Control plane MCP yang kompatibel dengan ChatGPT

local-shell-mcp

Berikan AI assistant Anda shell terkontrol, workspace nyata, Git, browser automation, file sharing, dan akses remote-worker tanpa meninggalkan chat.

Mulai Pilih runtime Referensi tools

Lingkungan coding nyata

Jalankan tests, inspeksi repositories, patch files, operasikan Git, dan simpan audit trail dari satu MCP endpoint.

Lapisan runtime dan client

Pilih runtime seperti Docker, VS Code extension, binary, Python, atau stdio, lalu hubungkan ChatGPT atau MCP client lain secara terpisah.

Kontrol remote machine

Hubungkan mesin di balik NAT, firewall, atau HPC melalui outbound worker connections tanpa membuka port SSH.

Yang disediakan

local-shell-mcp mengekspos workspace local atau container yang terkontrol ke ChatGPT dan client MCP lain. Ia menyediakan shell, persistent shell, filesystem, search, patch, Git, Playwright, audit, logical Session durable dengan Goal Plan opsional, tokenized file link, dan tool remote-worker melalui server MCP kompatibel ChatGPT dengan OAuth.

Gunakan saat AI perlu inspeksi repository, menjalankan tests, mengedit files, mengoperasikan Git, mengumpulkan browser evidence, membuat downloadable artifacts, atau mengontrol remote machine yang hanya dapat terhubung outbound ke control server.

Arsitektur

Lapisan runtime: Docker / VS Code extension / binary / Python / stdio
Lapisan exposure: localhost / HTTPS proxy / tunnel / stdio pipe
Lapisan client: ChatGPT / generic MCP client / editor helper
Workspace terkontrol: /workspace or configured workspace root
Remote workers opsional: outbound machine connections

Isolation boundary yang dimaksud adalah container atau VM tempat service berjalan.

Mulai berdasarkan skenario

Skenario	Mulai di sini	Alasan
Deployment ChatGPT publik pertama	Quickstart	Jalur Docker Compose dengan OAuth dan setup /mcp
Memilih runtime layer	Runtime choices	Menjelaskan Docker, VS Code, binary, Python, dan stdio sebagai opsi runtime terpisah
Menambahkan ChatGPT sebagai client	ChatGPT connector	Endpoint, OAuth, prompt aman pertama, tool discovery
Menambahkan LSM ke DeepSeek Harness	Plugin DeepSeek Harness	Instal repository ini sebagai bundle DSH sambil mempertahankan seluruh tool dan remote-worker surface LSM
Menjalankan dari VS Code	VS Code extension runtime	Runtime yang diluncurkan editor dan catatan keamanan host
Belajar mengoperasikan toolset	Usage patterns	Template prompt dan panduan pemilihan tools
Memahami setiap tool	Tools reference	Purpose, inputs, returns, combinations, dan notes untuk setiap tool
Menghubungkan HPC, NPU/GPU, atau server node	Remote workers	Outbound worker join flow dan remote tool usage
Membagikan file yang dihasilkan	File links	Tokenized download URL dengan TTL dan revocation
Mengeraskan deployment	Security	Isolation, OAuth, workspace scope, dan audit logs

Family tools utama

Family	Contoh	Penggunaan
Shell and Python	run_shell, run_python, shell_start	Builds, tests, scripts, long-running processes
Files and search	file_tree, file_grep, file_read, file_patch	Repository inspection dan precise edits
Git	run_shell, run_shell, run_shell, run_shell	Reviewable source-control workflows
Sessions dan goals	session_manage, plan_manage	Durable task handoff, progress report, dan optional Goal mode
Browser	browser_session, browser_snapshot, browser_act, browser_run_script	Persistent interaction, UI checks, screenshots, rendered docs, dan page text
File links	link_create, link_revoke	Download generated artifacts dari chat
Remote workers	remote_manage, run_shell, remote_transfer	Machines di balik NAT, firewalls, atau cluster login flows

Workflow umum

Coding dengan ChatGPT

1. Mulai runtime seperti Docker Compose, VS Code extension, binary, atau Python dalam dedicated workspace.
2. Expose HTTP runtime jika ChatGPT memerlukan network access.
3. Tambahkan public /mcp endpoint ke ChatGPT.
4. Minta terlebih dahulu inspeksi repository dan read-only checks.
5. Setelah disetujui, izinkan patch files, tests, diff review, commit, dan push.
6. Review audit log saat task melibatkan file links atau remote systems.

Remote HPC atau accelerator host

1. Buat one-time remote worker invite.
2. Tempel generated command pada remote host.
3. Gunakan normal tools dengan machine; Git melalui run_shell dan transfer melalui remote_transfer.
4. Revoke worker setelah task.

Artifact generation

1. Biarkan AI generate file di bawah /workspace.
2. Buat tokenized file link dengan TTL/download limits.
3. Bagikan link di chat.
4. Revoke setelah selesai.

Bahasa

Site ini dibangun dengan native MkDocs i18n plugin. Gunakan language selector di header untuk berganti antara English dan translated pages. Page tanpa translation fallback ke English.