​
什么是 MCP (Model Context Protocol)?

MCP (Model Context Protocol) 是一个创新的开源协议，它的核心目标是彻底简化 AI 应用程序的开发流程。通过提供标准化的通信接口，MCP 在 AI 模型与应用程序上下文之间搭建了一座智能桥梁，让开发者能够更加高效地构建和部署 AI 驱动的应用。

​
MCP Docker 服务器使用指南

1737166178 在容器化技术日益普及的今天，Docker 的管理和运维工作往往需要掌握大量的命令和配置知识。MCP Docker 服务器应运而生，它是一个革命性的工具，能让你通过自然语言来管理 Docker 容器，大大降低了使用门槛。 通过 MCP Docker 服务器，你可以用日常对话的方式来完成复杂的容器管理任务。例如，你只需要用自然语言告诉 AI：“启动一个 Nginx 容器并映射到 8080 端口，挂载指定目录的静态文件”，AI 就能自动完成所有必要的部署步骤，包括：
  • 拉取合适的镜像
  • 配置端口映射
  • 设置目录挂载
  • 启动并管理容器
这种方式不仅大大简化了 Docker 的使用流程，还能帮助团队提高工作效率，减少人为错误。无论你是 Docker 新手还是经验丰富的运维人员，MCP Docker 服务器都能让你的容器管理工作变得更加轻松自如。

​
Spring AI 与 Docker 集成

Spring AI 提供了强大的 MCP 集成能力，让开发者能够轻松地将 AI 能力引入到 Docker 容器管理中。

​
环境准备

    1. 安装 uv
# 笔者这里使用 mac , 如果Windows的话去搜索一下安装就行啦
brew install uv
    1. 下载 mcp-docker-server 插件
git clone https://github.com/ckreiling/mcp-server-docker.git

​
创建客户端项目

首先需要在项目中添加相关依赖： 
<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.ai</groupId>
            <artifactId>spring-ai-bom</artifactId>
            <version>1.0.0-M5</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter</artifactId>
    </dependency>
    
    <dependency>
        <groupId>org.springframework.ai</groupId>
        <artifactId>spring-ai-openai-spring-boot-starter</artifactId>
    </dependency>
    
    <dependency>
        <groupId>org.springframework.experimental</groupId>
        <artifactId>spring-ai-mcp</artifactId>
        <version>0.4.1</version>
    </dependency>
</dependencies>

​
配置文件

笔者这里使用 deepseek v3 模型，只需要在 application.properties 中添加以下配置： 
spring.ai.openai.chat.options.model=deepseek-chat
spring.ai.openai.base-url=https://api.deepseek.com
spring.ai.openai.api-key=sk-XXX

​
MCP Docker 客户端实现

以下是一个使用 Spring AI 和 MCP 来管理 Docker 容器的示例实现： 

@Bean
public CommandLineRunner dockerCommands(ChatClient.Builder chatClientBuilder,
                                        List<McpFunctionCallback> functionCallbacks,
                                        ConfigurableApplicationContext context) {

    return args -> {
        var chatClient = chatClientBuilder
                .defaultFunctions(functionCallbacks.toArray(new McpFunctionCallback[0]))
                .build();
        // 示例：使用自然语言管理 Docker 容器
        String command = "启动一个 Nginx 容器并映射到 8888 端口 ，并挂载 /Users/lengleng/work/open/pig-ui/docker/dist 的静态页面";
        System.out.println("执行命令: " + command);
        System.out.println("AI 响应: " + chatClient.prompt(command).call().content());

        context.close();
    };
}

@Bean
public List<McpFunctionCallback> functionCallbacks(McpSyncClient mcpClient) {
    return mcpClient.listTools(null)
            .tools()
            .stream()
            .map(tool -> new McpFunctionCallback(mcpClient, tool))
            .toList();
}

@Bean(destroyMethod = "close")
public McpSyncClient mcpClient() {
    // 配置 Docker MCP 服务器,指向 mcp-server-docker 插件的路径
    var dockerParams = ServerParameters.builder("uv")
            .args("--directory", "/Users/lengleng/Downloads/mcp-server-docker", "run", "mcp-server-docker")
            .build();

    var mcpClient = McpClient.using(new StdioClientTransport(dockerParams))
            .requestTimeout(Duration.ofSeconds(30))
            .sync();

    var init = mcpClient.initialize();
    System.out.println("Docker MCP 服务初始化状态: " + init);

    return mcpClient;
}
1737112193

​
执行日志示例

以下是一个完整的执行过程示例，展示了如何使用自然语言命令来管理 Docker 容器： 
# 1. 执行自然语言命令
执行命令: 启动一个 Nginx 容器并映射到 8888 端口，并挂载 /Users/lengleng/work/open/pig-ui/docker/dist 的静态页面

# 2. 系统检查现有容器
发现冲突: 容器名称 "/nginx_container" 已被容器 "3f20f2720263..." 使用
状态: 系统自动处理冲突，移除旧容器

# 3. 创建新容器
容器ID: db72b87c2069...
容器名称: nginx_container
状态: 创建成功

# 4. 启动容器
状态: 运行中
端口映射: 80 -> 8888
目录挂载: /Users/lengleng/work/open/pig-ui/docker/dist -> /usr/share/nginx/html

# 5. 最终结果
✅ Nginx 容器成功启动
✅ 端口 8888 成功映射
✅ 静态文件目录成功挂载
通过这个日志示例，我们可以看到 MCP Docker 服务器是如何：
  1. 智能理解自然语言命令
  2. 自动处理容器名称冲突
  3. 正确配置端口映射和目录挂载
  4. 完成容器的创建和启动
这种自动化的过程大大简化了 Docker 容器的管理工作，即使是复杂的操作也能通过简单的自然语言命令完成。