[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-muthuishere--mcp-server-bash-sdk":3,"tool-muthuishere--mcp-server-bash-sdk":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},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,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},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",154349,2,"2026-04-13T23:32:16",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":78,"owner_twitter":72,"owner_website":76,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":88,"difficulty_score":32,"env_os":89,"env_gpu":90,"env_ram":90,"env_deps":91,"category_tags":97,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":98,"updated_at":99,"faqs":100,"releases":101},7302,"muthuishere\u002Fmcp-server-bash-sdk","mcp-server-bash-sdk","Yes Mcp server in bash","mcp-server-bash-sdk 是一个基于纯 Bash 脚本编写的轻量级 MCP（模型上下文协议）服务器实现。它旨在解决传统 MCP 服务器依赖 Node.js、Python 等重型运行时环境的问题，为只需进行简单 API 封装或逻辑转换的场景提供了一种“零开销”的替代方案。\n\n这款工具特别适合熟悉 Shell 脚本的开发者、系统管理员以及追求极致轻量的技术研究人员使用。如果你希望在资源受限的环境中快速部署 AI 工具接口，或者不想为了简单的功能引入庞大的依赖库，mcp-server-bash-sdk 是理想选择。\n\n其核心技术亮点在于完全通过标准输入输出（stdio）处理 JSON-RPC 2.0 协议，并创新性地利用函数命名约定（如 `tool_` 前缀）实现工具的自动发现与注册。用户只需编写具体的业务逻辑函数，配合少量的 JSON 配置文件，即可快速构建出符合标准协议的 MCP 服务。这种架构不仅降低了开发门槛，还让扩展自定义工具变得异常简单高效，真正实现了“脚本即服务”的敏捷开发体验。","# 🐚 MCP Server in Bash\n\nA lightweight, zero-overhead implementation of the [Model Context Protocol (MCP)](https:\u002F\u002Fmodelcontextprotocol.io) server in pure Bash. \n\n**Why?** Most MCP servers are just API wrappers with schema conversion. This implementation provides a zero-overhead alternative to Node.js, Python, or other heavy runtimes.\n\n---\n\n## 📋 Features\n\n* ✅ Full JSON-RPC 2.0 protocol over stdio\n* ✅ Complete MCP protocol implementation\n* ✅ Dynamic tool discovery via function naming convention\n* ✅ External configuration via JSON files\n* ✅ Easy to extend with custom tools\n\n---\n\n## 🔧 Requirements\n\n- Bash shell\n- `jq` for JSON processing (`brew install jq` on macOS)\n\n---\n\n## 🚀 Quick Start\n\n1. **Clone the repo**\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmuthuishere\u002Fmcp-server-bash-sdk\ncd mcp-server-bash-sdk\n```\n\n2. **Make scripts executable**\n\n```bash\nchmod +x mcpserver_core.sh moviemcpserver.sh\n```\n\n3. **Try it out**\n\n```bash\necho '{\"jsonrpc\": \"2.0\", \"method\": \"tools\u002Fcall\", \"params\": {\"name\": \"get_movies\"}, \"id\": 1}' | .\u002Fmoviemcpserver.sh\n```\n\n---\n\n## 🏗️ Architecture\n\n```\n┌─────────────┐         ┌────────────────────────┐\n│ MCP Host    │         │ MCP Server             │\n│ (AI System) │◄──────► │ (moviemcpserver.sh)    │\n└─────────────┘ stdio   └────────────────────────┘\n                             │\n                     ┌───────┴──────────┐\n                     ▼                  ▼\n            ┌───────────────────┐  ┌───────────────┐\n            │ Protocol Layer    │  │ Business Logic│\n            │(mcpserver_core.sh)│  │(tool_* funcs) │\n            └───────────────────┘  └───────────────┘\n                     │                  │\n                     ▼                  ▼\n              ┌─────────────────┐  ┌───────────────┐\n              │ Configuration   │  │ External      │\n              │ (JSON Files)    │  │ Services\u002FAPIs │\n              └─────────────────┘  └───────────────┘\n```\n\n- **mcpserver_core.sh**: Handles JSON-RPC and MCP protocol\n- **moviemcpserver.sh**: Contains business logic functions\n- **assets\u002F**: JSON configuration files\n\n---\n\n## 🔌 Creating Your Own MCP Server\n\n### Tool Function Guidelines\n\nWhen implementing tool functions for the MCP server, follow these guidelines:\n\n1. **Naming Convention**: All tool functions must be prefixed with `tool_` followed by the same name defined in tools_list.json\n2. **Parameters**: Each function should accept a single parameter `$1` containing JSON arguments\n3. **Success Pattern**: For successful operations, echo the result and return 0\n4. **Error Pattern**: For validation errors, echo an error message and return 1\n5. **Automatic Discovery**: All tool functions are automatically exposed to the MCP server based on tools_list.json\n\n### Implementation Steps\n\n1. **Create your business logic file (e.g., `weatherserver.sh`)**\n\n```bash\n#!\u002Fbin\u002Fbash\n# Weather API implementation\n\n# Override configuration paths BEFORE sourcing the core\nMCP_CONFIG_FILE=\"$(dirname \"${BASH_SOURCE[0]}\")\u002Fassets\u002Fweatherserver_config.json\"\nMCP_TOOLS_LIST_FILE=\"$(dirname \"${BASH_SOURCE[0]}\")\u002Fassets\u002Fweatherserver_tools.json\"\nMCP_LOG_FILE=\"$(dirname \"${BASH_SOURCE[0]}\")\u002Flogs\u002Fweatherserver.log\"\n\n# MCP Server Tool Function Guidelines:\n# 1. Name all tool functions with prefix \"tool_\" followed by the same name defined in tools_list.json\n# 2. Function should accept a single parameter \"$1\" containing JSON arguments\n# 3. For successful operations: Echo the expected result and return 0\n# 4. For errors: Echo an error message and return 1\n# 5. All tool functions are automatically exposed to the MCP server based on tools_list.json\n\n# Source the core MCP server implementation\nsource \"$(dirname \"${BASH_SOURCE[0]}\")\u002Fmcpserver_core.sh\"\n\n# Access environment variables\nAPI_KEY=\"${MCP_API_KEY:-default_key}\"\n\n# Tool: Get current weather for a location\n# Parameters: Takes a JSON object with location\n# Success: Echo JSON result and return 0\n# Error: Echo error message and return 1\ntool_get_weather() {\n  local args=\"$1\"\n  local location=$(echo \"$args\" | jq -r '.location')\n  \n  # Parameter validation\n  if [[ -z \"$location\" ]]; then\n    echo \"Missing required parameter: location\"\n    return 1\n  fi\n  \n  # Call external API\n  local weather=$(curl -s \"https:\u002F\u002Fapi.example.com\u002Fweather?location=$location&apikey=$API_KEY\")\n  echo \"$weather\"\n  return 0\n}\n\n\n# Start the MCP server\nrun_mcp_server \"$@\"\n```\n\n2. **Create `assets\u002Fweatherserver_tools.json`**\n\n```json\n{\n  \"tools\": [\n    {\n      \"name\": \"get_weather\",\n      \"description\": \"Get current weather for a location\",\n      \"inputSchema\": {\n        \"type\": \"object\",\n        \"properties\": {\n          \"location\": {\n            \"type\": \"string\",\n            \"description\": \"City name or coordinates\"\n          }\n        },\n        \"required\": [\"location\"]\n      }\n    }\n  ]\n}\n```\n\n3. **Create `assets\u002Fweatherserver_config.json`**\n\n```json\n{\n  \"protocolVersion\": \"2025-03-26\",\n  \"serverInfo\": {\n    \"name\": \"WeatherServer\",\n    \"version\": \"1.0.0\"\n  },\n  \"capabilities\": {\n    \"tools\": {\n      \"listChanged\": true\n    }\n  },\n  \"instructions\": \"This server provides weather information.\"\n}\n```\n\n4. **Make your file executable**\n\n```bash\nchmod +x weatherserver.sh\n```\n\n---\n\n## 🖥️ Using with VS Code & GitHub Copilot\n\n1. **Update VS Code settings.json**\n\n```jsonc\n\"mcp\": {\n    \"servers\": {\n        \"my-weather-server\": {\n            \"type\": \"stdio\",\n            \"command\": \"\u002Fpath\u002Fto\u002Fyour\u002Fweatherserver.sh\",\n            \"args\": [],\n            \"env\": {\n                \"MCP_API_KEY\": \"your-api-key\"\n            }\n        }\n    }\n}\n```\n\n2. **Use with GitHub Copilot Chat**\n\n```\n\u002Fmcp my-weather-server get weather for New York\n```\n\n---\n\n## 🚫 Limitations\n\n* No concurrency\u002Fparallel processing\n* Limited memory management\n* No streaming responses\n* Not designed for high throughput\n\nFor AI assistants and local tool execution, these aren't blocking issues.\n\n---\n\n## 📄 License\n\nThis project is licensed under the MIT License - see the [LICENSE](LICENSE) file for details.\n\nBlog : https:\u002F\u002Fmedium.com\u002F@muthuishere\u002Fwhy-i-built-an-mcp-server-sdk-in-shell-yes-bash-6f2192072279\n","# 🐚 Bash 中的 MCP 服务器\n\n一个轻量级、零开销的 [Model Context Protocol (MCP)](https:\u002F\u002Fmodelcontextprotocol.io) 服务器实现，完全用纯 Bash 编写。\n\n**为什么？** 大多数 MCP 服务器只是带有模式转换的 API 封装。而这个实现提供了一种无需 Node.js、Python 或其他重型运行时的零开销替代方案。\n\n---\n\n## 📋 特性\n\n* ✅ 通过标准输入输出支持完整的 JSON-RPC 2.0 协议\n* ✅ 完整的 MCP 协议实现\n* ✅ 通过函数命名约定动态发现工具\n* ✅ 通过 JSON 文件进行外部配置\n* ✅ 易于扩展自定义工具\n\n---\n\n## 🔧 需求\n\n- Bash shell\n- `jq` 用于 JSON 处理（在 macOS 上可使用 `brew install jq`）\n\n---\n\n## 🚀 快速开始\n\n1. **克隆仓库**\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fmuthuishere\u002Fmcp-server-bash-sdk\ncd mcp-server-bash-sdk\n```\n\n2. **使脚本可执行**\n\n```bash\nchmod +x mcpserver_core.sh moviemcpserver.sh\n```\n\n3. **试用**\n\n```bash\necho '{\"jsonrpc\": \"2.0\", \"method\": \"tools\u002Fcall\", \"params\": {\"name\": \"get_movies\"}, \"id\": 1}' | .\u002Fmoviemcpserver.sh\n```\n\n---\n\n## 🏗️ 架构\n\n```\n┌─────────────┐         ┌────────────────────────┐\n│ MCP 主机    │         │ MCP 服务器             │\n│ (AI 系统)   │◄──────► │ (moviemcpserver.sh)    │\n└─────────────┘ stdio   └────────────────────────┘\n                             │\n                     ┌───────┴──────────┐\n                     ▼                  ▼\n            ┌───────────────────┐  ┌───────────────┐\n            │ 协议层          │  │ 业务逻辑      │\n            │(mcpserver_core.sh)│  │(tool_* 函数) │\n            └───────────────────┘  └───────────────┘\n                     │                  │\n                     ▼                  ▼\n              ┌─────────────────┐  ┌───────────────┐\n              │ 配置文件        │  │ 外部服务\u002FAPIs │\n              │ (JSON 文件)     │  │               │\n              └─────────────────┘  └───────────────┘\n```\n\n- **mcpserver_core.sh**: 处理 JSON-RPC 和 MCP 协议\n- **moviemcpserver.sh**: 包含业务逻辑函数\n- **assets\u002F**: JSON 配置文件\n\n---\n\n## 🔌 创建您自己的 MCP 服务器\n\n### 工具函数指南\n\n在为 MCP 服务器实现工具函数时，请遵循以下指南：\n\n1. **命名约定**：所有工具函数必须以 `tool_` 开头，后跟 `tools_list.json` 中定义的相同名称。\n2. **参数**：每个函数应接受一个名为 `$1` 的单个参数，其中包含 JSON 格式的参数。\n3. **成功模式**：对于成功操作，输出结果并返回 0。\n4. **错误模式**：对于验证错误，输出错误信息并返回 1。\n5. **自动发现**：所有工具函数都会根据 `tools_list.json` 自动暴露给 MCP 服务器。\n\n### 实现步骤\n\n1. **创建您的业务逻辑文件（例如 `weatherserver.sh`）**\n\n```bash\n#!\u002Fbin\u002Fbash\n# 天气 API 实现\n\n# 在加载核心之前覆盖配置路径\nMCP_CONFIG_FILE=\"$(dirname \"${BASH_SOURCE[0]}\")\u002Fassets\u002Fweatherserver_config.json\"\nMCP_TOOLS_LIST_FILE=\"$(dirname \"${BASH_SOURCE[0]}\")\u002Fassets\u002Fweatherserver_tools.json\"\nMCP_LOG_FILE=\"$(dirname \"${BASH_SOURCE[0]}\")\u002Flogs\u002Fweatherserver.log\"\n\n# MCP 服务器工具函数指南：\n# 1. 所有工具函数都应以“tool_”开头，后跟 tools_list.json 中定义的相同名称。\n# 2. 函数应接受一个名为“$1”的单个参数，该参数包含 JSON 格式的参数。\n# 3. 对于成功操作：输出预期结果并返回 0。\n# 4. 对于错误：输出错误信息并返回 1。\n# 5. 所有工具函数都会根据 tools_list.json 自动暴露给 MCP 服务器。\n\n# 加载核心 MCP 服务器实现\nsource \"$(dirname \"${BASH_SOURCE[0]}\")\u002Fmcpserver_core.sh\"\n\n# 访问环境变量\nAPI_KEY=\"${MCP_API_KEY:-default_key}\"\n\n# 工具：获取某个地点的当前天气\n# 参数：接收包含地点信息的 JSON 对象\n# 成功：输出 JSON 格式的结果并返回 0\n# 错误：输出错误信息并返回 1\ntool_get_weather() {\n  local args=\"$1\"\n  local location=$(echo \"$args\" | jq -r '.location')\n  \n  # 参数验证\n  if [[ -z \"$location\" ]]; then\n    echo \"缺少必需参数：location\"\n    return 1\n  fi\n  \n  # 调用外部 API\n  local weather=$(curl -s \"https:\u002F\u002Fapi.example.com\u002Fweather?location=$location&apikey=$API_KEY\")\n  echo \"$weather\"\n  return 0\n}\n\n\n# 启动 MCP 服务器\nrun_mcp_server \"$@\"\n```\n\n2. **创建 `assets\u002Fweatherserver_tools.json`**\n\n```json\n{\n  \"tools\": [\n    {\n      \"name\": \"get_weather\",\n      \"description\": \"获取某个地点的当前天气\",\n      \"inputSchema\": {\n        \"type\": \"object\",\n        \"properties\": {\n          \"location\": {\n            \"type\": \"string\",\n            \"description\": \"城市名称或坐标\"\n          }\n        },\n        \"required\": [\"location\"]\n      }\n    }\n  ]\n}\n```\n\n3. **创建 `assets\u002Fweatherserver_config.json`**\n\n```json\n{\n  \"protocolVersion\": \"2025-03-26\",\n  \"serverInfo\": {\n    \"name\": \"WeatherServer\",\n    \"version\": \"1.0.0\"\n  },\n  \"capabilities\": {\n    \"tools\": {\n      \"listChanged\": true\n    }\n  },\n  \"instructions\": \"此服务器提供天气信息。\"\n}\n```\n\n4. **使您的文件可执行**\n\n```bash\nchmod +x weatherserver.sh\n```\n\n---\n\n## 🖥️ 与 VS Code 和 GitHub Copilot 配合使用\n\n1. **更新 VS Code 的 settings.json**\n\n```jsonc\n\"mcp\": {\n    \"servers\": {\n        \"my-weather-server\": {\n            \"type\": \"stdio\",\n            \"command\": \"\u002Fpath\u002Fto\u002Fyour\u002Fweatherserver.sh\",\n            \"args\": [],\n            \"env\": {\n                \"MCP_API_KEY\": \"your-api-key\"\n            }\n        }\n    }\n}\n```\n\n2. **与 GitHub Copilot Chat 配合使用**\n\n```\n\u002Fmcp my-weather-server 获取纽约的天气\n```\n\n---\n\n## 🚫 局限性\n\n* 不支持并发\u002F并行处理\n* 内存管理有限\n* 不支持流式响应\n* 并非为高吞吐量设计\n\n但对于 AI 助手和本地工具执行来说，这些并不是主要问题。\n\n---\n\n## 📄 许可证\n\n本项目采用 MIT 许可证授权——详情请参阅 [LICENSE](LICENSE) 文件。\n\n博客：https:\u002F\u002Fmedium.com\u002F@muthuishere\u002Fwhy-i-built-an-mcp-server-sdk-in-shell-yes-bash-6f2192072279","# mcp-server-bash-sdk 快速上手指南\n\n`mcp-server-bash-sdk` 是一个纯 Bash 实现的轻量级、零开销 Model Context Protocol (MCP) 服务器。它无需 Node.js 或 Python 等重型运行时，非常适合在本地快速构建 AI 工具接口。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux 或 macOS（需具备 Bash Shell 环境）\n*   **核心依赖**：\n    *   `bash`：大多数系统默认安装。\n    *   `jq`：用于 JSON 数据处理。\n        *   **macOS**: `brew install jq`\n        *   **Ubuntu\u002FDebian**: `sudo apt-get install jq`\n        *   **CentOS\u002FRHEL**: `sudo yum install jq`\n\n## 安装步骤\n\n1.  **克隆仓库**\n    将项目代码下载到本地：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fmuthuishere\u002Fmcp-server-bash-sdk\n    cd mcp-server-bash-sdk\n    ```\n\n2.  **赋予执行权限**\n    使核心脚本和示例服务器脚本可执行：\n    ```bash\n    chmod +x mcpserver_core.sh moviemcpserver.sh\n    ```\n\n## 基本使用\n\n安装完成后，您可以直接通过标准输入（stdio）向服务器发送 JSON-RPC 请求进行测试。以下示例调用内置的 `get_movies` 工具：\n\n```bash\necho '{\"jsonrpc\": \"2.0\", \"method\": \"tools\u002Fcall\", \"params\": {\"name\": \"get_movies\"}, \"id\": 1}' | .\u002Fmoviemcpserver.sh\n```\n\n执行后，终端将返回符合 MCP 协议的 JSON 响应结果。\n\n---\n\n### 💡 进阶提示：集成 VS Code & GitHub Copilot\n\n若要在 VS Code 中使用该服务，请在 `settings.json` 中添加如下配置（以自定义天气服务为例）：\n\n```jsonc\n\"mcp\": {\n    \"servers\": {\n        \"my-weather-server\": {\n            \"type\": \"stdio\",\n            \"command\": \"\u002Fpath\u002Fto\u002Fyour\u002Fweatherserver.sh\",\n            \"args\": [],\n            \"env\": {\n                \"MCP_API_KEY\": \"your-api-key\"\n            }\n        }\n    }\n}\n```\n\n配置生效后，即可在 GitHub Copilot Chat 中通过 `\u002Fmcp` 命令调用您的 Bash 工具。","某运维团队希望让 AI 助手直接调用服务器上的本地脚本（如检查磁盘、重启服务），以实现自动化故障排查。\n\n### 没有 mcp-server-bash-sdk 时\n- **环境依赖重**：为了暴露一个简单的 Shell 脚本给 AI，必须额外搭建 Node.js 或 Python 运行时环境，导致轻量级服务器资源浪费。\n- **开发链路长**：需要编写大量的“胶水代码”进行 JSON 解析和协议转换，将简单的 Bash 逻辑包裹成复杂的 API 服务。\n- **维护成本高**：引入额外的语言栈增加了依赖冲突风险，且调试时需要同时关注脚本逻辑和外层包装代码，排查问题困难。\n- **响应延迟高**：重型运行时启动慢、内存占用大，在资源受限的边缘设备或容器中难以快速响应 AI 的工具调用请求。\n\n### 使用 mcp-server-bash-sdk 后\n- **零依赖部署**：仅需 Bash 和 `jq` 即可运行，直接在现有运维脚本上添加 `tool_` 前缀函数，无需安装任何重型运行时。\n- **原生协议支持**：内置完整的 JSON-RPC 2.0 和 MCP 协议处理，自动完成参数解析与结果返回，开发者只需专注业务逻辑。\n- **动态工具发现**：修改配置文件即可自动注册新工具，AI 能即时感知新增的运维能力，无需重启服务或重新编译代码。\n- **极致轻量高效**：进程启动毫秒级完成，内存占用极低，完美适配各类 Linux 服务器及容器化环境，实现真正的“无感”集成。\n\nmcp-server-bash-sdk 通过纯原生的 Bash 实现，消除了中间层开销，让运维脚本能以最低成本直接变身 AI 可调用的智能工具。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmuthuishere_mcp-server-bash-sdk_40f34d25.png","muthuishere","Muthukumaran Navaneethakrishnan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmuthuishere_cb18d3c7.jpg","Software Engineer works  with Javascript , Java , Go & Clojure",null,"Chennai","muthuishere@gmail.com","https:\u002F\u002Fgithub.com\u002Fmuthuishere",[81],{"name":82,"color":83,"percentage":84},"Shell","#89e051",100,504,42,"2026-04-13T06:47:05","MIT","Linux, macOS","未说明",{"notes":92,"python":93,"dependencies":94},"该工具基于纯 Bash 脚本实现，无需 Python 或 Node.js 等重型运行时。主要依赖为 Bash shell 和用于 JSON 处理的 jq 工具（macOS 可通过 brew install jq 安装）。不支持并发处理、流式响应，不适用于高吞吐量场景，但适合本地 AI 助手工具执行。","不需要",[95,96],"bash","jq",[14,13],"2026-03-27T02:49:30.150509","2026-04-14T12:27:59.031546",[],[]]