AgentHubAgentHub

使用场景/文件系统与本地项目

文件系统 MCP 推荐

读写项目文件、执行本地命令的基础能力。几乎所有开发工作流的底座。

共匹配 7,282 个资源 · 第 26 / 152 页

什么是文件系统与本地项目?

文件系统 MCP 是本地开发工作流的底座:让 AI 列出目录、读取与创建文件、搜索代码、批量重命名与移动。官方参考实现 @modelcontextprotocol/server-filesystem 提供了带权限白名单的基础工具集,几乎所有「AI 改代码」场景都以它为第一块拼图。

配合 Shell / 终端类 MCP,AI 可以完成「读项目 → 改代码 → 跑构建 → 看报错」的完整闭环;配合 Git MCP 则能做分支操作与历史检索。注意:能力越强越要圈边界——只把需要的项目目录加入 allowed dirs,敏感路径(密钥、生产配置)绝不暴露。

在 Cursor / Claude Code / VS Code 中,Filesystem MCP 常与内置文件工具重叠。实践建议:编辑器内置工具负责当前项目,Filesystem MCP 负责跨目录任务(如同时操作多个仓库或生成物输出目录)。

适合做什么

  • 批量重构
  • 项目脚手架
  • 日志分析
  • 配置生成

不太适合

  • 无沙箱地访问整个磁盘
  • 处理未信任代码时不隔离

相关资源

查看全部 →

Engram 语义记忆层

v0.2.0

SkillClawHub2.5k

面向 AI 智能体的持久化语义记忆层。本地优先存储(SQLite+LanceDB),使用 Ollama 嵌入。跨会话存储并回忆事实、决策、偏好、事件与关系。支持记忆衰减、去重、类型化记忆(5 种)、记忆关系(7 种图关系)、按智能体/用户隔离、语义搜索、上下文感知回忆、从文本自动抽取(规则/LLM/混合)、导入导出、REST API 与 MCP 协议。解决上下文窗口与压缩失忆问题。服务运行于 localhost:3400,控制台在 /dashboard。通过 npm 安装(engram-memory),需要装有 nomic-embed-text 模型的 Ollama。

source
Agentic Shelf 实时商品货架 icon

Agentic Shelf 实时商品货架

MCP Serversmithery866

**面向 AI 智能体的实时商品目录、库存与价格。** Agentic Shelf 解决的是 AI 可见性问题,提供 AI 度量方法与工具,例如把电商店铺及其他平台的实时商务数据暴露出来,让 AI 助手能用最新、准确的数据回答“有货吗?”“多少钱?”“给我看详情”。 **工具** - `search_products`——按关键词查商品 - `list_products`——浏览目录 - `check_stock`——某 SKU 的实时库存与可售情况 - `get_price`——某 SKU 的当前价格 - `get_product_details`——完整详情(标题、描述、图片、标签、库存) 只读。后端:不限于 Shopify、WooCommerce 等电商平台。更多信息见 https://www.agenticshelf.ai

streamable-http

常见问题

Filesystem MCP 会让我整个磁盘可读吗?

默认不会。官方实现要求启动时显式传入允许访问的目录列表,AI 只能触达这些路径。这也是它比裸 Shell 更安全的原因。

有了编辑器内置文件工具还需要它吗?

跨项目目录、批量文件整理、无编辑器的脚本环境(如 CLI Agent 操作仓库外路径)时才需要;单项目内编辑用内置工具更省 token。

如何防止 AI 误删文件?

用版本控制兜底(删除可回滚)、只挂载必要目录、要求 AI 删除前列出目标清单确认,破坏性批量操作放沙箱先演练。

配套安装与配置教程

相关场景