MCP 서버 통합
클로드 코드, 클로드 데스크톱, 커서, 윈드서프 (Cursor) 를 MCP (Model Context Protocol) 를 통해 연결합니다.
이 페이지에
- [MCP는 무엇인가]
- [설비]
- [클로드 데스크톱]
- [클로드 코드]
- [바람수색 경로]
- [환경 변수]
- [가용 도구]
- [자원]
- [사례 작업 흐름]
- [개발]
에이전트 & Dev 액세스
- [공사 접근 개요]
- [플랫폼 API 참조]
- [CLI 가이드]
- [MCP 통합]
또한 참조
- [← 모든 위키 기사]
- 플랫폼 →
통합 MCP 프로토콜
클로드 코드, 클로드 데스크톱, 커서, 윈드서프로 CenterOS를 연결합니다. 모든 31개의 플랫폼 액션은 자동으로 인공지능 도구가 됩니다.
2026년 4월 업데이트
MCP란 무엇 입니까?
**모델 컨텍스트 프로토콜 (MCP) **는 AI 보조자가 외부 데이터 소스와 도구에 연결할 수 있는 오픈 표준입니다. 플랫폼과 AI 도구 사이에 데이터를 수동으로 복사하는 대신, MCP는 보조자가 데이터 세트를 목록화하고, 훈련 일자리를 만들고, 모델을 배포하는 등 자연 언어를 통해 플랫폼 행동을 직접 호출할 수 있습니다.
** 0 구성 도구:** 서버는 시작 시 백엔드에서 동작을 동적으로 발견합니다. 새로운 동작이 플랫폼에 추가되면 MCP 서버가 다시 시작하면 자동으로 동작을 검색합니다. 하드코드 된 도구 정의가 없습니다.
설치
껍질 복사
# 또는 uvx로 직접 실행 (설치 필요 없습니다) $ uvx 센테로스-mcp
출처에서 $ cd 무경성 플랫폼/centeros-mcp $ pip 설치 - e .
전제 조건
플랫폼에서 개인 액세스 토큰 (PAT) 을 필요로 합니다. CenterOS CLI 또는 플랫폼 래시보드에서 하나를 생성하십시오:
껍질 복사
$ centeros pat create --name "mcp-server" --scopes "*" PAT 제작: FRL_ABC123...
클로드 데스크톱
클로드 데스크톱 구성 파일에 다음을 추가합니다:
- macOS:
T2 - ** 윈도우:**
T3
json 복사
{ { { "mcpServers": { "센터스": { "위령": "uvx", "args": ["--에서", "centeros-mcp", "centeros-mcp"), "env": { "CENTEROS_TOKEN": "네 발자국 이리 와" ♪ ♪ ♪ ♪
클로드 데스크톱을 다시 시작하세요. CenterOS 도구는 도구 메뉴에 표시됩니다.
클로드 코드
프로젝트에서
json 복사
{ { { "mcpServers": { "센터스": { "위령": "uvx", "args": ["--에서", "centeros-mcp", "centeros-mcp"), "env": { "CENTEROS_TOKEN": "네 발자국 이리 와" ♪ ♪ ♪ ♪
커서 / 윈드 서핑
두 편집기는 MCP 서버를 설정으로 지원합니다. 편집자의 MCP 설정 패널에 동일한 구성 (コマンド + env) 를 추가하십시오. 서버 이름, 명령어, args 및 환경 변수는 위의 클로드 구성과 동일합니다.
환경 변수
| Variable | Required | Description |
|---|---|---|
CENTEROS_TOKEN |
Yes | Bearer token -- JWT or PAT (starts with frl_). |
CENTEROS_PAT |
No | Alias for CENTEROS_TOKEN. |
CENTEROS_API_URL |
No | Backend URL. Default: https://fearless-backend-533466225971.us-central1.run.app |
사용 가능한 도구
서버는 백엔드에서 모든 동작을 동적으로 기록합니다. 이 도구들은 카테고리로 정리됩니다.
데이터 세트
list_datasets, get_dataset, delete_dataset, upload_dataset, get_upload_signed_url, confirm_upload
교육
list_training_jobs, create_training_job, get_training_status, launch_training, get_finetune_catalog, estimate_cost
모델
list_models, register_model, promote_model, get_model_lineage
함대
get_fleet_summary, list_robots, get_robot_state, register_robot, deploy_model, emergency_stop
해고
list_annotation_tasks, create_annotation_task, get_annotation_metrics, submit_task
조직
list_orgs, list_org_members, invite_member
통계에 관한 자료
get_platform_stats, get_system_health
활용 도구
T43 -- 이름에 따라 어떤 동작을 실행 (동적 등록이 빠진 경우 실패) T44 -- 전체 액션 카탈로그를 반환합니다
전체 입력 스케임과 각 동작의 설명은 Platform API Reference 에서 참조하십시오.
MCP 자원
또한 서버는 AI 도구가 컨텍스트에 사용할 수 있는 읽기 전용 리소스를 노출합니다.
| URI | Description |
|---|---|
platform://health |
Backend health check status. |
platform://stats |
Platform-wide statistics (datasets, training, robots). |
platform://actions |
Full action catalogue with schemas. |
일 흐름 예제
MCP 서버가 구성되면 자연어를 사용하여 플랫폼과 상호 작용할 수 있습니다. 다음은 몇 가지 예를 들어 대화입니다.
플랫폼 상태를 확인
여러분: 로봇 플랫폼의 현재 상태는 무엇일까요?
플랫폼 통계와 함대 요약을 확인해 보겠습니다. [콜을 얻으세요] 여러분의 플랫폼에는 247개의 데이터 세트 (18.3GB), 15개의 교육 작업 (3개의 실행) 그리고 12개의 로봇이 함대에 있습니다 (8개의 로봇은 온라인, 4개의 로봇은 오프라인)
종결부터 종결까지 교육 작업 흐름
당신은: 포착과 관련된 모든 HDF5 데이터 세트를 찾아, 이러한 데이터 세트를 이용한 전파 정책 교육 작업.
먼저 데이터 세트를 찾아보겠습니다. [콜 리스트_데이터셋을 검색="그래스프", 파일_type="hdf5"] 3개의 일치하는 데이터 세트를 찾았습니다. 지금 훈련 직장을 만들고 있습니다. [콜은 데이터 세트와 함께 훈련 직장을 만들 수 있습니다_ids=[42,43,44]] 교육 작업 "dp-grasp-0424" (업계: abc123) 를 만들 수 있습니다.
모델 배포
우리 최신 검증된 모델을 ARM-01에 배치해
최후의 검증된 모델을 찾아보겠습니다.
[콜 리스트_모델 status="validated"]
모델 "dp-v1" (ID 5, 태그 v-a1b2c3) 를 찾았습니다.
개발
개발 또는 디버깅을 위해 MCP 서버를 로컬로 실행하려면:
껍질 복사
지역적으로 실행 $ cd 무경성 플랫폼/centeros-mcp $ pip 설치 - e . $ CENTEROS_TOKEN=frl_xxx 센터스-mcp
MCP 검사와 디버깅 $ npx @modelcontextprotocol/inspector centeros-mcp
다음 단계
API 참조 모든 39 가지 행동과 스케마를 가진 전체 REST API 문서 → CLI 가이드 터미널 기반 작업 흐름에 CenterOS CLI를 사용하십시오 → Agent Access Overview 3가지 방법으로 플랫폼을 프로그래밍적으로 액세스합니다 → 오픈 플랫폼 브라우저에서 모든 것을 관리하십시오 →