n- 📀 Manage persistent data with Docker volumes\n\n## ❓ Who is this for?\n\n- Server administrators: connect to remote Docker engines for e.g. managing a\n  public-facing website.\n- Tinkerers: run containers locally and experiment with open-source apps\n  supporting Docker.\n- AI enthusiasts: push the limits of that an LLM is capable of!\n\n## Demo\n\nA quick demo showing a WordPress deployment using natural language:\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F65e35e67-bce0-4449-af7e-9f4dd773b4b3\n\n## 🏎️ Quickstart\n\n### Install\n\n#### Claude Desktop\n\nOn MacOS: `~\u002FLibrary\u002FApplication\\ Support\u002FClaude\u002Fclaude_desktop_config.json`\n\nOn Windows: `%APPDATA%\u002FClaude\u002Fclaude_desktop_config.json`\n\n\u003Cdetails>\n  \u003Csummary>Install from PyPi with uv\u003C\u002Fsummary>\n\nIf you don't have `uv` installed, follow the installation instructions for your\nsystem:\n[link](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002Fgetting-started\u002Finstallation\u002F#installation-methods)\n\nThen add the following to your MCP servers file:\n\n```\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"uvx\",\n    \"args\": [\n      \"mcp-server-docker\"\n    ]\n  }\n}\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n  \u003Csummary>Install with Docker\u003C\u002Fsummary>\n\nPurely for convenience, the server can run in a Docker container.\n\nAfter cloning this repository, build the Docker image:\n\n```bash\ndocker build -t mcp-server-docker .\n```\n\nAnd then add the following to your MCP servers file:\n\n```\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"docker\",\n    \"args\": [\n      \"run\",\n      \"-i\",\n      \"--rm\",\n      \"-v\",\n      \"\u002Fvar\u002Frun\u002Fdocker.sock:\u002Fvar\u002Frun\u002Fdocker.sock\",\n      \"mcp-server-docker:latest\"\n    ]\n  }\n}\n```\n\nNote that we mount the Docker socket as a volume; this ensures the MCP server\ncan connect to and control the local Docker daemon.\n\n\u003C\u002Fdetails>\n\n## 📝 Prompts\n\n### 🎻 `docker_compose`\n\nUse natural language to compose containers. [See above](#demo) for a demo.\n\nProvide a Project Name, and a description of desired containers, and let the LLM\ndo the rest.\n\nThis prompt instructs the LLM to enter a `plan+apply` loop. Your interaction\nwith the LLM will involve the following steps:\n\n1. You give the LLM instructions for which containers to bring up\n2. The LLM calculates a concise natural language plan and presents it to you\n3. You either:\n   - Apply the plan\n   - Provide the LLM feedback, and the LLM recalculates the plan\n\n#### Examples\n\n- name: `nginx`, containers: \"deploy an nginx container exposing it on port\n  9000\"\n- name: `wordpress`, containers: \"deploy a WordPress container and a supporting\n  MySQL container, exposing Wordpress on port 9000\"\n\n#### Resuming a Project\n\nWhen starting a new chat with this prompt, the LLM will receive the status of\nany containers, volumes, and networks created with the given project `name`.\n\nThis is mainly useful for cleaning up, in-case you lose a chat that was\nresponsible for many containers.\n\n## 📔 Resources\n\nThe server implements a couple resources for every container:\n\n- Stats: CPU, memory, etc. for a container\n- Logs: tail some logs from a container\n\n## 🔨 Tools\n\n### Containers\n\n- `list_containers`\n- `create_container`\n- `run_container`\n- `recreate_container`\n- `start_container`\n- `fetch_container_logs`\n- `stop_container`\n- `remove_container`\n\n### Images\n\n- `list_images`\n- `pull_image`\n- `push_image`\n- `build_image`\n- `remove_image`\n\n### Networks\n\n- `list_networks`\n- `create_network`\n- `remove_network`\n\n### Volumes\n\n- `list_volumes`\n- `create_volume`\n- `remove_volume`\n\n## 🚧 Disclaimers\n\n### Sensitive Data\n\n**DO NOT CONFIGURE CONTAINERS WITH SENSITIVE DATA.** This includes API keys,\ndatabase passwords, etc.\n\nAny sensitive data exchanged with the LLM is inherently compromised, unless the\nLLM is running on your local machine.\n\nIf you are interested in securely passing secrets to containers, file an issue\non this repository with your use-case.\n\n### Reviewing Created Containers\n\nBe careful to review the containers that the LLM creates. Docker is not a secure\nsandbox, and therefore the MCP server can potentially impact the host machine\nthrough Docker.\n\nFor safety reasons, this MCP server doesn't support sensitive Docker options\nlike `--privileged` or `--cap-add\u002F--cap-drop`. If these features are of interest\nto you, file an issue on this repository with your use-case.\n\n## 🛠️ Configuration\n\nThis server uses the Python Docker SDK's `from_env` method. For configuration\ndetails, see\n[the documentation](https:\u002F\u002Fdocker-py.readthedocs.io\u002Fen\u002Fstable\u002Fclient.html#docker.client.from_env).\n\n### Connect to Docker over SSH\n\nThis MCP server can connect to a remote Docker daemon over SSH.\n\nSimply set a `ssh:\u002F\u002F` host URL in the MCP server definition:\n\n```\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"uvx\",\n    \"args\": [\n      \"mcp-server-docker\"\n    ],\n    \"env\": {\n      \"DOCKER_HOST\": \"ssh:\u002F\u002Fmyusername@myhost.example.com\"\n    }\n  }\n}\n```\n\n## 💻 Development\n\nPrefer using Devbox to configure your development environment.\n\nSee the `devbox.json` for helpful development commands.\n\nAfter setting up devbox you can configure your Claude MCP config to use it:\n\n```\n  \"docker\": {\n    \"command\": \"\u002Fpath\u002Fto\u002Frepo\u002F.devbox\u002Fnix\u002Fprofile\u002Fdefault\u002Fbin\u002Fuv\",\n    \"args\": [\n      \"--directory\",\n      \"\u002Fpath\u002Fto\u002Frepo\u002F\",\n      \"run\",\n      \"mcp-server-docker\"\n    ]\n  },\n```\n","# 🐋 Docker MCP 服务器\n\n一个使用自然语言管理 Docker 的 MCP 服务器！\n\n## 🪩 它能做什么？\n\n- 🚀 使用自然语言编排容器\n- 🔍 检查并调试正在运行的容器\n- 📀 使用 Docker 卷管理持久化数据\n\n## ❓ 这个工具适合哪些人？\n\n- 服务器管理员：连接到远程 Docker 引擎，例如管理面向公众的网站。\n- 爱折腾的人：在本地运行容器，尝试支持 Docker 的开源应用。\n- AI 爱好者：探索大型语言模型的能力极限！\n\n## 演示\n\n一段快速演示，展示如何使用自然语言部署 WordPress：\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F65e35e67-bce0-4449-af7e-9f4dd773b4b3\n\n## 🏎️ 快速入门\n\n### 安装\n\n#### Claude Desktop\n\n在 macOS 上：`~\u002FLibrary\u002FApplication\\ Support\u002FClaude\u002Fclaude_desktop_config.json`\n\n在 Windows 上：`%APPDATA%\u002FClaude\u002Fclaude_desktop_config.json`\n\n\u003Cdetails>\n  \u003Csummary>通过 PyPI 和 uv 安装\u003C\u002Fsummary>\n\n如果你尚未安装 `uv`，请按照适用于你系统的安装说明进行操作：\n[链接](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002Fgetting-started\u002Finstallation\u002F#installation-methods)\n\n然后将以下内容添加到你的 MCP 服务器配置文件中：\n\n```\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"uvx\",\n    \"args\": [\n      \"mcp-server-docker\"\n    ]\n  }\n}\n```\n\n\u003C\u002Fdetails>\n\n\u003Cdetails>\n  \u003Csummary>使用 Docker 安装\u003C\u002Fsummary>\n\n为了方便起见，该服务器也可以在 Docker 容器中运行。\n\n克隆本仓库后，构建 Docker 镜像：\n\n```bash\ndocker build -t mcp-server-docker .\n```\n\n然后将以下内容添加到你的 MCP 服务器配置文件中：\n\n```\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"docker\",\n    \"args\": [\n      \"run\",\n      \"-i\",\n      \"--rm\",\n      \"-v\",\n      \"\u002Fvar\u002Frun\u002Fdocker.sock:\u002Fvar\u002Frun\u002Fdocker.sock\",\n      \"mcp-server-docker:latest\"\n    ]\n  }\n}\n```\n\n请注意，我们以卷的方式挂载了 Docker 套接字；这样可以确保 MCP 服务器能够连接并控制本地的 Docker 守护进程。\n\n\u003C\u002Fdetails>\n\n## 📝 提示词\n\n### 🎻 `docker_compose`\n\n使用自然语言来编排容器。[参见上方](#demo)的演示。\n\n提供项目名称和所需容器的描述，剩下的工作就交给 LLM 来完成。\n\n此提示词会指示 LLM 进入“计划+执行”循环。你与 LLM 的交互将包括以下步骤：\n\n1. 你向 LLM 提供要启动的容器指令。\n2. LLM 计算出一个简洁的自然语言计划，并将其呈现给你。\n3. 你可以选择：\n   - 执行该计划。\n   - 向 LLM 提供反馈，LLM 将重新计算计划。\n\n#### 示例\n\n- 名称：`nginx`，容器： “部署一个暴露在 9000 端口的 nginx 容器”\n- 名称：`wordpress`，容器：“部署一个 WordPress 容器和一个配套的 MySQL 容器，将 WordPress 暴露在 9000 端口”\n\n#### 继续一个项目\n\n当你开始与此提示词的新对话时，LLM 会获取使用给定项目名称创建的所有容器、卷和网络的状态。\n\n这主要用于清理，以防你丢失了一个负责创建许多容器的聊天记录。\n\n## 📔 资源\n\n对于每个容器，该服务器都会实现一些资源：\n\n- 统计信息：容器的 CPU、内存等指标。\n- 日志：查看容器的部分日志。\n\n## 🔨 工具\n\n### 容器\n\n- `list_containers`：列出所有容器。\n- `create_container`：创建新容器。\n- `run_container`：运行容器。\n- `recreate_container`：重新创建容器。\n- `start_container`：启动容器。\n- `fetch_container_logs`：获取容器日志。\n- `stop_container`：停止容器。\n- `remove_container`：移除容器。\n\n### 镜像\n\n- `list_images`：列出所有镜像。\n- `pull_image`：拉取镜像。\n- `push_image`：推送镜像。\n- `build_image`：构建镜像。\n- `remove_image`：删除镜像。\n\n### 网络\n\n- `list_networks`：列出所有网络。\n- `create_network`：创建网络。\n- `remove_network`：删除网络。\n\n### 卷\n\n- `list_volumes`：列出所有卷。\n- `create_volume`：创建卷。\n- `remove_volume`：删除卷。\n\n## 🚧 免责声明\n\n### 敏感数据\n\n**请勿配置包含敏感数据的容器。** 这包括 API 密钥、数据库密码等。\n\n任何与 LLM 交互的敏感数据都存在泄露风险，除非 LLM 是在你的本地机器上运行的。\n\n如果你希望安全地将密钥传递给容器，请在此仓库中提交一个问题，说明你的使用场景。\n\n### 审核创建的容器\n\n请务必仔细审核 LLM 创建的容器。Docker 并不是一个安全的沙箱环境，因此 MCP 服务器可能会通过 Docker 对宿主机造成影响。\n\n出于安全考虑，此 MCP 服务器不支持诸如 `--privileged` 或 `--cap-add\u002F--cap-drop` 等敏感的 Docker 选项。如果你对这些功能感兴趣，请在此仓库中提交一个问题，说明你的使用场景。\n\n## 🛠️ 配置\n\n该服务器使用 Python Docker SDK 的 `from_env` 方法。有关配置细节，请参阅\n[官方文档](https:\u002F\u002Fdocker-py.readthedocs.io\u002Fen\u002Fstable\u002Fclient.html#docker.client.from_env)。\n\n### 通过 SSH 连接到 Docker\n\n此 MCP 服务器可以通过 SSH 连接到远程 Docker 守护进程。\n\n只需在 MCP 服务器定义中设置一个 `ssh:\u002F\u002F` 主机 URL：\n\n```\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"uvx\",\n    \"args\": [\n      \"mcp-server-docker\"\n    ],\n    \"env\": {\n      \"DOCKER_HOST\": \"ssh:\u002F\u002Fmyusername@myhost.example.com\"\n    }\n  }\n}\n```\n\n## 💻 开发\n\n建议使用 Devbox 来配置你的开发环境。\n\n请参阅 `devbox.json` 文件，其中包含有用的开发命令。\n\n设置好 Devbox 后，你可以将你的 Claude MCP 配置调整为使用它：\n\n```\n  \"docker\": {\n    \"command\": \"\u002Fpath\u002Fto\u002Frepo\u002F.devbox\u002Fnix\u002Fprofile\u002Fdefault\u002Fbin\u002Fuv\",\n    \"args\": [\n      \"--directory\",\n      \"\u002Fpath\u002Fto\u002Frepo\u002F\",\n      \"run\",\n      \"mcp-server-docker\"\n    ]\n  },\n```","# mcp-server-docker 快速上手指南\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：macOS、Windows 或 Linux。\n*   **Docker**：已安装并正在运行 Docker Desktop 或 Docker Engine。\n    *   *注意*：若在 Linux 下运行，当前用户需具备访问 `\u002Fvar\u002Frun\u002Fdocker.sock` 的权限。\n*   **AI 客户端**：已安装 **Claude Desktop** 应用。\n*   **依赖工具（可选但推荐）**：\n    *   `uv`：推荐的 Python 包管理器和运行器（用于直接运行服务器）。\n    *   或者直接使用 `Docker` 来运行该 MCP 服务。\n\n## 安装步骤\n\n您需要将配置添加到 Claude Desktop 的配置文件中。\n\n### 1. 定位配置文件\n\n根据您的操作系统，找到 `claude_desktop_config.json` 文件：\n\n*   **macOS**: `~\u002FLibrary\u002FApplication\\ Support\u002FClaude\u002Fclaude_desktop_config.json`\n*   **Windows**: `%APPDATA%\u002FClaude\u002Fclaude_desktop_config.json`\n\n### 2. 选择安装方式并配置\n\n打开配置文件，在 `\"mcpServers\"` 对象中添加以下配置之一。\n\n#### 方式 A：使用 uv 直接运行（推荐）\n\n如果您已安装 `uv`（未安装请参考 [官方文档](https:\u002F\u002Fdocs.astral.sh\u002Fuv\u002Fgetting-started\u002Finstallation\u002F)），这是最轻量的方式。\n\n```json\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"uvx\",\n    \"args\": [\n      \"mcp-server-docker\"\n    ]\n  }\n}\n```\n\n#### 方式 B：使用 Docker 容器运行\n\n此方式无需在主机安装 Python 环境，但需要挂载 Docker Socket。\n\n首先构建镜像（在项目根目录执行）：\n```bash\ndocker build -t mcp-server-docker .\n```\n\n然后在配置文件中添加：\n```json\n\"mcpServers\": {\n  \"mcp-server-docker\": {\n    \"command\": \"docker\",\n    \"args\": [\n      \"run\",\n      \"-i\",\n      \"--rm\",\n      \"-v\",\n      \"\u002Fvar\u002Frun\u002Fdocker.sock:\u002Fvar\u002Frun\u002Fdocker.sock\",\n      \"mcp-server-docker:latest\"\n    ]\n  }\n}\n```\n\n> **提示**：保存配置文件后，请重启 Claude Desktop 以使更改生效。\n\n## 基本使用\n\n安装完成后，您可以在 Claude Desktop 的聊天窗口中直接使用自然语言管理 Docker。\n\n### 核心功能：自然语言编排 (`docker_compose`)\n\n这是最常用的功能，允许您通过描述需求来自动创建和部署容器。\n\n**使用步骤：**\n\n1.  在对话框中输入指令，格式通常为：`项目名称` + `容器描述`。\n2.  AI 会生成一个执行计划（Plan）。\n3.  确认计划无误后，指示 AI 应用（Apply）该计划。\n\n**示例 1：部署 Nginx**\n> “创建一个名为 'nginx-demo' 的项目，部署一个 nginx 容器，并将端口映射到主机的 9000 端口。”\n\n**示例 2：部署 WordPress 全家桶**\n> “创建一个名为 'wp-site' 的项目，部署一个 WordPress 容器和一个 MySQL 数据库容器，将 WordPress 暴露在 9000 端口。”\n\n### 其他常用操作\n\n除了编排，您还可以直接询问或指令进行以下操作：\n\n*   **查看状态**：“列出当前运行的所有容器及其 CPU\u002F内存使用情况。”\n*   **查看日志**：“显示 'wp-site' 项目中 WordPress 容器的最新日志。”\n*   **管理镜像**：“拉取最新的 python:3.9 镜像。”\n*   **清理资源**：“停止并移除名为 'nginx-demo' 的容器。”\n\n### ⚠️ 安全提示\n\n*   **敏感数据**：切勿在对话中向 LLM 提供 API 密钥、数据库密码等敏感信息。\n*   **权限审查**：LLM 生成的容器配置请务必先审查再执行。出于安全考虑，该服务器默认不支持 `--privileged` 等高危参数。","某全栈开发者需要在本地快速搭建一个包含 Nginx 反向代理、WordPress 应用及 MySQL 数据库的测试环境，以便调试新插件。\n\n### 没有 mcp-server-docker 时\n- 必须手动编写复杂的 `docker-compose.yml` 文件，反复查阅文档确认端口映射、卷挂载和网络配置语法。\n- 当容器启动失败时，需依次执行多条命令行指令查看日志、检查资源占用，排查过程繁琐且容易出错。\n- 调整架构（如更换数据库版本或增加缓存服务）需要停止并删除现有容器，重新修改配置文件后再次重建，迭代效率极低。\n- 对 Docker 命令不熟悉的团队成员难以参与环境维护，沟通成本高，往往依赖特定人员操作。\n\n### 使用 mcp-server-docker 后\n- 直接用自然语言描述需求（如“部署 WordPress 并连接 MySQL，通过 9000 端口暴露”），mcp-server-docker 自动规划并生成对应的容器组合。\n- 遇到报错时，只需询问“为什么 WordPress 起不来”，mcp-server-docker 即刻调取实时日志与资源状态，直接定位问题根源。\n- 想要变更架构时，仅需告知新需求，mcp-server-docker 会自动计算差异并执行更新计划，无需手动干预底层生命周期。\n- 非运维背景的同事也能通过对话轻松管理容器启停、清理数据卷，大幅降低了团队协作的技术门槛。\n\n核心价值在于将繁琐的容器运维转化为直观的自然语言交互，让开发者从记忆命令和调试配置中解放出来，专注于业务逻辑创新。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fckreiling_mcp-server-docker_ca35eb3a.png","ckreiling","Christian Kreiling","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fckreiling_7f44feed.jpg",null,"https:\u002F\u002Fgithub.com\u002Fckreiling",[82,86],{"name":83,"color":84,"percentage":85},"Python","#3572A5",97.2,{"name":87,"color":88,"percentage":89},"Dockerfile","#384d54",2.8,695,97,"2026-03-31T23:28:50","GPL-3.0","Linux, macOS, Windows","未说明",{"notes":97,"python":98,"dependencies":99},"1. 核心依赖：本地必须安装并运行 Docker 守护进程。2. 权限要求：运行时需要挂载 Docker Socket (\u002Fvar\u002Frun\u002Fdocker.sock) 以控制容器，或在配置中设置 DOCKER_HOST 通过 SSH 连接远程 Docker。3. 安装方式：推荐使用 'uv' 工具链 (uvx) 直接运行，也可构建为 Docker 容器运行。4. 安全警告：不建议在容器中配置敏感数据（如 API 密钥），且服务器禁用了 --privileged 等高危 Docker 选项。","未说明 (需支持 uv\u002Fuvx 及 Python Docker SDK)",[100,101],"docker (Python SDK)","uv",[15,45],"2026-03-27T02:49:30.150509","2026-04-06T08:17:44.120157",[106,111],{"id":107,"question_zh":108,"answer_zh":109,"source_url":110},13899,"这个 MCP 服务器与让 LLM 直接使用 `docker` CLI 有什么区别？","对于可以访问 Docker 的终端代理（terminal-based agents），建议不要使用此 MCP 服务器，而是让 LLM 直接使用 `docker` CLI。因为 MCP 服务器会迅速占用上下文窗口，且对于现有的 Shell 工具来说往往是多余的。\n\n此 MCP 服务器的主要用途是：从无法执行任意代码（如 Bash 或 Python 工具）或配置困难的客户端来管理或调试 Docker 容器。例如：Claude Desktop。","https:\u002F\u002Fgithub.com\u002Fckreiling\u002Fmcp-server-docker\u002Fissues\u002F39",{"id":112,"question_zh":113,"answer_zh":114,"source_url":115},13900,"如何直接在 Docker 容器中运行此 mcp-server-docker 并暴露端口？","该 MCP 仅支持 stdio 传输协议。若需通过端口连接，推荐使用 `mcp-proxy` 的 SSE 到 stdio 模式进行桥接。\n\n可以通过 docker-compose 设置（需先克隆 mcp-proxy 仓库），配置示例如下：\n\n```yaml\nservices:\n  mcp-proxy-custom:\n    build:\n      context: .\n      dockerfile: mcp-proxy.Dockerfile\n    network_mode: host\n    restart: unless-stopped\n    volumes:\n      # 挂载 Docker socket\n      - \u002Fvar\u002Frun\u002Fdocker.sock:\u002Fvar\u002Frun\u002Fdocker.sock\n    ports:\n      - 8096:8096\n    command: \"--pass-environment --port=8096 --sse-host 0.0.0.0 uvx mcp-server-docker\"\n```\n\n注意：上述配置基于 mcp-proxy 文档推断，可能需根据实际情况调整。","https:\u002F\u002Fgithub.com\u002Fckreiling\u002Fmcp-server-docker\u002Fissues\u002F36",[]]