DockaShell

DockaShell

DockaShell 是一个 MCP（模型上下文协议）服务，为 AI Agent 提供隔离的 Docker 容器供其使用。每个 Agent 都拥有自己的持久化环境，支持 Shell 访问、文件操作和完整的审计记录。

这是一个探索 Agent 自主性的研究项目：基于 Shell 的工作流能推进到什么程度？Agent 能否管理自己的开发环境并创建自己的工具？

为何开发此项目

当前的 AI 助手面临一些根本限制：

• 没有持久记忆：对话会重置，上下文会丢失，Agent 无法基于之前的工作继续推进
• 需要人工看管工具：每条 Shell 命令都需要人工批准，打断了 Agent 的工作流和自主性
• 工具集有限：Agent 只能使用预定义的工具，而无法构建自己所需的工具
• 无法自我反思：无法分析自己的轨迹以改进，或从过去的会话中学习

DockaShell 移除了这些限制，以探索可能出现的全新能力：

• 自我进化的 Agent：构建并改进自己的工具、脚本和工作流
• 持续记忆：维护可跨会话持久保存的知识库、Wiki 和笔记本
• 自主探索：无需人工持续干预即可运行 Shell 命令
• 元学习：分析之前的轨迹，以改进决策和工具使用

核心问题是：当 Agent 拥有真正的持久性和自主性时，能够完成什么？

工作原理

AI Agent (Claude/GPT/...)
  ↔ DockaShell (MCP Server)
      └─ Docker Engine
          ├─ Container A (Project 1)
          │    └─ Persistent Volume
          ├─ Container B (Project 2)
          │    └─ Persistent Volume
          └─ Container C (Project 3)
               └─ Persistent Volume

每个 AI Agent 都拥有自己的隔离 Docker 容器和持久化存储。Agent 无需使用数十种定制工具，而是使用标准 Shell 命令（bash、git、npm 等）并构建自己的工作流。

核心原则：

• Shell > 专用工具：Agent 已经会使用 POSIX，因此让它们使用真实命令
• 容器隔离：容器内拥有完全自主权，不会给主机系统带来任何风险
• 持久化工作区：文件、数据库和上下文可跨会话保留
• 完整审计记录：每条命令和文件变更都会被记录，以供分析

→ 查看详细架构和安全模型

快速开始

# Install
npm install -g dockashell

# Setup
dockashell build
dockashell create my-project
dockashell start my-project

将以下内容添加到 MCP 客户端配置中：

{
  "mcpServers": {
    "dockashell": {
      "command": "dockashell",
      "args": ["serve"]
    }
  }
}

要求：Node.js 20+，Docker 正在运行

工作流示例

数据分析：Agent 启动 Python 环境、处理 CSV 文件并生成分析结果

Web 开发：Agent 构建 React 应用、安装依赖项，并运行带实时预览的开发服务器

研究助手：Agent 跨会话跟踪信息、维护 SQLite 数据库并记住上下文

文档

• CLI 使用方法 - 命令和工作流示例
• 配置 - 全局和项目设置
• MCP 工具 - 面向 Agent 的完整工具参考

当前状态

这是一个活跃的研究项目，并非生产级软件。核心功能适用于实验，但随着我探索 Agent 在持久化 Shell 环境中能够实现的能力，项目内容可能会发生变化。

欢迎贡献和反馈。

许可证

Apache License 2.0