docker-mcp-tutorial

GitHub
1.4k 418 中等 2 次阅读 昨天MITAgent开发框架
AI 解读 由 AI 自动生成,仅供参考

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

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes必须安装 Docker Desktop 并在设置中启用 Beta 功能的 Docker MCP Toolkit。项目本身为教程框架,具体 MCP 服务器的编程语言和依赖取决于构建的示例(如 Dice Roller 示例提及 Python 服务器)。需配合支持 Model Context Protocol 的客户端(如 Claude Desktop、Cursor)使用。
python未说明
Docker Desktop
Git
docker-mcp-tutorial hero image

快速开始

🚀 Docker MCP 教程 - 使用 Docker 构建 AI 工具

NetworkChuck Docker MCP

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

在 YouTube 上观看完整视频教程 →

⚡ 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

  1. MCP 基础 (MCP Fundamentals) - 理解模型上下文协议
  2. Docker 集成 (Docker Integration) - 在容器中运行 MCP 服务器
  3. 构建自定义服务器 (Build Custom Servers) - 创建你自己的 AI 工具
  4. API 集成 (API Integration) - 连接外部服务
  5. 安全与密钥 (Security & Secrets) - 安全地管理 API 密钥
  6. 远程访问 (Remote Access) - 在网络中暴露服务器
  7. 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

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

  1. 打开提示词模板:mcp-builder-prompt/mcp-builder-prompt.md
  2. 描述你所需的功能
  3. 发送给 Claude 或你喜欢的 AI
  4. 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!

  1. Fork 仓库
  2. 创建你的特性分支
  3. 提交你的更改
  4. 推送到分支
  5. 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:


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。

162.1k|★★★☆☆|今天
开发框架图像Agent

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

139k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

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。

87.6k|★★☆☆☆|今天
开发框架语言模型

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。

85k|★★☆☆☆|今天
图像数据工具视频

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。

77.1k|★★★☆☆|昨天
Agent图像开发框架