DockaShell - это сервер MCP (Model Context Protocol), который предоставляет агентам ИИ изолированные контейнеры Docker для работы. Каждый агент получает свою собственную постоянную среду с доступом к оболочке, файловыми операциями и полными аудиторскими следами.

Это исследовательский проект, исследующий автономию агента: Как далеко мы можем продвинуться в рабочих процессах на основе оболочки? Могут ли агенты управлять собственной средой разработки и создавать свои собственные инструменты?

Почему это существует

Современные помощники ИИ бьют по фундаментальным стенам:

• ** Никакой постоянной памяти** Перезагрузка бесед, потеря контекста, агенты не могут опираться на предыдущую работу
• Инструмент для няни: Каждая команда снаряда нуждается в человеческом одобрении, нарушении потока агентов и автономии. Ограниченные наборы инструментов: Агенты застряли с предопределенными инструментами вместо того, чтобы строить то, что им нужно.
• ** Никакого самоанализа**: Не могут анализировать свои собственные следы, чтобы улучшить или извлечь уроки из прошлых сессий.

DockaShell устраняет эти ограничения для изучения того, что возникает:

** Саморазвивающиеся агенты**: Создавайте и совершенствуйте свои собственные инструменты, скрипты и рабочие процессы Непрерывная память: Сохраняйте базы знаний, вики, блокноты, которые сохраняются во время сеансов -** Автономная разведка**: Запуск команд оболочки без постоянного вмешательства человека

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