Przejdź do treści

Control plane MCP zgodny z ChatGPT

local-shell-mcp

Daj AI assistant kontrolowany shell, prawdziwy workspace, Git, browser automation, file sharing i remote-worker access bez opuszczania chat.

Zacznij Wybierz runtime Referencja tools

Prawdziwe środowisko coding

Uruchamiaj tests, sprawdzaj repositories, patch files, obsługuj Git i zachowuj audit trail z jednego MCP endpoint.

Warstwy runtime i client

Wybierz runtime, np. Docker, VS Code extension, binary, Python lub stdio, a następnie osobno połącz ChatGPT lub inny MCP client.

Kontrola remote machines

Podłączaj machines za NAT, firewall lub HPC przez outbound worker connections bez otwierania portów SSH.

Co zapewnia

local-shell-mcp udostępnia ChatGPT i innym klientom MCP kontrolowany lokalny lub kontenerowy workspace. Zapewnia shell, persistent shell, filesystem, search, patch, Git, Playwright, audit, trwałe logical Sessions z opcjonalnymi Goal Plans, tokenized file links i narzędzia remote worker przez zgodny z ChatGPT MCP server z OAuth.

Używaj, gdy AI musi inspect repository, uruchamiać tests, edit files, operate Git, zbierać browser evidence, tworzyć downloadable artifacts lub kontrolować remote machine, która może tylko outbound connect do control server.

Architektura

Warstwa runtime: Docker / VS Code extension / binary / Python / stdio
Warstwa exposure: localhost / HTTPS proxy / tunnel / stdio pipe
Warstwa client: ChatGPT / generic MCP client / editor helper
Kontrolowany workspace: /workspace or configured workspace root
Optional remote workers: outbound machine connections

Docelową isolation boundary jest container lub VM uruchamiający service.

Zacznij według scenariusza

Scenariusz Zacznij tutaj Dlaczego
Pierwszy public ChatGPT deployment Quickstart Ścieżka Docker Compose z OAuth i setup /mcp
Wybór runtime layer Runtime choices Opisuje Docker, VS Code, binary, Python i stdio jako osobne runtime options
Dodanie ChatGPT jako client ChatGPT connector Endpoint, OAuth, pierwszy bezpieczny prompt, tool discovery
Dodać LSM do DeepSeek Harness Plugin DeepSeek Harness Zainstalować repository jako DSH bundle, zachowując pełną powierzchnię narzędzi LSM i remote workers
Uruchomienie z VS Code VS Code extension runtime Editor-launched runtime i uwagi host safety
Nauka obsługi toolset Usage patterns Prompt templates i tool-choice guidance
Zrozumienie każdego tool Tools reference Purpose, inputs, returns, combinations i notes dla każdego tool
Podłączenie HPC, NPU/GPU lub server node Remote workers Outbound worker join flow i remote tool usage
Udostępnianie generated files File links Tokenized download URLs z TTL i revoke
Hardening deployment Security Isolation, OAuth, workspace scope i audit logs

Główne tool families

Family Przykłady Zastosowanie
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 i precise edits
Git run_shell, run_shell, run_shell, run_shell Reviewable source-control workflows
Sessions i goals session_manage, plan_manage Trwały task handoff, progress report i opcjonalny Goal mode
Browser browser_session, browser_snapshot, browser_act, browser_run_script Persistent interaction, UI checks, screenshots, rendered docs i page text
File links link_create, link_revoke Download generated artifacts z chat
Remote workers remote_manage, run_shell, remote_transfer Machines za NAT, firewalls lub cluster login flows

Typowe workflows

Coding z ChatGPT

  1. Uruchom runtime, np. Docker Compose, VS Code extension, binary lub Python, w dedicated workspace.
  2. Expose HTTP runtime, jeśli ChatGPT potrzebuje network access.
  3. Dodaj public /mcp endpoint do ChatGPT.
  4. Najpierw poproś o repository inspection i read-only checks.
  5. Po zatwierdzeniu pozwól na patch files, tests, diff review, commit i push.
  6. Sprawdź audit log, gdy task dotyczy file links lub remote systems.

Remote HPC lub accelerator host

  1. Utwórz one-time remote worker invite.
  2. Wklej generated command na remote host.
  3. Używaj normal tools z machine; Git przez run_shell, transfer przez remote_transfer.
  4. Po task revoke worker.

Artifact generation

  1. Pozwól AI generate file pod /workspace.
  2. Utwórz tokenized file link z TTL/download limits.
  3. Udostępnij link w chat.
  4. Po zakończeniu revoke.

Język

Ta site jest buildowana natywnym MkDocs i18n plugin. Użyj language selector w header, aby przełączać English i translated pages. Pages bez translation fallbackują do English.