Codehooks.io MCP Server (under construction 🚧)

Codehooks.io MCP 服务

一个 MCP（Model Context Protocol）服务，为 AI Agent 提供数据库操作、无服务器代码部署和文件管理功能，运行于 Codehooks.io 平台。

何时使用此 MCP，而非直接使用 CLI

环境	是否有终端？	推荐方式
Claude Code	是	直接使用 coho CLI
Cursor	是	直接使用 coho CLI
Claude Desktop	否	使用此 MCP 服务

对于可访问终端的 AI Agent（Claude Code、Cursor 等）

直接使用 Codehooks CLI 更简单灵活：

1. 安装 CLI：npm install -g codehooks
2. 登录：coho login
3. 获取 AI 提示词：coho prompt
4. 或参考在线文档：https://codehooks.io/llms.txt

随后，Agent 可以直接在终端运行 coho 命令。

对于 Claude Desktop（无法访问终端）

使用此 MCP 服务，让 AI 能够访问 Codehooks 功能。请参阅下方的设置部分。

可用功能

数据库与集合

• 使用筛选条件和排序查询及更新集合（包括元数据）
• 创建和管理集合
• 导入/导出数据（JSON、JSONL、CSV）
• 添加架构和索引，限制集合容量

代码部署

• 部署 JavaScript 无服务器函数

文件操作

• 将文件上传到云存储
• 列出和浏览文件
• 删除文件
• 检查文件元数据

键值存储

• 存储键值对
• 检索一个或多个键值对
• 删除键值对
• 为键值对设置生存时间（TTL）

系统操作

• 查看应用日志
• 访问 API 文档（供 MCP Agent 使用的本地文档）

设置

获取 Codehooks 管理员令牌（请妥善保密！）

coho login
coho add-admintoken

创建 MCP 服务脚本

为 MCP 服务脚本创建一个文件夹：

mkdir ~/mcp-servers
cd ~/mcp-servers

对于 macOS/Linux - 创建 codehooks.sh：

#!/bin/bash

# Set PATH to include common Docker locations
export PATH="/usr/local/bin:/opt/homebrew/bin:/usr/bin:/bin:$PATH"

exec docker run --rm -i \
  --pull always \
  -e CODEHOOKS_PROJECT_NAME=your_project_name \
  -e CODEHOOKS_ADMIN_TOKEN=your_admin_token \
  -e CODEHOOKS_SPACE=your_space_name \
  ghcr.io/restdb/codehooks-mcp:latest

使其可执行：

chmod +x ~/mcp-servers/codehooks.sh

对于 Windows - 创建 codehooks.bat：

@echo off
docker run --rm -i ^
  --pull always ^
  -e CODEHOOKS_PROJECT_NAME=your_project_name ^
  -e CODEHOOKS_ADMIN_TOKEN=your_admin_token ^
  -e CODEHOOKS_SPACE=your_space_name ^
  ghcr.io/restdb/codehooks-mcp:latest

将 your_project_name、your_admin_token 和 your_space_name 替换为实际值。

为 Claude Desktop 配置

添加到你的 claude_desktop_config.json：

macOS/Linux：

{
  "mcpServers": {
    "codehooks": {
      "command": "/Users/username/mcp-servers/codehooks.sh"
    }
  }
}

Windows：

{
  "mcpServers": {
    "codehooks": {
      "command": "C:\\Users\\username\\mcp-servers\\codehooks.bat"
    }
  }
}

为 Cursor 配置

添加到你的 ~/.cursor/mcp.json：

macOS/Linux：

{
  "mcpServers": {
    "codehooks": {
      "command": "/Users/username/mcp-servers/codehooks.sh"
    }
  }
}

Windows：

{
  "mcpServers": {
    "codehooks": {
      "command": "C:\\Users\\username\\mcp-servers\\codehooks.bat"
    }
  }
}

将 username 替换为你的实际用户名。

请求示例

• “构建一套完整的问卷调查系统：创建数据库，部署用于收集回复的 API，并添加搜索/分析端点”
• “搭建实时库存跟踪系统：导入我的产品 CSV，创建库存更新 Webhook，并构建低库存警报”
• “构建 Webhook 处理流水线：接收来自多个来源的 Webhook，转换并验证数据，然后触发自动化操作”
• “构建内容管理系统：创建文件上传端点，设置元数据数据库，并部署内容交付 API”
• “搭建自动数据备份：将我的集合导出为 JSON 文件，附带时间戳进行存储，并创建恢复端点”

这些示例的工作方式

完整的问卷调查系统

AI Agent 将会：

1. 创建集合（surveys、responses）以存储数据
2. 添加架构，用于数据验证和结构定义
3. 部署 JavaScript 端点，例如 POST /surveys 和 GET /surveys/:id/analytics
4. 在回复字段上创建索引，以便快速搜索和分析

实时库存跟踪系统

AI Agent 将会：

1. 导入你的 CSV，填充 products 集合
2. 部署 Webhook 处理程序，用于处理 POST /inventory/update 和 GET /inventory/low-stock
3. 设置键值存储，用于保存警报阈值和设置
4. 在 SKU 和库存水平上创建索引，以支持实时查询

Webhook 处理流水线

AI Agent 将会：

1. 部署 webhook 接收器，例如 POST /webhooks/stripe 和 POST /webhooks/github
2. 创建集合，用于存储 webhook_logs、processed_events 和 failed_events
3. 为每个 webhook 来源设置数据转换规则和验证架构
4. 使用键值存储进行速率限制和重复检测，并设置 TTL
5. 部署操作触发器，根据 webhook 数据发送邮件、更新数据库或调用其他 API

内容管理系统

AI Agent 将会：

1. 创建集合，用于存储 content、media 和 users
2. 部署文件上传端点，包括 POST /upload 和 GET /content/:id
3. 上传和管理静态文件，以便分发内容
4. 存储元数据，将文件关联到内容记录，并建立搜索索引

自动数据备份

AI Agent 将会：

1. 将集合导出为带时间戳的 JSON 格式
2. 自动将备份文件上传到云存储
3. 部署恢复 API，例如 GET /backups 和 POST /restore/:backup-id
4. 将备份元数据存储在键值存储中，以便跟踪和管理

每个示例都展示了多个 MCP 工具如何协同工作，通过与 AI Agent 自然对话来构建完整、可用于生产环境的系统。

安全研究人员

感谢以下人士负责任地披露问题，帮助改进本项目的安全性：

• Liran Tal – 报告了 query_collection 工具中的命令注入漏洞（2025 年 5 月）

许可证

本项目采用 MIT License 许可。