containerize-mcp-server
О программе
Этот навык позволяет разработчикам контейнеризовать MCP-серверы на основе R с использованием Docker, устраняя необходимость в локальных установках R. Он охватывает интеграцию mcptools, настройку транспорта (stdio/HTTP) и подключение Claude Code к контейнеризованному серверу. Используйте его для воспроизводимых развертываний, работы совместно с другими контейнеризованными сервисами или распространения MCP-серверов среди других разработчиков.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/containerize-mcp-serverСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
容器化 MCP 伺服器
將 R MCP 伺服器包入 Docker 容器以便可攜部署。
適用時機
- 部署 R MCP 伺服器而無需本地 R 裝
- 建可重現之 MCP 伺服器環境
- 令 MCP 伺服器與他容器化服務並行
- 分發 MCP 伺服器予他開發者
輸入
- 必要:R MCP 伺服器實作(以 mcptools 或自訂)
- 必要:Docker 已裝且運行
- 選擇性:伺服器需之額外 R 包
- 選擇性:傳輸模式(stdio 或 HTTP)
步驟
步驟一:建 MCP 伺服器之 Dockerfile
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()"]
預期: 項目根有 Dockerfile 含 rocker/r-ver 基底鏡、系統依賴、mcptools 之裝、MCP 伺服器為預命令。
失敗時: 驗基底鏡標合你之 R 版本。若 remotes::install_github 敗,查 git 與 libgit2-dev 於系統依賴層中。
步驟二: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
用 network_mode: "host" 確 MCP 伺服器 port 於 localhost 可達。
預期: 項目根有 docker-compose.yml 含 MCP 伺服器服務、項目檔與 renv 快取之 volume 掛、為 stdio 傳輸而啟之 stdin_open/tty。
失敗時: 若 volume 路徑無效,將 /path/to/projects 調為實項目目錄。Windows/WSL 用 /mnt/c/... 或 /mnt/d/... 路徑。
步驟三:建並啟
docker compose build
docker compose up -d
預期: 容器啟含 MCP 伺服器運行。
失敗時: 以 docker compose logs mcp-server 查日誌。常見:
- 缺 R 包:加至 Dockerfile RUN install 步
- Port 已用:換 port 或止衝突之服務
步驟四:將 Claude Code 連至容器
stdio 傳輸(容器須保運行含 stdin):
claude mcp add r-mcp-docker stdio "docker" "exec" "-i" "r-mcp-server" "R" "-e" "mcptools::mcp_server()"
HTTP 傳輸(若 MCP 伺服器支):
{
"mcpServers": {
"r-mcp-docker": {
"type": "http",
"url": "http://localhost:3000/mcp"
}
}
}
預期: Claude Code 之 MCP 配置含 r-mcp-docker 伺服器項,claude mcp list 顯新伺服器。
失敗時: stdio 則確容器名合(r-mcp-server)且容器以 docker ps 顯運行。HTTP 則驗 port 暴且以 curl http://localhost:3000/mcp 可達。
步驟五:驗連接
# 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)"
預期: docker ps 顯 r-mcp-server 容器運行,sessionInfo() 返預期 R 版本,library(mcptools) 無誤載入。
失敗時: 若容器不運,以 docker compose logs mcp-server 查啟動錯。若 mcptools 載失,重建鏡以確包正確裝。
步驟六:加自訂 MCP 工具
加項目特定 MCP 工具,掛 R 腳本:
volumes:
- ./mcp-tools:/mcp-tools
並於 CMD 中載:
CMD ["R", "-e", "source('/mcp-tools/custom_tools.R'); mcptools::mcp_server()"]
預期: 自訂 R 腳本於容器內 /mcp-tools/ 可達,MCP 伺服器啟時連預設工具載之。
失敗時: 以 docker exec -it r-mcp-server ls /mcp-tools/ 驗 volume 掛路徑正確。若腳本 source 敗,查自訂工具中缺之包依賴。
驗證
- 容器建而無誤
- MCP 伺服器於容器內啟
- Claude Code 可連至容器化伺服器
- MCP 工具正確回應請求
- 容器淨重啟
- Volume 掛允存取項目檔
常見陷阱
- stdin/tty 要:MCP stdio 傳輸需
stdin_open: true與tty: true - 網路隔離:預 Docker 網路或防 localhost 存取。用
network_mode: "host"或暴指定 port - 包版本:釘 mcptools 於特定提交以求可重現
- 大鏡:mcptools + 依賴可甚大。生產慮多階段建
- Windows Docker 路徑:Windows + WSL 下行 Docker Desktop 時路徑映射異
相關技能
create-r-dockerfile- R 之基底 Dockerfile 模式setup-docker-compose- compose 配置細節configure-mcp-server- 無 Docker 之 MCP 伺服器配置troubleshoot-mcp-connection- 診 MCP 連通問題
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
