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 Client | Host 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 GUI | screenshot 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
- 本地 CLI 通过 MCP 列出远端可用工具和参数 schema。
- 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。
- 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。
- 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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
