DevEnvInfoServer - Cursor MCP Server for Development Environment Information

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

此项目实现了一个 Cursor Model Context Protocol（MCP）服务，可向 Cursor 代码编辑器提供开发环境的详细信息。借助此服务，Cursor 的智能 Agent 能够更深入地了解系统配置、已安装的工具和正在运行的进程，从而提供更了解上下文、更有帮助的协助。

功能

此 MCP 服务提供以下开发环境信息类别：

• 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
  • 排名前 20 的环境变量
  • 可用的 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）
• 开发环境详情：
  • 已安装的编译器和解释器（gcc、clang、javac、node、ruby、perl、php、ghc、rustc、go）
  • Jupyter 内核和运行中的容器（Docker、Podman）
  • 虚拟机（Hyper-V、VMware、VirtualBox）
  • GPU 和 CUDA 信息（NVIDIA GPU 和 CUDA 编译器版本）
  • 运行中的主要开发进程和服务
• Python 专属信息：
  • 已安装的 Python 包（pip、conda、poetry、pyenv）
  • Python site-packages 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
  • 温度传感器和风扇转速
• 网络和安全（简化）：
  • 运行中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、I/O 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 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）
  • 本地数据库和运行中的服务（对常见数据库服务进行简化检查）
• 测试和质量保证：
  • 已安装的测试框架（pytest、Jest、Mocha）
  • 代码检查工具和格式化工具（flake8、pylint、eslint、prettier）
• 机器学习和 AI 开发：
  • GPU 和 CUDA 信息
  • PyTorch 和 TensorFlow 状态（安装情况和 GPU 可用性）
• 嵌入式开发 / IoT：
  • 已安装的嵌入式 SDK（Arduino、ESP-IDF、Raspberry Pi 工具）
  • 已连接的设备和串行端口（串行端口简化列表）
• 效率和工作流增强：
  • Shell 别名、函数和自定义脚本
  • Shell 历史记录分析（基础——历史记录的最后 20 行）
  • 后台自动化和任务计划（对 cron/计划任务进行简化检查）

工作原理

此服务使用 Model Context Protocol (MCP) 构建，工作方式如下：

1. MCP 协议： 实现 MCP 服务协议，使 Cursor 能够与其通信，发现并使用其功能。
2. Stdio 传输： 服务使用 stdio 传输方式，即通过标准输入和输出流与 Cursor 通信。
3. 信息收集： 当 Cursor 的 Agent 请求信息时，此服务会执行各种系统命令（使用 subprocess）和 Python 库（platform、os、sys、psutil、pyserial 等），以收集有关开发环境的数据。
4. 基于工具的访问： 每个信息类别都以工具的形式提供给 MCP 服务。随后，Cursor 的 Agent 可以调用这些工具来获取特定信息。
5. Markdown 输出（可选）： 服务还可以选择生成 Markdown 文件（development_environment_info.md），其中包含所有收集到的信息，便于查看和调试。
6. Cursor 集成： Cursor 作为 MCP 客户端，可以连接到此服务并自动使用所提供的工具，从而更好地理解开发环境。

安装

按照以下步骤安装并运行此 MCP 服务：

1. 克隆仓库：

   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
   

配置 Cursor

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

1. 打开 Cursor 设置： 前往 Cursor Settings > Features > MCP。
2. 添加新的 MCP 服务： 点击 + Add New MCP Server 按钮。
3. 配置服务： 填写以下信息：
   • 类型： stdio
   • 名称： DevEnvInfoServer（或任意名称）
   • 命令： 输入用于运行服务的命令。如果当前位于 system_information_mcp 目录中，且已激活虚拟环境，则可以使用：

     python claudemcp.py
     

     注意： 如果 python 不在系统的 PATH 中，或者使用的是特定的 Python 可执行文件，可能需要提供 Python 解释器的完整路径，后接 claudemcp.py 的路径。例如：

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

4. 添加服务： 点击“Add Server”按钮。
5. 刷新工具列表（可选）： 可能需要手动点击 Cursor 中 MCP 服务列表右上角的刷新按钮，以加载工具列表。

现在，服务 DevEnvInfoServer 应该会出现在 Cursor 的 MCP 服务列表中，其工具也应可供 Composer 中的 Agent 使用。

在 Cursor 中使用

配置完成后，Cursor 的 Agent 会在认为与请求相关时，自动使用 DevEnvInfoServer 提供的工具。

• 自动使用工具： 在 Composer 中与 Cursor 的 Agent 交互时，它会智能判断回答问题或满足请求是否需要了解开发环境信息。如果需要，它会在后台自动使用此服务提供的工具。
• 主动提示使用工具： 你也可以在提示词中按名称或描述明确指示 Agent 使用这些工具。例如，你可以询问：
  • "当前环境中安装了哪些 Python 包？"
  • "使用 DevEnvInfoServer 工具列出系统中可用的 shell。"
• 工具审批： 默认情况下，Cursor 会在执行任何 MCP 工具前征求你的批准。批准前，你可以查看工具调用参数。
• YOLO 模式（可选）： 如果你希望自动执行工具而无需审批提示，可以在 Cursor 的 MCP 设置中启用“YOLO 模式”。请谨慎使用此模式，因为它允许自动执行 MCP 工具。

Cursor 会直接在聊天中显示 DevEnvInfoServer 工具的响应，为你提供所需的开发环境信息。