interactive-process-mcp:让 AI Agent 拥有交互式终端能力

当我们在终端里工作时,大量操作本质上是多轮交互的过程——SSH 登录服务器需要先输入密码,再执行命令;Python REPL 中逐行调试代码,每一步都依赖上一步的结果;交互式安装程序不时弹出 [Y/n] 提示等待回应。这些场景对人类来说稀松平常,但对于 AI Agent 而言却是一道难题:它们原生只能执行一次性命令,运行完毕立刻返回结果,无法在多个对话轮次中持续地读写同一个进程。

interactive-process-mcp 正是为解决这一痛点而生。它是一个基于 MCP(Model Context Protocol)协议的服务端,让 Claude Code 等 AI Agent 能够启动、操控和管理长时间运行的交互式进程,弥合了 AI 与真实终端之间的鸿沟。

核心设计

项目采用 PTY(伪终端)和 Pipe(管道)双模式架构。PTY 模式通过 pexpect 模拟真实终端,支持光标操作、颜色输出和终端控制序列,使得 SSH、top、htop 等依赖终端特性的程序能够正常运行。Pipe 模式则更轻量,基于 subprocess.Popen 实现,适用于简单的标准输入输出交互。

在数据流设计上,每个会话维护一个 1MB 大小的环形缓冲区。独立的 Reader Thread 持续将进程输出以 4KB 为单位泵入缓冲区,Agent 端通过 read_output 按需消费。已消费的数据自动清理,缓冲区满时丢弃最早的数据块,确保内存不会无限增长。线程间通过 threading.Lock
保证互斥访问,threading.Event 实现新数据通知,整体设计简洁高效。

项目还内置了 ANSI 转义码清除功能,可自动去除终端控制序列,让 Agent 获得干净的文本输出,不被颜色代码和光标定位符干扰判断。

丰富的交互能力

interactive-process-mcp 提供了 8 个 Tool 端点,覆盖进程的完整生命周期。start_process 启动进程并返回会话 ID 和初始输出;send_input 和 read_output 分别完成写入和读取;send_and_read 则将这两步合并为一个原子操作,极大简化了常见的交互模式。此外还支持多会话并行管理——Agent
可以同时运行 SSH 连接、HTTP 服务器和日志监控等多个独立进程,通过 list_sessions 统一查看状态,互不干扰。

进程终止同样经过精心设计:默认先发送 SIGTERM 请求优雅退出,等待可配置的宽限期后才会升级为 SIGKILL 强制终止,给进程充分的机会做清理工作。

典型应用场景

想象一下,Agent 通过 SSH 连接到远程服务器,依次输入密码登录、查看磁盘使用情况、重启服务——整个流程如同人类操作一般流畅。又或者在 Python REPL 中逐步探索数据,每一步的结果都能即时反馈给 Agent 进行下一步决策。安全研究人员还可以借助它运行 impacket
等安全工具,完成复杂的多步骤操作。

接入方式

项目基于 Python 3.10+ 开发,以 MIT 协议开源。安装只需一行 pip install -e .,配置到 Claude Code 也极为简单——一条 claude mcp add 命令或在配置文件中添加几行 JSON 即可。任何支持 stdio 传输的 MCP 客户端都能直接使用,不局限于特定平台。

测试方面,项目包含 42 个测试用例,涵盖 ANSI 清除、环形缓冲区、会话生命周期、会话管理器和 Tool 集成等各个层面,保证了代码质量和功能可靠性。

interactive-process-mcp 不是一个简单的命令执行包装器,而是一套完整的交互式进程管理方案。它将终端操作的复杂性封装在清晰的 MCP Tool 接口之下,让 AI Agent 真正拥有了像人类一样与终端交互的能力。无论你是想让 Agent
远程管理服务器、调试代码,还是运行需要多轮输入的命令行工具,这个项目都值得尝试。
效果展示