您的位置首页 >人工智能 >

一行命令接入 MCPClaude Code / Codex / Gemini CLI 跨机操控电脑与 ARM64、ESP32 实践梳理

Claude Code、Codex、Gemini CLI 这类命令行 AI Agent 默认只能操作当前这台机器,而真实工程环境往往分散在家庭 Mac mini、办公室 Windows、实验室 Linux/GPU 盒子、树莓派、Jetson 和串口硬件实验台上;要让 Agent 跨网安全操控另一台设备,可行的工程化思路是通过标准 stdio MCP 服务把远程能力暴露给本地 CLI,按独立设备 ID 连接被控端,并把权限、加密和人工审批边界放在协议层,而不是只靠提示词约束。这套方案不要求每台机器都有公网 IP 或暴露 SSH 端口,除了终端命令和文件操作,还能覆盖 GUI 截图、键鼠点击、串口转发、USB 调试器透传,甚至把 ESP32-S3 触摸屏作为高危操作的物理确认键。需要先分清的是:官方远程会话能力主要解决 "手机或其他终端接续本机同一会话",和让 Agent 跨网操作另一台独立电脑并不是一回事;下面把 MCP 接入方式、工具闭环、ARM64/ESP32 硬件实践和安全边界逐项拆开说明。

一、基础概念:MCP 在这套方案里扮演什么角色

1. 几个关键角色

角色说明
MCP Host跑在本机的 AI 编程工具,如 Claude Code、Codex CLI、Gemini CLI、Cursor
MCP ClientHost 内置的 MCP 模块,负责发现工具、发起调用和解析返回结构
MCP Server提供终端、文件、截图、键鼠、串口等工具的本地服务进程,常见为 stdio 模式
被控端设备另一台电脑、ARM64 开发板或 ESP32 节点,持有独立设备 ID 和授权策略

2. 为什么不直接暴露 SSH

  • NAT 与网络条件:家庭宽带、办公网、校园网常在多层 NAT 后,配公网端口、维护跳板机成本高,还会扩大攻击面。
  • GUI 能力缺口:检查 Windows 报错弹窗、填内部系统表单、看浏览器渲染结果,需要截图和键鼠操作,纯 SSH 覆盖不到。
  • 可视与接管:AI 在远端干活时,工程师可以通过桌面端实时看屏幕,随时介入接管。
  • 设备统一寻址:用独立设备 ID 替代记忆 IP 和端口,工具链按 ID 发起连接,权限由被控端把关。

二、主流 CLI 的一行命令接入方式

被控设备装好对应远程服务后,本地 CLI 通过 MCP 添加同一服务入口即可。公开实践中的接入形式如下:

1. Claude Code

claude mcp add -s user rockdesk -- rds mcp

2. OpenAI Codex CLI

codex mcp add rockdesk -- rds mcp

3. 通用 Agent Skill 方式

Claude Code、Codex、Gemini CLI 都可以走通用技能安装:

npx skills add rockdesk-io/rockdesk-skill

4. Gemini CLI / Cursor 配置文件方式

在 ~/.gemini/settings.json 或对应 MCP 配置中加入:

{

"mcpServers": {

"rockdesk": {

"command": "rds",

"args": ["mcp"]

}

}

}

不同工具的 MCP 配置字段、作用域(用户级 / 项目级)和参数格式以各自 CLI 文档为准,命令中的服务名、二进制名和参数应按实际使用的远程工具替换。

三、MCP 暴露的工具闭环

公开实践中,一套面向跨机操控的 stdio MCP 服务通常覆盖以下几类能力:

能力分类典型工具 / 动作用途
终端与长任务shell(带回真实退出码)、spawn(后台任务,断线不中断)远程执行命令、跑测试、启动服务
文件与目录ls、copy,配合设备挂载做 FUSE 文件映射查看目录、拷贝文件、同步产物
视觉与 GUIscreenshot 返回压缩图片,click、move、scroll、type_text、key让多模态模型理解屏幕并完成键鼠操作
网络与剪贴板forward/unforward 端口转发、clipboard_get/clipboard_set、ping、devices访问远端服务、同步剪贴板、探测在线设备
硬件通道串口映射、USB 列表与挂接、GPIO 控制调试开发板、连接 ST-Link/J-Link/ 逻辑分析仪、触发继电器

工具调用的基本流程

  1. 本地 CLI 通过 MCP 列出远端可用工具和参数 schema。
  2. Agent 根据任务选择工具,例如先 screenshot 看桌面,再用 shell 查进程,必要时 click 操作界面。
  3. 被控端按自身权限策略放行或拒绝调用,结果以结构化格式返回给 CLI。
  4. 长任务通过后台方式运行,避免连接中断导致进程被杀。

四、ARM64 开发板与硬件调试实践

1. 远程串口映射

把远端实验台的串口映射成本机虚拟串口,波特率自动同步:

rds 479072199 serial /dev/ttyUSB0 115200

适用场景包括查看开发板启动日志、烧录输出、与串口设备通信。

2. USB/IP 透传调试器

Linux 到 Linux 环境下,可挂接远端 USB 调试器,例如 ST-Link、J-Link、逻辑分析仪:

rds 479072199 usb list

rds 479072199 usb attach 1-2

这样本机的调试工具能访问插在远端板子上的 USB 设备,不必把硬件搬回工位。

3. ARM64 节点的典型定位

  • 树莓派、Jetson、ARM64 开发板作为边缘节点跑推理或采集任务。
  • Agent 通过 MCP 远程查日志、重启服务、更新程序、读取串口和 GPIO 状态。
  • 设备以独立 ID 纳入同一套远程编排,避免为每个板子单独维护 SSH 配置。

五、ESP32-S3:把物理触摸屏做成人工确认键

1. 角色定位

在机器人、边缘控制和生产环境里,AI 自主执行高危命令存在误操作风险。一块带触摸屏的 ESP32-S3 板子烧录对应固件后获得独立 9 位 ID,可以作为 Human-in-the-Loop(人在回路)的物理确认终端:AI 发起高危动作前,把审批请求推送到触摸屏,由人现场点 "允许" 或 "拒绝"。

2. 典型用法

远程局域网唤醒休眠中的目标电脑

rds <板子ID> wake aa:bb:cc:dd:ee:ff

高危命令前弹出确认:允许返回退出码 0,拒绝返回 1,超时返回 2

rds <板子ID> shell -c 'ask "要重启生产数据库吗?" && echo 已授权'

控制空闲 GPIO 引脚触发继电器或主板开机跳线

rds <板子ID> shell -c 'gpio 10 1; sleep 0.5; gpio 10 0'

3. 审批结果语义

结果退出码含义
允许0人在触摸屏上确认放行,命令继续执行
拒绝1人当场否决,命令中止
超时2无人点击,按未授权处理

这种设计把 "AI 说自己判断没问题" 变成 "物理设备上有人按下确认",适合重启服务、改配置、触发继电器、刷机等高风险动作。

六、安全边界设计

1. 加密与身份

  • 每台设备拥有独立证书,连接基于 QUIC + TLS 1.3 端到端加密,中继节点只转发密文。
  • 设备用独立 ID 寻址,连接前需要密钥对、一次性密码或当场允许等授权方式。

2. 权限归属被控端

  • 谁能连接、能调用哪些功能,由被控电脑决定,而不是由发起方的提示词决定。
  • 可按功能粒度开关权限,例如开启 shell、关闭串口访问;AI 无法越过被控端已放行的边界。

3. 高危操作约束清单

  • 生产数据库重启、格式化、删库、改防火墙、刷固件、触发继电器等动作,必须先走人工审批。
  • 后台任务、文件写入、命令执行保留操作日志,便于事后回溯。
  • 最小权限原则:只给当前任务需要的工具和目录范围,不默认开放全部键鼠和文件权限。

七、落地步骤参考

  1. 被控端安装服务:在电脑或开发板上安装对应远程服务,获取设备 ID,配置证书和授权方式。
  2. 本地 CLI 添加 MCP:按 Claude Code、Codex 或 Gemini CLI 的方式注册 stdio MCP 服务,确认工具列表能正常读取。
  3. 连通性验证:先用 devices、ping、截图或只读命令测试连接,确认被控端权限策略生效。
  4. 灰度放开工具:从文件读取、终端只读命令开始,再逐步开放写入、后台任务、GUI 操作和串口 / USB。
  5. 接入硬件审批:把 ESP32-S3 审批板绑定到高危流程,定义哪些命令必须走物理确认。
  6. 审计与回收:定期检查在线设备、授权关系和功能开关,任务结束后回收不必要的权限。

整体来看,这套跨机 Agent 编排的核心不是 "让 AI 随便连另一台电脑",而是用 MCP 标准化工具入口、用设备 ID 和端到端加密解决寻址与传输、用被控端权限和物理审批控制风险;在 Claude Code、Codex、Gemini CLI 之间,接入方式虽有配置差异,但思路一致:把远程能力封装成受权限约束的工具,再交给本地 Agent 按任务调用。

【相关 FAQ】

问题 1:Claude Code、Codex、Gemini CLI 怎么通过 MCP 操控另一台电脑,和官方远程会话有什么区别?

回答 1:思路是在被控电脑上部署远程服务并生成独立设备 ID,本地 CLI 通过 stdio MCP 注册同一服务,Agent 就能调用 shell、文件、截图、键鼠、串口等工具跨机操作;Claude Code、Codex 可用一行 mcp add 命令接入,Gemini CLI 可在 settings.json 的 mcpServers 中配置。官方远程会话主要是把本机 Claude 会话接续到手机或其他终端使用,而 MCP 方案面向的是跨网连接另一台独立电脑、ARM64 开发板或 ESP32 节点,两者解决的问题不同。

问题 2:为什么跨机操控不直接暴露 SSH,MCP 方案在网络和 GUI 能力上有什么优势?

回答 2:直接暴露 SSH 容易受 NAT 限制,需要公网端口或跳板机,攻击面也更大;而且 SSH 只能做命令行和文件传输,覆盖不了远程看弹窗、填表单、看浏览器渲染这类 GUI 任务。MCP 跨机方案用设备 ID 统一寻址,连接可走加密中继,不依赖每台机器公网 IP,工具层同时提供截图、点击、滚动、输入等 GUI 能力,工程师还能在桌面端实时观看并随时接管远端桌面。

问题 3:这套 MCP 方案能延伸到 ARM64 开发板和 ESP32 硬件吗,分别能做哪些事?

回答 3:可以。ARM64 开发板、树莓派、Jetson 等节点可通过 MCP 远程执行命令、查看日志、管理后台服务,并把远端 /dev/ttyUSB0 串口映射到本机,或通过 USB/IP 挂接 ST-Link、J-Link、逻辑分析仪等调试器。ESP32-S3 烧录固件后获得独立 ID,既可做网络唤醒、GPIO 电平控制和继电器触发,也能作为高危命令的触摸屏审批键,允许返回 0、拒绝返回 1、超时返回 2,形成人在回路确认。

问题 4:让 AI 通过 MCP 远程操控电脑和硬件,安全边界应该怎么设计?

回答 4:安全不能只靠提示词,要放在协议和被控端策略层:设备使用独立证书,连接走 TLS 1.3 端到端加密,中继只拿密文;连接授权由被控端决定,权限按功能粒度开关,例如单独关闭串口访问;重启数据库、刷机、删除文件、触发继电器等高危动作必须经物理审批板或既有流程确认,操作留日志,并遵循最小权限,任务结束后及时回收授权。

【参考资料】

  • [2026-11-22](一行命令让 Claude Code / Codex / Gemini CLI 安全操控另一台电脑:内置 MCP 与 ARM64/ESP32 实践)阿里云开发者社区
  • [2026-11-18](RemoteOps | MCP Servers)LobeHub
  • [2026-11-18](remotessh-mcp)LobeHub
  • [2026-11-13](@thinremote/thinr-cli)npm
  • [2026-10-14](ESP32 MCP Server (ESP32-C3))LobeHub
  • [2026-06-02](TencentOS MCP Server 产品文档)腾讯云
  • [2025-10-19](Applicability of MCP for the Network Management)IETF Datatracker
  • [2026-11-22](Overview - Claude Code Docs)Claude Code 官方文档
  • [2026-11-22](Claude Code Advanced Patterns: Subagents, MCP, and Scaling to Real Codebases)Anthropic

【免责声明】

本文依据公开技术文章、MCP 目录、CLI 官方文档和开源工具资料整理,文中命令、服务名、设备 ID 格式、工具列表与固件链接来自对应公开实践,不同远程工具和 CLI 版本的配置参数、权限模型及支持平台可能存在差异。远程控制涉及设备安全与生产风险,落地前应核对官方文档、完成权限隔离和审批流程设计;本文仅作技术方案参考,不构成对任何第三方远程桌面、设备管理或 AI 工具的背书,也不替代企业内部安全评审与授权制度。

今日大家都在搜的词: