docker-mcp-tutorial
docker-mcp-tutorial 是一套基于 NetworkChuck 视频教程的完整资源库,专注于指导用户利用 Docker 构建 Model Context Protocol (MCP) 服务器。对于希望扩展 AI 功能但面临环境配置复杂、缺乏架构参考的开发者来说,这个项目提供了即拿即用的解决方案。
通过克隆仓库,用户可以在几分钟内运行起第一个 MCP 服务,例如内置的 D&D 掷骰子示例。它不仅包含详细的跨平台安装指南(Mac/Windows/Linux),还附带了自定义 MCP 服务器的生成提示词模板,帮助快速生成代码。此外,教程涵盖了 API 密钥安全管理、网络暴露及 n8n 自动化集成等实用内容。
该项目非常适合具备基础命令行知识的开发者、AI 应用研究者以及热衷于探索本地 AI 工具集成的技术爱好者。借助 docker-mcp-tutorial,你可以更轻松地实现 AI 与外部服务的连接,无需从零摸索底层细节,让模型上下文协议的落地变得简单高效。
使用场景
一位全栈工程师希望为本地 AI 编程助手添加查询天气和系统日志的功能,以辅助日常开发决策。
没有 docker-mcp-tutorial 时
- 需从零研究 Model Context Protocol 协议规范,上手曲线陡峭且资料零散。
- 手动搭建 Docker 环境配置繁琐,容易因镜像版本不兼容导致服务启动失败。
- 编写 MCP 服务器代码缺乏模板参考,重复造轮子导致开发效率极低。
- 遇到连接超时或认证错误时,缺乏针对性的排查思路,调试过程耗时漫长。
使用 docker-mcp-tutorial 后
docker-mcp-tutorial提供从安装到部署的完整图文指南,新手也能在 5 分钟内跑通流程。- 内置 Dice Roller 等现成示例,开发者可直接复用代码结构并修改特定业务逻辑。
- 利用其 MCP Builder Prompt,仅需自然语言描述功能即可自动生成可运行的服务器代码。
- 涵盖安全配置与网络暴露的最佳实践,确保 API 密钥管理安全可靠,无需担心泄露风险。
通过标准化流程与丰富资源,它让开发者能迅速将创意转化为可用的 AI 扩展工具。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
🚀 Docker MCP 教程 - 使用 Docker 构建 AI 工具
学习如何使用 Docker 构建和部署 MCP(模型上下文协议)服务器!本仓库包含了 NetworkChuck Docker MCP 视频教程的所有内容,包括完整示例、模板和分步指南。
🎥 观看教程
⚡ 快速开始 (5 分钟)
在 5 分钟内运行你的第一个 MCP 服务器:
# 1. Install Docker Desktop (if not already installed)
# Visit: https://docs.docker.com/desktop/
# 2. Enable Docker MCP Toolkit
# Settings → Beta Features → Enable "Docker MCP Toolkit"
# 3. Clone this repository
git clone https://github.com/networkchuck/docker-mcp-tutorial.git
cd docker-mcp-tutorial
# 4. Build the dice roller example
cd examples/dice-roller
docker build -t dice-mcp-server .
# 5. Follow the Quick Start Guide
# See: quick-start/setup-guide.md
📚 包含内容
🎲 完整工作示例
- 骰子投掷器 (Dice Roller) - 有趣的 D&D(龙与地下城)骰子投掷 MCP 服务器,所有文件均已就绪可直接运行
🛠️ MCP 构建器提示词 (MCP Builder Prompt)
NetworkChuck 的自定义提示词,可根据简单描述生成完整的 MCP 服务器。只需描述你想要的功能,它就会创建所有内容!
📖 综合文档
- 分步安装指南(Mac、Windows、Linux)
- 如何构建自定义 MCP 服务器
- Docker MCP 网关深度解析
- 常见问题的故障排除
🔗 所有资源与链接
视频中提到的每个工具、链接和资源,均已整理好可供直接使用。
🗂️ 仓库结构
docker-mcp-tutorial/
├── examples/ # Complete working MCP server
│ └── dice-roller/ # D&D dice rolling server
├── mcp-builder-prompt/ # AI prompt to generate MCP servers
├── quick-start/ # Get running in 5 minutes
├── docs/ # Detailed documentation
│ ├── installation.md # Platform-specific setup
│ ├── custom-servers.md # Build your own servers
│ ├── docker-gateway.md # Gateway architecture
│ └── troubleshooting.md # Common issues & fixes
└── resources/ # Links and additional resources
🎯 你将学到什么
- MCP 基础 (MCP Fundamentals) - 理解模型上下文协议
- Docker 集成 (Docker Integration) - 在容器中运行 MCP 服务器
- 构建自定义服务器 (Build Custom Servers) - 创建你自己的 AI 工具
- API 集成 (API Integration) - 连接外部服务
- 安全与密钥 (Security & Secrets) - 安全地管理 API 密钥
- 远程访问 (Remote Access) - 在网络中暴露服务器
- n8n 集成 (n8n Integration) - 使用 MCP 进行自动化工作流
🚦 前置条件
- 已安装并正在运行的 Docker Desktop
- Claude Desktop 或其他兼容 MCP 的客户端
- 基本的命令行知识
- 咖啡 ☕(强烈推荐)
📋 安装概览
1. 安装 Docker Desktop
- 下载 Docker Desktop
- 在 Beta Features 中启用 MCP Toolkit
2. 配置 MCP 客户端
- 设置 Claude Desktop、Cursor 或 LM Studio
- 配置 MCP 网关连接
3. 构建与部署
- 为 MCP 服务器构建 Docker 容器
- 在目录中注册服务器
- 开始在你的 AI 中使用!
详细的平台特定说明请查看 docs/installation.md
🔨 构建你的第一个 MCP 服务器
使用 MCP 构建器提示词
- 打开提示词模板:
mcp-builder-prompt/mcp-builder-prompt.md - 描述你所需的功能
- 发送给 Claude 或你喜欢的 AI
- 获取完整可用的 MCP 服务器代码!
示例:天气 MCP 服务器
"I want to build a weather MCP server that can:
- Get current weather for any city
- Get 5-day forecast
- Convert between Celsius and Fahrenheit
Use the OpenWeather API"
AI 将生成所有必要的文件:Dockerfile、Python 服务器、配置和安装说明!
🎮 包含示例服务器
🎲 骰子投掷器 (Dice Roller)
非常适合 D&D 和桌面游戏:
- 投掷任何骰子表示法(2d6+3, 1d20 等)
- D&D 属性生成
- 优势/劣势投掷 (Advantage/disadvantage rolls)
- 对抗 DC 的技能检定 (Skill checks against DC)
注意: 视频还演示了构建 Toggl 计时器和 Kali Linux MCP 服务器。使用 MCP 构建器提示词来创建这些或任何其他你能想到的服务器!
🔧 Docker MCP 网关
Docker MCP 网关是让这一切生效的关键魔法:
- 集中管理 (Centralized Management) - 一个连接,多个服务器
- 密钥管理 (Secret Management) - 安全的 API 密钥存储
- 传输选项 (Transport Options) - 本地 (stdio) 或网络 (SSE)
- 动态容器 (Dynamic Containers) - 按需运行服务器
更多信息请查看 docs/docker-gateway.md
🌐 远程访问与 n8n 集成
通过网络运行你的 MCP 服务器:
# Start gateway with network transport
docker mcp gateway run --transport sse
# Access from n8n or remote clients
http://YOUR_IP:8811
非常适合自动化工作流和远程 AI 操作!
🐛 故障排除
常见问题
Claude 中未显示工具?
- 重启 Claude Desktop
- 检查目录和注册表文件
- 验证 Docker 镜像是否构建成功
认证错误?
- 验证密钥:
docker mcp secret list - 检查环境变量名称
容器未运行?
- 检查日志:
docker logs [container-name] - 验证 Dockerfile 语法
完整故障排除指南请查看 docs/troubleshooting.md
📚 资源与链接
官方文档
示例中使用的 API
相关 NetworkChuck 内容
🤝 贡献
发现 Bug 了吗?有改进建议吗?欢迎贡献!
- Fork 仓库
- 创建你的特性分支
- 提交你的更改
- 推送到分支
- 发起 Pull Request
📄 许可证
MIT 许可证 - 详见 LICENSE 文件
🙏 致谢
- Docker 赞助并创建了 MCP 工具包
- Anthropic 提供了模型上下文协议
- 令人惊叹的 NetworkChuck 社区
☕ 支持
如果这对你有帮助,请考虑:
- ⭐ 星标此仓库
- 🔔 订阅 YouTube 上的 NetworkChuck
- ☕ 请 NetworkChuck 喝杯咖啡
记住: AI 工具的世界正在迅速演变。这是你参与这场革命的机会。别浪费了!
“当然,要合乎道德地 Hack YouTube。” - NetworkChuck
常见问题
相似工具推荐
stable-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。 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。
everything-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。 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。 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
ComfyUI
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。 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。 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。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-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。 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。
ragflow
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。 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。 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。