Railway MCP

เซิร์ฟเวอร์ Railway MCP implement Model Context Protocol (MCP) ช่วยให้ผู้ช่วย AI สามารถสร้างโปรเจกต์ ดีพลอยต์เทมเพลต จัดการสภาพแวดล้อม ดึงตัวแปร และรีดีพลอยต์บริการได้

Railway มีเซิร์ฟเวอร์ MCP สองแบบ:

• Local MCP ทำงานผ่าน Railway CLI บนเครื่องของคุณและใช้บริบท CLI ในเครื่อง
• Remote MCP ทำงานที่ mcp.railway.com เชื่อมต่อโดยตรงด้วย OAuth หรือรัน railway mcp proxy เพื่อนำข้อมูลประจำตัวจากเซสชัน railway login มาใช้ซ้ำ

เริ่มต้นอย่างรวดเร็ว

ติดตั้ง Railway CLI และกำหนดค่า agent skills, MCP และการยืนยันตัวตนในคำสั่งเดียว เลือกตัวเลือกเพื่อสร้างคำสั่งตั้งค่า:

หากติดตั้ง CLI อยู่แล้ว ข้ามขั้นตอน bootstrap และรัน:

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

อ่านต่อสำหรับการกำหนดค่าแบบ manual ตามเอดิเตอร์ รายการเครื่องมือที่มี และข้อควรพิจารณาด้านความปลอดภัย

การกำหนดค่าตามเอดิเตอร์

หากต้องการกำหนดค่าเอดิเตอร์ด้วยตนเอง หรือต้องการตรวจสอบสิ่งที่ railway mcp install เขียน ใช้ตัวเลือกเพื่อสลับระหว่าง local stdio, Remote MCP ผ่าน CLI proxy และ Remote MCP ด้วย OAuth:

railway mcp install รวมรายการเซิร์ฟเวอร์ Railway ลงในคอนฟิกที่มีอยู่โดยไม่ลบเซิร์ฟเวอร์ MCP อื่น ๆ รันซ้ำได้ทุกเมื่อเพื่ออัปเดต

ทำความเข้าใจ MCP

Model Context Protocol (MCP) กำหนดมาตรฐานสำหรับการที่แอปพลิเคชัน AI (โฮสต์) จะโต้ตอบกับเครื่องมือภายนอกและแหล่งข้อมูลผ่านสถาปัตยกรรมไคลเอนต์-เซิร์ฟเวอร์

• โฮสต์: แอปพลิเคชันเช่น Cursor, VS Code, Claude Code หรือ Windsurf ที่เชื่อมต่อกับเซิร์ฟเวอร์ MCP
• ไคลเอนต์: ชั้นภายในโฮสต์ที่รักษาการเชื่อมต่อแบบหนึ่งต่อหนึ่งกับเซิร์ฟเวอร์ MCP แต่ละตัว
• เซิร์ฟเวอร์: โปรแกรมแบบสแตนด์อโลน (เช่น Railway MCP Server) ที่เปิดเผยเครื่องมือและเวิร์กโฟลว์สำหรับจัดการระบบภายนอก

Local MCP server แปลคำขอภาษาธรรมชาติเป็นเวิร์กโฟลว์ CLI ที่ขับเคลื่อนโดย Railway CLI Remote MCP ทำงานบนโครงสร้างพื้นฐานของ Railway และรองรับ OAuth CLI proxy ให้เส้นทางการเชื่อมต่ออีกทางหนึ่งโดยส่งข้อมูลประจำตัวจากเซสชัน railway login ของคุณไปยัง Remote MCP

ข้อกำหนดเบื้องต้น

เซิร์ฟเวอร์และวิธีการยืนยันตัวตนกำหนดว่าเครื่องมือและข้อมูลประจำตัวในเครื่องใดที่คุณต้องใช้

• Local MCP ต้องมีการติดตั้งและยืนยันตัวตน Railway CLI
• Remote MCP ต้องมี บัญชี Railway การใช้ OAuth โดยตรงไม่ต้องใช้ CLI CLI proxy ต้องมีการติดตั้ง CLI และเซสชัน railway login เพื่อนำข้อมูลประจำตัวเหล่านั้นมาใช้ซ้ำ

ตัวอย่างการใช้งาน

ใช้พรอมต์ที่อธิบายผลลัพธ์ Railway ที่คุณต้องการให้เอเจนต์สร้าง

• สร้างและดีพลอยต์แอปใหม่

  Create a Next.js app in this directory and deploy it to Railway.
  Also assign it a domain.
  

• ดีพลอยต์จากเทมเพลต

  Deploy a Postgres database
  

• ดึงตัวแปรสภาพแวดล้อม

  Pull environment variables for my project and save them to a .env file
  

• ดีบักการดีพลอยต์ที่ล้มเหลว (เครื่องมือ railway-agent เฉพาะ remote)

  Use the railway agent to figure out why my backend service is
  crashing on deploy
  

• รีดีพลอยต์บริการ

  Redeploy my api service in the production environment
  

• จัดการฟีเจอร์แฟล็ก

  List feature flags for project <projectId>
  

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

เครื่องมือ MCP ที่มี

Railway MCP Server เปิดเผยเครื่องมือต่อไปนี้ ผู้ช่วย AI ของคุณจะเลือกเครื่องมือตามคำขอของคุณ

Local MCP

Local MCP ทำงานผ่าน Railway CLI และเปิดเผยเครื่องมือเหล่านี้:

• บัญชี: whoami
• โปรเจกต์และบริการ: 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, และ scale_service
• สภาพแวดล้อมและการดีพลอยต์: create_environment, link_environment, environment_status, list_deployments, และ deploy
• ตัวแปร: list_variables, set_variables, และ add_reference_variable
• โดเมน: generate_domain, list_domains, domain_status, update_domain, delete_domain, และ retry_domain_certificate
• เครือข่าย: list_tcp_proxies, get_tcp_proxy, create_tcp_proxy, remove_tcp_proxy, private_network_status, และ private_network_update
• เทมเพลต: search_templates และ deploy_template
• พื้นที่จัดเก็บ: create_bucket, remove_bucket, create_volume, update_volume, และ remove_volume
• การสังเกตการณ์: get_logs, service_metrics, http_requests, http_error_rate, และ http_response_time
• เอกสาร: docs_search และ docs_fetch

Remote MCP

Remote MCP เปิดเผยเครื่องมือต่อไปนี้ ใช้ railway-agent สำหรับการดำเนินการหลายขั้นตอน

• บัญชี
  • whoami
• โปรเจกต์
  • list-projects, create-project, list-services
• ฟีเจอร์แฟล็ก
  • list-feature-flags, get-feature-flag
  • set-feature-flag, delete-feature-flag (admin; การลบแบบทำลายถูกทำเครื่องหมายที่ระดับโปรโตคอล)
• การดีพลอยต์
  • redeploy
  • accept-deploy: คอมมิตการเปลี่ยนแปลงที่ staged และดีพลอยต์ (ทำลาย; ไคลเอนต์จะแจ้งให้ยืนยัน)
• เอเจนต์
  • railway-agent: ส่งคำขอภาษาธรรมชาติไปยังเอเจนต์ AI ของ Railway สำหรับการดำเนินการหลายขั้นตอน เช่น การวิเคราะห์ล็อก การดีบัก และการกำหนดค่าบริการ

ข้อควรพิจารณาด้านความปลอดภัย

Railway MCP Server รันคำสั่ง CLI หรือเรียกใช้ Railway APIs ในนามของคุณ Local MCP ทำเครื่องหมายเครื่องมือที่ทำลายด้วยคำแนะนำระดับโปรโตคอลและส่งคืนตัวอย่างก่อนที่จะต้อง confirm: true คุณควร:

• ตรวจสอบการดำเนินการ ที่ LLM ขอก่อนอนุมัติ โดยเฉพาะอย่างยิ่งการดำเนินการที่ทำลาย (remove_service, delete_domain, remove_tcp_proxy, remove_bucket, remove_volume, redeploy, accept-deploy, และ railway-agent)
• จำกัดการเข้าถึง เพื่อให้แน่ใจว่ามีเพียงผู้ใช้ที่เชื่อถือได้เท่านั้นที่สามารถเรียกใช้เซิร์ฟเวอร์ MCP ได้
• หลีกเลี่ยงความเสี่ยงในโปรดักชัน โดยจำกัดการใช้งานเฉพาะสภาพแวดล้อมที่ไม่สำคัญเท่าที่เป็นไปได้

สำหรับ Remote MCP:

• การยืนยันตัวตนผ่าน CLI proxy พร็อกซีจะอ่านและรีเฟรชข้อมูลประจำตัว railway login ของคุณ การกำหนดค่าเอดิเตอร์ไม่มีข้อมูลประจำตัว Railway แบบอายุยาว
• ขอบเขต OAuth ด้วย OAuth โดยตรง คุณเลือกได้ว่าเวิร์กสเปซและโปรเจกต์ใดที่ไคลเอนต์เข้าถึงได้ โทเค็นมีอายุสั้นและสามารถเพิกถอนได้จากการตั้งค่าบัญชี Railway ของคุณ
• การดำเนินการที่ทำลาย ถูกทำเครื่องหมายที่ระดับโปรโตคอล ไคลเอนต์ที่เคารพคำแนะนำเหล่านี้จะแจ้งให้ยืนยัน
• ไม่ยอมรับโทเค็นโปรเจกต์ Remote MCP ต้องมีตัวตนผู้ใช้สำหรับการเรียกเก็บเงินและการตรวจสอบย้อนกลับ

คำขอฟีเจอร์

แชร์คำขอฟีเจอร์ได้ที่ โพสต์ Railway MCP Server Central Station