Railway MCP

resmi

Server Railway MCP memungkinkan interaksi bahasa alami dengan proyek dan infrastruktur Railway Anda. Minta IDE atau asisten AI Anda untuk membuat proyek, menyebarkan template, mengelola lingkungan, menarik variabel, menyebarkan ulang layanan, dan lainnya.

Apa yang bisa Anda lakukan dengan Railway MCP?

  • Membuat dan men-deploy aplikasi — Minta untuk membuat kerangka aplikasi Next.js, men-deploy-nya, dan menetapkan domain melalui create_project dan generate_domain.
  • Men-deploy dari template — Cari dan deploy template siap pakai seperti Postgres menggunakan search_templates dan deploy_template.
  • Mengelola variabel lingkungan — Tarik variabel ke dalam file .env atau atur dengan list_variables dan set_variables.
  • Men-deploy ulang layanan — Picu deploy ulang layanan di lingkungan tertentu dengan alat redeploy.
  • Men-debug deploy yang gagal — Serahkan permintaan debugging dalam bahasa alami ke railway-agent untuk mendiagnosis kerusakan.
  • Mengelola fitur flag — Daftarkan, ambil, atau atur fitur flag pada proyek melalui list-feature-flags dan set-feature-flag.

Dokumentasi

Server Railway MCP mengimplementasikan Model Context Protocol (MCP). Server ini memungkinkan asisten AI membuat proyek, men-deploy template, mengelola lingkungan, menarik variabel, dan men-deploy ulang layanan.

Railway menawarkan dua server MCP:

  • Local MCP berjalan melalui Railway CLI di mesin Anda dan menggunakan konteks CLI lokal.
  • Remote MCP berjalan di mcp.railway.com. Hubungkan langsung menggunakan OAuth, atau jalankan railway mcp proxy untuk menggunakan kembali kredensial dari sesi railway login Anda.

Memulai cepat

Instal Railway CLI dan konfigurasikan keterampilan agen, MCP, dan autentikasi dalam satu perintah. Pilih opsi untuk menghasilkan perintah penyiapan:

Jika CLI sudah terinstal, lewati bootstrap dan jalankan:

railway setup agent                  # Local MCP
railway setup agent --remote         # Remote MCP through the CLI proxy
railway setup agent --remote --oauth # Remote MCP with OAuth

Lanjutkan membaca untuk konfigurasi manual per-editor, daftar alat yang tersedia, dan pertimbangan keamanan.

Konfigurasi per-editor

Jika Anda lebih suka mengonfigurasi editor secara manual, atau ingin memeriksa apa yang ditulis railway mcp install, gunakan pemilih untuk beralih antara stdio lokal, Remote MCP melalui proxy CLI, dan Remote MCP dengan OAuth:

railway mcp install menggabungkan entri server Railway ke dalam konfigurasi yang ada tanpa menghapus server MCP lainnya. Jalankan ulang kapan saja untuk memperbarui.

Memahami MCP

Model Context Protocol (MCP) mendefinisikan standar tentang bagaimana aplikasi AI (host) dapat berinteraksi dengan alat eksternal dan sumber data melalui arsitektur klien-server.

  • Host: Aplikasi seperti Cursor, VS Code, Claude Code, atau Windsurf yang terhubung ke server MCP.
  • Klien: Lapisan di dalam host yang memelihara koneksi satu-ke-satu dengan server MCP individual.
  • Server: Program mandiri (seperti Railway MCP Server) yang mengekspos alat dan alur kerja untuk mengelola sistem eksternal.

Server Local MCP menerjemahkan permintaan bahasa alami menjadi alur kerja CLI yang didukung oleh Railway CLI. Remote MCP berjalan di infrastruktur Railway dan mendukung OAuth. Proxy CLI menyediakan jalur koneksi lain dengan meneruskan kredensial dari sesi railway login Anda ke Remote MCP.

Prasyarat

Server dan metode autentikasi menentukan alat lokal dan kredensial apa yang Anda perlukan.

  • Local MCP memerlukan Railway CLI yang terinstal dan terautentikasi.
  • Remote MCP memerlukan akun Railway. OAuth langsung tidak memerlukan CLI. Proxy CLI memerlukan CLI yang terinstal dan sesi railway login agar dapat menggunakan kembali kredensial tersebut.

Contoh penggunaan

Gunakan prompt yang menjelaskan hasil Railway yang Anda inginkan dari agen.

  • Membuat dan men-deploy aplikasi baru

    Create a Next.js app in this directory and deploy it to Railway.
    Also assign it a domain.
    
  • Men-deploy dari template

    Deploy a Postgres database
    
  • Menarik variabel lingkungan

    Pull environment variables for my project and save them to a .env file
    
  • Men-debug deployment yang gagal (alat railway-agent khusus remote)

    Use the railway agent to figure out why my backend service is
    crashing on deploy
    
  • Men-deploy ulang layanan

    Redeploy my api service in the production environment
    
  • Mengelola fitur flag

    List feature flags for project <projectId>
    
    Set the checkout-v2 feature flag to true on project <projectId>
    

Alat MCP yang tersedia

Railway MCP Server mengekspos alat-alat berikut. Asisten AI Anda memilih alat berdasarkan permintaan Anda.

Local MCP

Local MCP berjalan melalui Railway CLI dan mengekspos alat-alat berikut:

  • Akun: whoami
  • Proyek dan layanan: list_workspaces, list_projects, create_project, list_services, create_service, remove_service, connect_service_source, disconnect_service_source, link_service, get_service_config, update_service, dan scale_service
  • Lingkungan dan deployment: create_environment, link_environment, environment_status, list_deployments, dan deploy
  • Variabel: list_variables, set_variables, dan add_reference_variable
  • Domain: generate_domain, list_domains, domain_status, update_domain, delete_domain, dan retry_domain_certificate
  • Jaringan: list_tcp_proxies, get_tcp_proxy, create_tcp_proxy, remove_tcp_proxy, private_network_status, dan private_network_update
  • Template: search_templates dan deploy_template
  • Penyimpanan: create_bucket, remove_bucket, create_volume, update_volume, dan remove_volume
  • Observabilitas: get_logs, service_metrics, http_requests, http_error_rate, dan http_response_time
  • Dokumentasi: docs_search dan docs_fetch

Remote MCP

Remote MCP mengekspos alat-alat berikut. Gunakan railway-agent untuk operasi multi-langkah.

  • Akun
    • whoami
  • Proyek
    • list-projects, create-project, list-services
  • Fitur flag
    • list-feature-flags, get-feature-flag
    • set-feature-flag, delete-feature-flag (admin; penghapusan destruktif ditandai di tingkat protokol)
  • Deployment
    • redeploy
    • accept-deploy: commit perubahan yang di-stage dan deploy (destruktif; klien meminta konfirmasi)
  • Agen
    • railway-agent: serahkan permintaan bahasa alami ke agen AI Railway untuk operasi multi-langkah seperti analisis log, debugging, dan konfigurasi layanan

Pertimbangan keamanan

Railway MCP Server menjalankan perintah CLI atau memanggil API Railway atas nama Anda. Local MCP menandai alat destruktif dengan petunjuk tingkat protokol dan mengembalikan pratinjau sebelum memerlukan confirm: true. Anda tetap harus:

  • Tinjau tindakan yang diminta oleh LLM sebelum menyetujuinya, terutama yang destruktif (remove_service, delete_domain, remove_tcp_proxy, remove_bucket, remove_volume, redeploy, accept-deploy, dan railway-agent).
  • Batasi akses untuk memastikan hanya pengguna tepercaya yang dapat memanggil server MCP.
  • Hindari risiko produksi dengan membatasi penggunaan pada lingkungan non-kritis jika memungkinkan.

Untuk Remote MCP:

  • Autentikasi proxy CLI. Proxy membaca dan menyegarkan kredensial railway login Anda. Konfigurasi editor tidak berisi kredensial Railway jangka panjang.
  • Cakupan OAuth. Dengan OAuth langsung, Anda memilih workspace dan proyek mana yang dapat diakses klien. Token berumur pendek dan dapat dicabut dari pengaturan akun Railway Anda.
  • Tindakan destruktif ditandai di tingkat protokol. Klien yang menghormati petunjuk ini akan meminta konfirmasi.
  • Token proyek tidak diterima. Remote MCP memerlukan identitas pengguna untuk penagihan dan jejak audit.

Permintaan fitur

Bagikan permintaan fitur di postingan Railway MCP Server Central Station.