使用模型上下文协议、Docker 和 Continue Hub 简化 AI 开发

Chad Metcalf

2025年3月27日 • 阅读时长 6 分钟

Continue 和 Docker 联合发布的文章，探讨如何利用容器化的 MCP 块来增强您的 AI 原生开发体验

引言

随着开发者将 AI 集成到他们的工作流程中，他们面临着几个实际挑战：有限的模型上下文窗口、不足的工具访问以及难以将模型连接到外部数据源。由 Anthropic 开发的开放协议模型上下文协议 (MCP) 通过提供一种标准化的方法来连接大型语言模型 (LLM) 与外部数据源和工具，解决了这些限制。

Continue 和 Docker 已合作，通过 Continue Hub 使 MCP 块易于访问，允许开发者安全地使用这些强大的组件，同时保持容器提供的隔离性、可重现性和供应链安全性。

什么是模型上下文协议？

MCP 解决了 AI 开发中的一个基本问题：如何在不重建整个应用程序的情况下，让 LLMs 访问特定的工具和数据。这是一个客户端-服务器协议，其中：

客户端（如 Continue）发送请求以获取特定信息或执行操作
MCP 服务器响应该请求的数据或执行指定的操作
模型随后可以使用这些信息来提供更准确、更具上下文的响应

正如 Docker 所解释的：

"MCP（模型上下文协议）是由 Anthropic 开源的一种新协议，它为 LLM 应用程序提供了标准化的接口，以便与外部数据源和工具集成。借助 MCP，您的 AI 驱动应用程序可以从外部源检索数据，使用第三方服务执行操作，甚至与本地文件系统交互。"

在实践中，这意味着您的 AI 编码助手现在可以直接与您的 PostgreSQL 数据库交互、执行 git 命令或检索文档——而无需您将这些信息复制/粘贴到提示中。

为什么使用 Docker 用于 MCP 块？

直接运行 MCP 服务器可能会带来几个挑战：

环境冲突：安装 MCP 服务器通常需要特定版本的 Node.js、Python 和其他依赖项，这些可能与现有安装冲突
缺乏隔离：直接执行 MCP 服务器会获得对宿主文件和资源的广泛访问权限
设置复杂：传统设置需要下载、配置和管理代码及环境
跨平台问题：确保在不同架构和操作系统之间的一致性
依赖管理：安全地封装和分发特定于服务器的运行时依赖项

Docker 通过容器化 MCP 服务器来解决这些挑战，提供了：

隔离性：在受控环境中运行 MCP 服务器，而不影响您的宿主系统
可重现性：确保在开发、测试和生产环境中的一致行为
供应链安全性：通过您组织的注册表（JFrog Artifactory、AWS ECR、Azure Container Registry、Google Container Registry）扫描和镜像经过验证的容器镜像
干净的开发环境：避免使用随意安装的 uv 或 npx 污染您的系统
跨平台兼容性：无论操作系统或架构如何，都可以运行相同的容器

正如 Anthropic 的 David Soria Parra 所指出的：

"如果缺少 Docker，为 ffmpeg 构建一个 MCP 服务器将是一项极其困难的任务。Docker 是开发者最广泛使用的打包解决方案之一。正如它解决了云环境中的打包问题一样，现在它也有潜力解决富 AI 代理的打包问题。"

在 Continue Hub 中开始使用 Docker 化的 MCP 块

Continue Hub 现在支持基于 Docker 的 MCP 块，让您可以在您的 AI 原生开发工作流程中充分利用容器化 MCP 服务器的强大功能。让我们探讨两个强大的示例：mcp/postgres 和 mcp/memory。

示例 1：在 Continue 中使用 mcp/postgres

mcp/postgres MCP 块允许您的 AI 助手直接与 PostgreSQL 数据库交互，从而实现数据库感知的对话、查询甚至模式修改。我们与 Docker 合作，在 Continue 的 Hub 上发布了 mcp/postgres。

您可以将此块添加到任何助手。

然后为连接字符串添加一个密钥。格式如下：

postgresql://username:password@hostname:port/database

务必保存助手。

Continue 中的配置

name: Docker MCP Postgres 
version: 1.0.0
schema: v1

mcpServers:
  - name: Docker MCP Postgres
    command: docker
    args:
      - run
      - -i
      - --rm
      - mcp/postgres
      - postgresql://username:password@hostname:port/database

您可以做什么

配置好 Postgres MCP 块后，您可以向 Continue 提出以下问题：

“显示我们 users 数据库中的所有表”
“创建一个查询来查找过去 30 天内下订单的所有客户”
“帮我优化这个导致性能问题的慢查询”
“生成创建新表以存储用户活动日志的 SQL”

AI 将使用 Postgres MCP 服务器连接到您的数据库，检查模式，运行探索性查询，并根据您的实际数据结构提供上下文化相关的代码和解释。

示例 2：在 Continue 中使用 mcp/memory

mcp/memory MCP 块为您的 AI 助手提供持久化内存功能，使其能够在不同会话之间存储和检索重要信息。我们还与 Docker 合作，在 Continue 的 Hub 上发布了 mcp/memory。

将其添加到任何助手都只需点击一个按钮即可轻松完成。

务必保存助手。

Continue 中的配置

name: Docker MCP Memory
version: 1.0.0
schema: v1

mcpServers:
  - name: Docker MCP Memory
    command: docker
    args:
      - run
      - --rm
      - -i
      - mcp/memory

您可以做什么

配置好 Memory MCP 块后，您可以：

“记住我们的 API 认证方案使用有效期为 24 小时的 JWT token”
“我上周告诉你关于我们数据库模式什么了？”
“将此代码片段保存为我们的标准错误处理模板”
“回想一下我们团队的代码审查标准”

内存块创建了一个跨会话持续存在的知识存储，随着 AI 助手保留有关您的项目、偏好和开发模式的重要上下文，其价值会逐步增加。

对企业开发团队的益处

对于企业开发团队，容器化的 MCP 块提供了显著的优势：

增强的安全性：容器提供隔离，并可以扫描漏洞
一致的环境：所有开发者使用相同的 MCP 服务器配置
治理和合规性：集中式容器注册表支持跟踪和审计
版本控制：锁定特定 MCP 服务器版本以确保可靠性
供应链完整性：签署和验证容器镜像以防止篡改

企业团队可以将经过验证的 Docker 镜像镜像到内部注册表，应用安全扫描并确保符合组织策略。

迈向 AI 原生开发工作流程

许多开发团队已将 AI 工具集成到他们的工作流程中，但在当前实现中遇到了限制。Continue Hub、MCP 和 Docker 容器的结合有助于克服这些障碍，通过：

允许使用特定工具模块化扩展 AI 能力
标准化这些扩展的打包和分发方式
通过容器边界维护安全性和隔离性
实现 AI 扩展的版本控制和治理

这与 amplified.dev 宣言中概述的原则一致：

“我们相信开发者是被增强，而非被自动化的未来... 为了创建这些系统，我们每个人都有自己的需求，因此我们需要创建和调整我们自己的可复用组件。”

通过容器化 MCP 块，开发者可以精确地构建他们特定项目和环境所需的 AI 增强工作流程，而不是受限于单一供应商提供的功能。

入门指南

准备好在 Continue 中尝试容器化 MCP 块了吗？

确保您的系统上安装了 Docker Desktop
通过 VS Code 或 JetBrains 设置 Continue
使用上面所示的模式配置您想要的 MCP 块
开始利用您的 AI 驱动开发环境的增强能力进行构建

欲了解更多信息，请查阅：

结论

采用 AI 工具的开发者正在寻找安全、灵活、能融入现有工作流程且不会带来新问题的解决方案。通过将 Continue Hub 与 Docker 化的 MCP 块相结合，团队可以：

利用他们所需的特定功能扩展 AI 助手
维护组件之间的安全边界
避免依赖冲突和环境污染
标准化适用于整个组织的工具
构建一个价值逐步增加的 AI 增强开发环境

如果您希望改善您的 AI 原生开发体验，同时保持团队所需的安全性及可重现性，容器化的 MCP 块提供了一条可行的路径。