cli-mcp-server 的安装和配置教程
2025-05-29 12:31:41作者:羿妍玫Ivan
项目基础介绍
cli-mcp-server 是一个基于 Python 语言的开源项目,它提供了一个安全的 Model Context Protocol (MCP) 服务器实现,用于执行受控的命令行操作。该项目包含了严格的安全特性,例如命令白名单、路径验证以及执行控制等,非常适合在保持安全的同时为大型语言模型应用提供受控的 CLI 访问。
项目使用的关键技术和框架
本项目主要使用 Python 3.10+ 版本,并依赖 MCP 协议库来实现功能。它通过环境变量进行配置,支持异步操作,并能够防止壳操作符注入等安全问题。
准备工作
在开始安装 cli-mcp-server 之前,请确保您的系统中已安装以下环境和依赖:
- Python 3.10 或更高版本
- MCP 协议库
安装步骤
-
克隆项目仓库: 使用 Git 命令将项目克隆到本地环境。
git clone https://github.com/MladenSU/cli-mcp-server.git -
安装依赖: 进入项目目录,使用
pip安装项目所需的依赖。cd cli-mcp-server pip install -r requirements.txt -
设置环境变量: 根据项目需求,设置相应的环境变量。以下是一些基本的环境变量配置示例:
export ALLOWED_DIR="/your/desired/dir" export ALLOWED_COMMANDS="ls,cat,pwd" export ALLOWED_FLAGS="-l,-a,--help" export MAX_COMMAND_LENGTH="1024" export COMMAND_TIMEOUT="30" export ALLOW_SHELL_OPERATORS="false" -
运行项目: 使用以下命令启动 MCP 服务器。
python cli_mcp_server.py -
配置 CLI MCP 服务器(可选): 如果您需要将 CLI MCP 服务器与 Claude Desktop 配合使用,您需要将其配置添加到 Claude 的配置文件中。具体步骤如下:
- 打开
~/Library/Application Support/Claude/claude_desktop_config.json文件。 - 添加相应的服务器配置段。
配置示例:
{ "mcpServers": { "cli-mcp-server": { "command": "uv", "args": ["--directory", "<path/to/the/repo>/cli-mcp-server", "run", "cli-mcp-server"], "env": { "ALLOWED_DIR": "</your/desired/dir>", "ALLOWED_COMMANDS": "ls,cat,pwd,echo", "ALLOWED_FLAGS": "-l,-a,--help,--version", "MAX_COMMAND_LENGTH": "1024", "COMMAND_TIMEOUT": "30", "ALLOW_SHELL_OPERATORS": "false" } } } } - 打开
完成以上步骤后,您的 cli-mcp-server 应该已经成功安装并配置完毕,可以开始使用了。如果在安装或配置过程中遇到任何问题,请参考项目的官方文档或向项目维护者寻求帮助。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0114
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220