สะพานสำหรับ LLMs เพื่อโต้ตอบกับกระบวนการเทอร์มินัลสด
interactive-process-mcp โดย UserB1ank เป็นเซิร์ฟเวอร์ MCP ที่ให้เอเจนต์ AI มีความสามารถในการใช้เทอร์มินัลแบบโต้ตอบสำหรับเวิร์กโฟลว์หลายขั้นตอน มันช่วยให้เอเจนต์เปิดเซสชันเชลล์ที่คงอยู่ ส่ง stdin ไปยังโปรเซสที่ทำงานอยู่ จับ stdout และ stderr สตรีมแบบเรียลไทม์ และจัดการคำสั่งพื้นหลังที่ทำงานยาวนาน สร้างขึ้นบน Model Context Protocol มันมีการสื่อสารแบบสองทาง รายการโปรเซส การควบคุมการสิ้นสุด และเซสชันที่มีสถานะ นักพัฒนา ผู้ใช้ที่มีพลัง และนักวิจัย AI ที่ใช้ LLMs ที่เข้ากันได้กับ MCP จะได้รับการควบคุมการทำงานอัตโนมัติของเทอร์มินัลสำหรับเวิร์กโฟลว์ CLI.
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เครื่องมือมีเป้าหมายที่การทำงานแบบโต้ตอบในบรรทัดคำสั่ง เช่น การรัน REPLs, โปรแกรมติดตั้งแบบโต้ตอบ, เซสชันการแนบดีบักเกอร์ และงานบำรุงรักษาที่มีสคริปต์ซึ่งต้องการการป้อนข้อมูลซ้ำ เนื่องจากมันส่งข้อมูล stdin ของกระบวนการและสตรีม stdout/stderr แบบเรียลไทม์ ตัวแทนสามารถควบคุมกระบวนการที่ทำงานยาวนานและกำหนดคำสั่งถัดไปตามผลลัพธ์สด ตัวอย่างที่ใช้จริงรวมถึงการขับเคลื่อนการทดสอบที่เรียกร้องให้ป้อนข้อมูลและการทำให้สคริปต์การปรับใช้หลายขั้นตอนเป็นอัตโนมัติ
มันยากไหมที่จะปรับใช้และรวมเข้าด้วยกัน?
การปรับใช้ต้องมีความคุ้นเคยในการพัฒนา: เครื่องมือมักจะทำงานเป็นเซิร์ฟเวอร์ท้องถิ่นในสภาพแวดล้อม Go หรือ Node.js และรวมเข้ากับโฮสต์ MCP เช่น Claude Desktop ลูกค้าที่สนับสนุน Model Context Protocol สามารถเชื่อมต่อกับมันได้ องค์ประกอบการตั้งค่าทั่วไปประกอบด้วย:
- แอปพลิเคชันโฮสต์ที่สนับสนุน MCP
- รันไทม์ Go หรือ Node.js
- การเข้าถึงเครือข่ายระหว่างลูกค้าและเซิร์ฟเวอร์
ข้อจำกัด สถานะการบำรุงรักษา และผลกระทบต่อความเป็นส่วนตัวคืออะไร?
นักพัฒนาชี้ให้เห็นว่าฟังก์ชันการทำงานได้ย้ายไปยังโครงการผู้สืบทอดที่ชื่อว่า termcp ดังนั้นที่เก็บนี้จึงทำหน้าที่เป็นการดำเนินการที่มุ่งเน้นและเป็นมรดก เนื่องจากเซิร์ฟเวอร์มักทำงานในท้องถิ่น ผู้ดูแลระบบสามารถเก็บ I/O ของกระบวนการไว้ในระบบโฮสต์ แต่การจัดเส้นทางข้อมูลจริงขึ้นอยู่กับการกำหนดค่าลูกค้า MCP เครื่องมือจะเปิดเผยสตรีมกระบวนการดิบ ดังนั้นการตรวจสอบระดับสูงกว่าหรือการตรวจสอบโดยมนุษย์จึงยังคงจำเป็นเมื่อเอเจนต์ทำการเปลี่ยนแปลงระบบที่ละเอียดอ่อน
การอ้างอิงที่มุ่งเน้นสำหรับนักพัฒนาและนักวิจัย
เนื่องจากนักพัฒนาได้ออกแบบเซิร์ฟเวอร์ให้เป็นการใช้งานที่เบาและมุ่งเน้น เครื่องมือนี้เหมาะสำหรับนักพัฒนาและนักวิจัย AI ที่ต้องการสะพานเชื่อมที่น้อยที่สุดและสามารถตรวจสอบได้ระหว่าง LLM และ shell ถือว่าเป็นการอ้างอิงหรือส่วนประกอบทดลองมากกว่าที่จะเป็นบริการผลิตที่พร้อมใช้งาน; จับคู่กับไคลเอนต์ที่รองรับ MCP ซึ่งให้การควบคุมเซสชันและการตรวจสอบเมื่อทำงานกับการทำงานที่ละเอียดอ่อน.
