🚀 🖥️ Shell MCP 服务器

Shell MCP 服务器专为模型上下文协议构建，能够为您的 AI 应用程序添加安全的 Shell 命令执行功能，让您的应用在不同系统上安全、稳定地运行。

🚀 快速开始

安装

# 使用 pip
pip install shell-mcp-server

# 使用 uv（推荐）
uv pip install shell-mcp-server

🔌 Claude 桌面集成

将此内容添加到您的 Claude 桌面配置中以启用 Shell 命令执行：

{
    "mcp": {
        "servers": [
            {
                "name": "shell_mcp",
                "class_name": "ShellMCPClient",
                "args": {}
            }
        ]
    }
}

echo '[mcp]\n  servers = [{{name=\"shell_mcp\", class_name=\"ShellMCPClient\", args={}}}]' >> claudia.toml

✨ 主要特性

• 🔒 安全执行 - 命令仅在指定目录中运行
• 🐚 多壳支持 - 支持 bash、sh、cmd、powershell
• ⏱️ 超时控制 - 自动终止长时间运行的命令
• 🌍 跨平台 - 在 Unix 和 Windows 系统上均适用
• 🛡️ 默认安全 - 内置目录和壳程序验证

💻 使用示例

基础用法

在您的代码中导入并使用 ShellMCPClient：

from shell_mcp_server import ShellMCPClient

# 创建一个 ShellMCP 客户端实例
client = ShellMCPClient()

# 执行命令
response = client.execute("echo Hello, World!")
print(response)  # 输出: "Hello, World!\n"

# 设置超时时间（可选）
client.timeout = 10  # 设置为 10 秒

# 带有参数的命令
response = client.execute("ls -l", working_dir="/path/to/dir")
print(response)

高级用法

您可以自定义以下设置：

• timeout: 指定超时时间（默认：无限制）
• shell_path: 自定义 Shell 解释器路径（默认：/bin/sh）
• env: 自定义环境变量
• working_dir: 设置工作目录

🛠️ 开发

设置您的开发环境：

# 创建并激活虚拟环境
uv venv
source .venv/bin/activate

# 安装开发依赖项
uv pip install -e ".[test]"

# 运行测试
python -m pytest

# 带覆盖率的测试
python -m pytest --cov=shell_mcp_server

🤝 贡献

欢迎贡献！请随意：

• 🐛 报告错误
• 💡 提供建议功能
• 🔧 提交拉取请求
• 📚 改进文档

📄 许可证

MIT 许可证 - 详情见 LICENSE