DevEnvInfoServer - 用于开发环境信息的 Cursor MCP 服务器

本项目实现了一个 Cursor 模型上下文协议 (MCP) 服务器，该服务器向 Cursor 代码编辑器提供有关您的开发环境的详细信息。通过利用此服务器，Cursor 的智能代理可以更深入地了解您的系统配置、已安装的工具和正在运行的进程，从而实现更具上下文感知和更有帮助的辅助。

功能

此 MCP 服务器提供有关您的开发环境的以下信息类别：

• 系统信息：
  • 操作系统版本和平台详细信息
  • 硬件详细信息（处理器、机器、系统架构）
  • Python 版本和位置
  • 已安装的包管理器（brew、npm、pip、yarn、uv、conda）及其版本
  • 虚拟环境信息（检测到的环境和活动环境）
  • 系统区域设置和时区
  • 前 20 个环境变量
  • 可用 Shell（bash、zsh、fish、sh、powershell、cmd.exe）
  • 简化的防火墙和网络配置（取决于操作系统）
• 开发环境详细信息：
  • 已安装的编译器和解释器（gcc、clang、javac、node、ruby、perl、php、ghc、rustc、go）
  • Jupyter 内核和正在运行的容器（Docker、Podman）
  • 虚拟机（Hyper-V、VMware、VirtualBox）
  • GPU 和 CUDA 信息（NVIDIA GPU 和 CUDA 编译器版本）
  • 正在运行的前几个开发进程和服务
• Python 特定信息：
  • 已安装的 Python 包（pip、conda、poetry、pyenv）
  • Python Site-Packages 位置
  • 活动 Python 环境
• 包管理器详细信息：
  • Homebrew 已安装的软件包（macOS 和 Linux）
  • 全局软件包（npm、yarn、Rust 工具链、Go 环境）
• 配置和 Dotfiles：
  • Shell 配置文件（.bashrc、.zshrc、.profile、.bash_profile、.config/fish/config.fish）
  • Git、NPM 和编辑器配置（VSCode、JetBrains、Neovim）
  • Shell 别名、函数和自定义脚本（来自 shell 配置文件）
• 已安装的应用程序：
  • 已安装的 IDE 和扩展（VSCode、JetBrains、Vim、Emacs）
  • 系统已安装的应用程序（简化列表）
• 系统和硬件性能（简化指标）：
  • CPU 负载平均值
  • 电池和电源管理配置
  • 温度传感器和风扇速度
• 网络和安全（简化）：
  • 正在运行的网络服务和开放端口
  • VPN 和代理设置
  • SSH 密钥和活动连接
  • 简化的防火墙日志和规则
• 容器化和虚拟化：
  • WSL（Windows Subsystem for Linux）
  • Docker 和 Kubernetes (kubectl)
  • Vagrant
  • 虚拟机（Hyper-V、VMware、VirtualBox）
• 开发工具和语言：
  • 已安装的开发语言（Rust、Node.js、Perl、Ruby、PHP、Haskell）
  • 版本管理工具（nvm、rbenv、rustup、pyenv）
• 调试和性能监控：
  • 负载平均值、内存使用情况、IO 瓶颈、GPU 利用率
  • 可用的调试器工具（lldb、gdb、strace、dtrace）
• 版本控制和 CI/CD：
  • Git 配置和远程源
  • CI/CD 管道配置文件（常见类型）
• 云和远程开发：
  • SSH 配置和活动远程会话
  • 云 SDK（AWS、GCP、Azure、DigitalOcean）
  • 远程代码执行环境（GitHub Codespaces、Gitpod）
• 代码执行和调试：
  • 活动调试器会话（基本检查）
  • 已安装的调试工具（lldb、gdb、xdebug、pdb）
• 构建系统和依赖管理：
  • 已安装的构建工具（Make、CMake、Bazel、Ninja）
  • 检测到的依赖文件（requirements.txt、package.json、Cargo.toml 等）
  • 已安装的编译器（gcc、clang、javac）
• 基础设施和 DevOps 工具：
  • 本地 Kubernetes 配置
  • DevOps 工具（Terraform、Pulumi）
  • 本地数据库和正在运行的服务（简化检查常见数据库服务）
• 测试和质量保证：
  • 已安装的测试框架（pytest、Jest、Mocha）
  • 代码 Linters 和格式化程序（flake8、pylint、eslint、prettier）
• 机器学习和 AI 开发：
  • GPU 和 CUDA 信息
  • PyTorch 和 TensorFlow 状态（安装和 GPU 可用性）
• 嵌入式开发 / IoT：
  • 已安装的嵌入式 SDK（Arduino、ESP-IDF、Raspberry Pi Tools）
  • 连接的设备和串口（串口的简化列表）
• 生产力和工作流程增强：
  • Shell 别名、函数和自定义脚本
  • Shell 历史记录分析（基本 - 历史记录的最后 20 行）
  • 后台自动化和任务调度（简化检查 cron/计划任务）

工作原理

此服务器使用模型上下文协议 (MCP) 构建，其工作方式如下：

1. MCP 协议： 它实现了 MCP 服务器协议，允许 Cursor 与其通信以发现和利用其功能。
2. Stdio 传输： 服务器使用 stdio 传输，这意味着它通过标准输入和输出流与 Cursor 通信。
3. 信息收集： 当 Cursor 的代理请求信息时，此服务器执行各种系统命令（使用 subprocess）和 Python 库（platform、os、sys、psutil、pyserial 等）来收集有关您的开发环境的数据。
4. 基于工具的访问： 每个信息类别都作为 MCP 服务器中的一个工具公开。 然后，Cursor 的代理可以调用这些工具来检索特定的信息。
5. Markdown 输出（可选）： 服务器可以选择生成一个 Markdown 文件 (development_environment_info.md)，其中包含所有收集的信息，以便更轻松地查看和调试。
6. Cursor 集成： Cursor 作为 MCP 客户端，可以连接到此服务器并自动利用提供的工具来增强其对您的开发上下文的理解。

安装

要安装和运行此 MCP 服务器，请按照以下步骤操作：

1. 克隆仓库：

   git clone https://github.com/carterlasalle/system_information_mcp.git
   cd system_information_mcp
   

2. 创建一个 Python 虚拟环境（推荐）：

   python -m venv venv
   

3. 激活虚拟环境：

   • 在 Linux/macOS 上：

     source venv/bin/activate
     

   • 在 Windows 上：

     venv\Scripts\activate
     

4. 安装依赖项：

   pip install -r requirements.txt
   

Cursor 配置

要将此 MCP 服务器连接到 Cursor，您需要在 Cursor 的设置中对其进行配置：

1. 打开 Cursor 设置： 转到 Cursor 设置 > 功能 > MCP。
2. 添加新的 MCP 服务器： 单击 + 添加新的 MCP 服务器 按钮。
3. 配置服务器： 使用以下详细信息填写表格：
   • 类型： stdio
   • 名称： DevEnvInfoServer（或您喜欢的任何名称）
   • 命令： 输入运行服务器的命令。 如果您位于 system_information_mcp 目录中并且已激活虚拟环境，则可以使用：

     python claudemcp.py
     

     注意： 如果 python 不在您的系统 PATH 中，或者您正在使用特定的 Python 可执行文件，您可能需要提供 Python 解释器的完整路径，后跟 claudemcp.py 的路径。 例如：

     /path/to/your/python venv/bin/python claudemcp.py
     

4. 添加服务器： 单击“添加服务器”按钮。
5. 刷新工具列表（可选）： 您可能需要手动按下 Cursor 中 MCP 服务器列表右上角的刷新按钮来填充工具列表。

服务器 DevEnvInfoServer 现在应该出现在 Cursor 的 MCP 服务器列表中，并且其工具应该可供 Composer 中的代理使用。

在 Cursor 中使用

配置完成后，Cursor 的代理将在认为与您的请求相关时自动利用 DevEnvInfoServer 提供的工具。

• 自动工具使用： 当您在 Composer 中与 Cursor 的代理交互时，它会智能地决定是否需要有关您的开发环境的信息来回答您的问题或满足您的请求。 如果是这样，它将在后台自动使用此服务器提供的工具。
• 有意工具提示： 您还可以通过在提示中按名称或描述引用这些工具来明确指示代理使用这些工具。 例如，您可以问：
  • “我的当前环境中安装了哪些 Python 包？”
  • “使用 DevEnvInfoServer 工具列出我系统上可用的 shell。”
• 工具批准： 默认情况下，Cursor 会在执行任何 MCP 工具之前征求您的批准。 您可以在批准之前查看工具调用参数。
• YOLO 模式（可选）： 如果您喜欢自动工具执行而无需批准提示，则可以在 Cursor 的 MCP 设置中启用“YOLO 模式”。 谨慎使用此模式，因为它允许自动执行 MCP 工具。

Cursor 会直接在聊天中显示来自 DevEnvInfoServer 工具的响应，从而为您提供所请求的开发环境信息。