StuMason/coolify-mcp

해결하는 문제

이 프로젝트는 Claude, Cursor, 또는 기타 MCP 호환 도구와 같은 AI 클라이언트를 통해 자연어로 자체 호스팅된 Coolify PaaS(플랫폼형 서비스)를 관리할 수 있는 Model Context Protocol (MCP) 서버를 제공합니다. 일반적인 배포, 디버깅, 운영 작업을 위해 Coolify 대시보드를 수동으로 탐색할 필요가 없어집니다.

작동 방식

서버는 AI 어시스턴트와 Coolify v4 API 사이의 다리 역할을 합니다. AI가 호출할 수 있는 44개의 통합 도구를 노출하여 애플리케이션 배포, 데이터베이스 관리, 환경 변수 업데이트, 시스템 상태 확인 등의 작업을 수행할 수 있습니다. LLM의 컨텍스트 창을 최적화하기 위해 서버는 통합된 액션-파라미터 도구를 사용하며, 원시 API 응답 대신 리소스의 요약된 프로젝션을 반환합니다.

대상 사용자

자신의 애플리케이션을 호스팅하기 위해 Coolify를 사용하고, 인프라스트럭처 관리를 AI 기반 개발 및 채팅 환경에 통합하고자 하는 DevOps 엔지니어, 개발자, 시스템 관리자.

주요 특징

• 포괄적인 도구 세트: 인프라 개요, 진단, 배치 작업, 서버/프로젝트/환경/애플리케이션 로그, 데이터베이스 관리, 클라우드 공급업체 통합(Hetzner/DigitalOcean)을 위한 도구 포함.
• 토큰 최적화: 도구 정의를 약 6,600토큰(기존 약 43,000)으로 줄여 컨텍스트 창 공간을 절약.
• 안전성 가드레일: 리소스 삭제나 모든 애플리케이션 중지와 같은 파괴적 작업에 대해 인간의 확인(엘리시테이션)을 구현하며, 기본적으로 API 경계에서 비밀 정보를 마스킹합니다.
• 검증된 배포: deploy 도구는 종료 상태를 폴링하고 실패 시 로그의 끝부분을 반환하여 단순한 HTTP 응답보다 신뢰성 높은 성공 확인이 가능합니다.
• 문서 검색: Coolify 자체 문서 전체에 대한 텍스트 검색을 통합하여 AI 어시스턴트가 더 나은 문제 해결 조언을 제공할 수 있도록 합니다.