DockaShell은 MCP (모델 Context Protocol) 서버로, AI Agent 고립된 Docker containers를 사용하여 작업할 수 있습니다. 각 대리인은 포탄 접근, 파일 가동 및 가득 차있는 감사 흔적을 가진 그것의 자신의 persistent 환경을 가져옵니다.

이것은 연구 프로젝트 탐구 대리인 자율성입니다: Shell 기반 워크플로우를 얼마나 밀어 줄 수 있습니까? 에이전트는 자신의 개발 환경을 관리하고 자신의 도구를 만들 수 있습니까?

왜 이 존재

현재 AI 조수는 근본적인 벽을 명중합니다:

• ** 영구 기억 없음 **: 대화 재설정, 컨텍스트는 손실, 에이전트는 이전 작업에 구축 할 수 없습니다 -Tool babysitting: 각 포탄 명령은 인간적인 승인, 끊는 대리인 교류 및 자율성을 필요로 합니다
• ** 제한 도구**: 그들이 필요로하는 건물 대신 미리 정의된 도구로 갇혀
• ** 자체 복제 **: 자신의 흔적을 분석 할 수 없거나 과거 세션에서 배울

DockaShell은 이러한 제약을 제거하여 무슨 일이 일어나는지 알아보십시오.

• ** 자기 진화 에이전트**: 자체 도구, 스크립트 및 워크플로를 구축하고 수정합니다. -Continuous memory: 기초, 위키, 세션 전반에 걸쳐 지속되는 노트북 유지
• ** 자율 탐사 **: 일정한 인간 개입 없이 쉘 명령 실행

DockaShell

DockaShell is an MCP (Model Context Protocol) server that gives AI agents isolated Docker containers to work in. Each agent gets its own persistent environment with shell access, file operations, and full audit trails.

This is a research project exploring agent autonomy: How far can we push shell-based workflows? Can agents manage their own development environments and create their own tools?

Why this exists

Current AI assistants hit fundamental walls:

• No persistent memory: Conversations reset, context is lost, agents can’t build on previous work
• Tool babysitting: Every shell command needs human approval, breaking agent flow and autonomy
• Limited toolsets: Agents stuck with predefined tools instead of building what they need
• No self-reflection: Can’t analyze their own traces to improve or learn from past sessions

DockaShell removes these constraints to explore what emerges:

• Self-evolving agents: Build and refine their own tools, scripts, and workflows
• Continuous memory: Maintain knowledge bases, wikis, notebooks that persist across sessions
• Autonomous exploration: Run shell commands without constant human intervention
• Meta-learning: Analyze previous traces to improve decision-making and tool usage

The core question: What can agents accomplish when they have real persistence and autonomy?

How it works

AI Agent (Claude/GPT/...)
  ↔ DockaShell (MCP Server)
      └─ Docker Engine
          ├─ Container A (Project 1)
          │    └─ Persistent Volume
          ├─ Container B (Project 2)
          │    └─ Persistent Volume
          └─ Container C (Project 3)
               └─ Persistent Volume

Each AI agent gets its own isolated Docker container with persistent storage. Instead of dozens of custom tools, agents use standard shell commands (bash, git, npm, etc.) and build their own workflows.

Key principles:

• Shell > specialized tools: Agents already “speak” POSIX, so let them use real commands
• Container isolation: Full autonomy inside, zero risk to your host system
• Persistent workspace: Files, databases, and context survive across sessions
• Complete audit trail: Every command and file change is logged for analysis

→ See detailed architecture and security model

Quick Start

# Install
npm install -g dockashell

# Setup
dockashell build
dockashell create my-project
dockashell start my-project

Add to your MCP client configuration:

{
  "mcpServers": {
    "dockashell": {
      "command": "dockashell",
      "args": ["serve"]
    }
  }
}

Requirements: Node.js 20+, Docker running

Example workflows

Data analysis: Agent spins up Python environment, processes CSV files, generates insights

Web development: Agent builds React app, installs dependencies, runs dev server with live preview