Zurück zu Fähigkeiten

containerize-mcp-server

pjt222
Aktualisiert Yesterday
2 Ansichten
17
2
17
Auf GitHub ansehen
Metaaimcpdesign

Über

Diese Fähigkeit containerisiert R-basierte MCP-Server mittels Docker und ermöglicht deren Einsatz ohne lokale R-Installation. Sie übernimmt die mcptools-Integration, Portfreigabe und Transportkonfiguration (stdio/HTTP) für reproduzierbare Umgebungen. Nutzen Sie sie, um MCP-Server neben anderen containerisierten Diensten auszuführen oder sie an andere Entwickler zu verteilen.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/containerize-mcp-server

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

容 MCP 伺

以 Docker 包 R MCP 伺為可移部。

用時

  • 部 R MCP 伺而無本 R 裝
  • 建可復之 MCP 伺境
  • 與他容服並行 MCP 伺
  • 分 MCP 伺於他開者

  • :R MCP 伺之實(mcptools 基或自)
  • :Docker 已裝行
  • 可選:伺所需他 R 包
  • 可選:傳之模(stdio 或 HTTP)

第一步:建 Dockerfile 為 MCP 伺

FROM rocker/r-ver:4.5.0

# Install system dependencies
RUN apt-get update && apt-get install -y \
    libcurl4-openssl-dev \
    libssl-dev \
    libxml2-dev \
    libgit2-dev \
    libssh2-1-dev \
    git \
    curl \
    && rm -rf /var/lib/apt/lists/*

# Install R packages
RUN R -e "install.packages(c( \
    'remotes', \
    'ellmer' \
    ), repos='https://cloud.r-project.org/')"

# Install mcptools
RUN R -e "remotes::install_github('posit-dev/mcptools')"

# Set working directory
WORKDIR /workspace

# Expose MCP server ports
EXPOSE 3000 3001 3002

# Environment variables
ENV R_LIBS_USER=/workspace/renv/library
ENV RENV_PATHS_CACHE=/workspace/renv/cache

# Default: start MCP server
CMD ["R", "-e", "mcptools::mcp_server()"]

得: 項目根有 Dockerfilerocker/r-ver 基像、系依、mcptools 裝、MCP 伺為默令。

敗則: 驗基像合汝 R 版。若 remotes::install_github 敗,察 gitlibgit2-dev 於系依層。

第二步:建 docker-compose.yml

version: '3.8'

services:
  mcp-server:
    build:
      context: .
      dockerfile: Dockerfile
    container_name: r-mcp-server
    image: r-mcp-server:latest

    volumes:
      - /path/to/projects:/workspace
      - renv-cache:/workspace/renv/cache

    stdin_open: true
    tty: true

    network_mode: "host"

    environment:
      - TERM=xterm-256color
      - R_LIBS_USER=/workspace/renv/library

    restart: unless-stopped

volumes:
  renv-cache:
    driver: local

network_mode: "host" 保 MCP 伺埠於 localhost 可訪。

得: 項目根有 docker-compose.yml 附 MCP 伺服、項目檔與 renv 緩之卷掛、stdin_open/tty 啟為 stdio 傳。

敗則: 若卷徑誤,改 /path/to/projects 為實項徑。Windows/WSL 則用 /mnt/c/.../mnt/d/... 徑。

第三步:建而啟

docker compose build
docker compose up -d

得: 容啟附 MCP 伺行。

敗則:docker compose logs mcp-server 察誌。常問:

  • 缺 R 包:加於 Dockerfile RUN 裝步
  • 埠已用:改露埠或止衝服

第四步:連 Claude Code 於容

stdio 傳(容須附 stdin 續行):

claude mcp add r-mcp-docker stdio "docker" "exec" "-i" "r-mcp-server" "R" "-e" "mcptools::mcp_server()"

HTTP 傳(若 MCP 伺支):

{
  "mcpServers": {
    "r-mcp-docker": {
      "type": "http",
      "url": "http://localhost:3000/mcp"
    }
  }
}

得: Claude Code 之 MCP 設含 r-mcp-docker 條,claude mcp list 示新伺。

敗則: stdio 傳則確容名合(r-mcp-server)且以 docker ps 察容行。HTTP 傳則驗埠露且可達以 curl http://localhost:3000/mcp

第五步:驗連

# Check container is running
docker ps | grep mcp-server

# Test R session inside container
docker exec -it r-mcp-server R -e "sessionInfo()"

# Verify mcptools is available
docker exec -it r-mcp-server R -e "library(mcptools)"

得: docker psr-mcp-server 容行,sessionInfo() 返期 R 版,library(mcptools) 載無誤。

敗則: 若容不行,察 docker compose logs mcp-server 啟誤。若 mcptools 載敗,重建像保包正裝。

第六步:加自定 MCP 具

加項特 MCP 具,掛 R 腳:

volumes:
  - ./mcp-tools:/mcp-tools

於 CMD 中載:

CMD ["R", "-e", "source('/mcp-tools/custom_tools.R'); mcptools::mcp_server()"]

得: 自 R 腳於容內 /mcp-tools/ 可訪,MCP 伺啟時載之與默具並。

敗則: 驗卷掛徑以 docker exec -it r-mcp-server ls /mcp-tools/。若腳 source 敗,察自具之缺依。

  • 容建無誤
  • 容內 MCP 伺啟
  • Claude Code 可連於容伺
  • MCP 具應請
  • 容清重啟
  • 卷掛許訪項檔

  • stdin/tty 之需:MCP stdio 傳需 stdin_open: truetty: true
  • 網隔:默 Docker 網或阻 localhost 訪。用 network_mode: "host" 或露特埠。
  • 包版:固 mcptools 於特提交為可復
  • 像大:mcptools 附依可大。產考多階建。
  • Windows Docker 徑:於 Windows 附 WSL 行 Docker Desktop 時徑映異

  • create-r-dockerfile - R 之基 Dockerfile 式
  • setup-docker-compose - compose 設詳
  • configure-mcp-server - 無 Docker 之 MCP 伺設
  • troubleshoot-mcp-connection - 察 MCP 連之問

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan/skills/containerize-mcp-server
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen