STARWARCLOUD STARWAR.AI
返回市场
系统信息

系统信息

作者：carterlasalle7 星标更新：2025-07-27
安装使用来源：spider==github.com

项目介绍

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

GitHub Repository smithery badge

该项目实现了一个Cursor模型上下文协议（MCP）服务器，该服务器向Cursor代码编辑器提供关于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、已安装工具和运行进程，从而提供更加情境感知且有用的帮助。

功能

此MCP服务器提供了以下关于您的开发环境的信息类别：

  • 系统信息：
    • 操作系统版本和平台详情
    • 硬件详情（处理器、机器、系统架构）
    • Python版本和位置
    • 已安装包管理器（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（操作系统依赖）
  • 开发环境详情：
    • 已安装编译器和解释器（gcc、clang、javac、node、ruby、perl、php、ghc、rustc、go）
    • Jupyter内核和运行容器（Docker、Podman）
    • 虚拟机（Hyper-V、VMware、VirtualBox）
    • GPU和CUDA信息（NVIDIA GPU和CUDA编译器版本）
    • 运行中的主要开发进程和服务
  • Python特定信息：
    • 已安装的Python包（pip、conda、poetry、pyenv）
    • Python站点包位置
    • 活动的Python环境
  • 包管理器详情：
    • Homebrew已安装的包（macOS和Linux）
    • 全局包（npm、yarn、Rust工具链、Go环境）
  • 配置和点文件：
    • 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）：
    • 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子系统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、IO瓶颈、GPU利用率
    • 可用的调试工具（lldb、gdb、strace、dtrace）
  • 版本控制和CI/CD：
    • Git配置和远程起源
    • CI/CD流水线配置文件（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：
    • 活动的调试会话（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）
    • 本地数据库和运行的服务（对常见DB服务的简化检查）
  • 测试和质量保证：
    • 已安装的测试框架（pytest、Jest、Mocha）
    • 代码检查器和格式化器（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）
    • 连接设备和串行端口（串行端口的简化列表）
  • 生产力和工作流程改进：
    • shell别名、函数和自定义脚本
    • shell历史分析（基本 - 最近20条历史记录）
    • 后台自动化和任务调度（对cron/计划任务的简化检查）

工作原理

此服务器使用模型上下文协议（MCP）构建，并按如下方式操作：

  1. MCP协议： 它实现了MCP服务器协议，允许Cursor与其通信以发现并利用其功能。
  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（如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服务器内的一个工具公开。Cursor的代理然后可以调用这些工具以检索特定信息。
  5. Markdown输出（可选）： 服务器可以选择生成一个包含所有收集信息的Markdown文件（development_environment_info.md），以便于审查和调试。
  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以增强其对您开发环境的理解。

安装

要安装并运行此MCP服务器，请按照以下步骤操作：

  1. 克隆存储库：

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

  2. 创建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

在Cursor中配置

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

  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MCP服务器按钮。
  3. 配置服务器： 使用以下详细信息填写表单：
    • 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。如果您在system_information_mcp目录中并且已经激活了虚拟环境，您可以使用： 
      python claudemcp.py
      注意： 如果python不在您的系统PATH中或您正在使用特定的Python可执行文件，则可能需要提供到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）： 您可能需要手动点击Cursor MCP服务器列表右上角的刷新按钮以填充工具列表。

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

在Cursor中的使用

一旦配置完成，Cursor的代理将在认为它们与您的请求相关时自动利用DevEnvInfoServer提供的工具。

  • 自动工具使用： 当您与Composer中的Cursor代理互动时，它会智能决定是否需要关于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，它将自动在后台使用此服务器提供的工具。
  • 有意图的工具提示： 您也可以明确指示代理使用这些工具，通过在提示中引用它们的名称或描述。例如，您可以询问：
    • “在我的当前环境中安装了哪些Python包？”
    • “使用DevEnvInfoServer工具列出我系统上的可用shell。”
  • 工具批准： 默认情况下，Cursor会在执行任何MCP工具之前请求您的批准。您可以在批准前查看工具调用参数。
  • YOLO模式（可选）： 如果您希望在没有批准提示的情况下自动执行工具，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将直接在聊天中显示DevEnvInfoServer工具的响应，为您提供所需的开发环境信息。