MCP DOCKER

🚀 AI工具為開發者服務

本項目是由Docker容器支持的自適應工作流程，結合Markdown和大語言模型（LLM），為開發者開啟了無限的工作流可能性。

🚀 快速開始

您可以編寫提示並註冊它們作為MCP服務器。使用--mcp標誌以服務模式運行，然後通過git引用或路徑註冊提示，例如：

# ...
serve
--mcp
--register github:docker/labs-ai-tools-for-devs?path=prompts/examples/generate_dockerfile.md
--register /Users/ai-overlordz/some/local/prompt.md
# ...

許多實驗的來源，請訂閱我們的LinkedIn通訊

VSCode擴展

文檔

✨ 主要特性

Markdown是語言

人類已經使用它，LLM也是如此。此軟件使您能夠在Markdown文件中編寫複雜的工作流程，並在編輯器、終端或任何環境中通過自己的LLM運行它們。

Docker化工具

兼容OpenAI API的LLM已支持工具調用。我們相信這些工具可以是Docker鏡像。使用Docker的一些優勢在於：LLM能夠執行更多複雜操作、在更少的token中獲取上下文、在更廣泛環境中運行、並以沙盒環境運行。

會話循環

會話循環是每個工作流程的核心。工具結果、代理響應以及當然Markdown提示，都會通過此循環傳遞。如果一個代理遇到錯誤，它將嘗試使用不同的參數運行工具，甚至嘗試其他工具，直到獲得正確的結果。

多模型代理

每個提示都可以配置為使用不同的LLM模型或不同模型家族運行。這樣您可以根據任務選擇最佳模型。結合Docker後，前沿模型可以進行計劃，而輕量級本地模型負責執行操作。

項目為中心的設計

要從一個助手那裡獲得幫助以用於您的軟件開發循環中，唯一需要的上下文就是您正在處理的項目。

提取項目上下文

提取器是一個Docker鏡像，運行於項目上並將其信息提取到JSON上下文中。

提示作為可追蹤 artifact

提示存儲在GitHub倉庫中，並可以引用特定路徑和提交。例如：

github:docker/labs-githooks?ref=main&path=prompts/git_hooks

📚 詳細文檔

您是一位閱讀README的專家。請使用curl獲取https://github.com/docker/labs-ai-tools-for-devs項目的README，然後回答以下問題：這個項目是什麼？該項目是一個由Docker容器支持的自適應工作流程，是一個簡單的Docker鏡像，結合了Markdown和您選擇的LLM（大語言模型），能讓您在Markdown文件中編寫複雜工作流程，並在不同環境中通過自己的LLM運行它們，具備多模型代理、項目為中心設計等特性。