Railway MCP

ทางการ

เซิร์ฟเวอร์ Railway MCP ช่วยให้คุณสามารถโต้ตอบกับโปรเจกต์และโครงสร้างพื้นฐานของ Railway ได้ด้วยภาษาธรรมชาติ สั่งให้ IDE หรือผู้ช่วย AI ของคุณสร้างโปรเจกต์ ปรับใช้เทมเพลต จัดการสภาพแวดล้อม ดึงตัวแปร ปรับใช้บริการใหม่ และอื่นๆ อีกมากมาย

ดูบน railway.com

คุณทำอะไรได้บ้างด้วย Railway MCP?

  • สร้างและปรับใช้โปรเจกต์ — ขอให้ผู้ช่วยสร้างโปรเจกต์ใหม่หรือปรับใช้เทมเพลต เช่น ฐานข้อมูล Postgres บน Railway
  • ดึงตัวแปรสภาพแวดล้อม — ดึงตัวแปรสภาพแวดล้อมของโปรเจกต์และบันทึกลงในไฟล์ .env ในเครื่อง
  • ปรับใช้บริการอีกครั้ง — ขอให้ผู้ช่วยปรับใช้บริการที่ระบุอีกครั้งในสภาพแวดล้อมที่เลือก
  • แก้ไขข้อผิดพลาดในการปรับใช้ — มอบหมายการแก้ไขปัญหาหลายขั้นตอน เช่น การวิเคราะห์บันทึกของบริการที่ขัดข้อง ให้ AI agent ของ Railway
  • จัดการแฟล็กฟีเจอร์ — แสดงรายการ ดู ตั้งค่า หรือลบแฟล็กฟีเจอร์ของโปรเจกต์
  • เรียกใช้งานของ cloud agent — เริ่ม ตรวจสอบ ตอบกลับ หรือยกเลิกงานของ cloud agent และดึงบทถอดเสียงของงานเหล่านั้น

เซิร์ฟเวอร์ MCP แบบโฮสต์

npx add-mcp 'https://mcp.railway.com'

ติดตั้งลง Claude Code, Codex, Cursor และอื่นๆ

เอกสาร

Railway MCP Server ใช้ Model Context Protocol (MCP) ช่วยให้ผู้ช่วย AI สร้างโปรเจกต์ ปรับใช้เทมเพลต จัดการสภาพแวดล้อม ดึงตัวแปร และปรับใช้บริการอีกครั้งได้

เซิร์ฟเวอร์ทำงานที่ mcp.railway.com เชื่อมต่อได้สองวิธี:

  • ผ่าน CLI (ค่าเริ่มต้น) คำสั่ง railway mcp เชื่อมต่อเอดิเตอร์ของคุณกับ mcp.railway.com ผ่าน Railway CLI โดยใช้ข้อมูลรับรอง railway login ที่มีอยู่ จึงไม่ต้องยืนยันตัวตนอีกครั้ง
  • ด้วย OAuth เอดิเตอร์ที่รองรับ OAuth จะเชื่อมต่อกับ https://mcp.railway.com โดยตรงโดยไม่ต้องใช้ CLI

หมายเหตุ: การเชื่อมต่อผ่าน CLI ต้องใช้ CLI เวอร์ชัน 5.44.0 ขึ้นไป

เริ่มต้นอย่างรวดเร็ว

ติดตั้ง Railway CLI และกำหนดค่าทักษะเอเจนต์, MCP และการยืนยันตัวตนด้วยคำสั่งเดียว เลือกตัวเลือกเพื่อสร้างคำสั่งตั้งค่า:

หากติดตั้ง CLI ไว้แล้ว ให้ข้ามขั้นตอนเริ่มต้นและเรียกใช้:

railway setup agent          # connect through the CLI (default)
railway setup agent --oauth  # connect with OAuth

อ่านต่อเพื่อดูการกำหนดค่าด้วยตนเองสำหรับแต่ละเอดิเตอร์ รายการเครื่องมือที่มี และข้อควรพิจารณาด้านความปลอดภัย

การกำหนดค่าสำหรับแต่ละเอดิเตอร์

หากต้องการกำหนดค่าเอดิเตอร์ด้วยตนเอง หรือต้องการตรวจสอบสิ่งที่ railway mcp install เขียน ให้ใช้ตัวเลือกเพื่อสลับระหว่างการเชื่อมต่อผ่าน CLI, OAuth และการเรียกใช้เซิร์ฟเวอร์ในเครื่อง:

railway mcp install จะผสานรายการเซิร์ฟเวอร์ Railway เข้ากับการกำหนดค่าที่มีอยู่โดยไม่ลบเซิร์ฟเวอร์ MCP อื่น เรียกใช้ซ้ำได้ทุกเมื่อเพื่ออัปเดต

ทำความเข้าใจ MCP

Model Context Protocol (MCP) กำหนดมาตรฐานสำหรับวิธีที่แอปพลิเคชัน AI (โฮสต์) โต้ตอบกับเครื่องมือภายนอกและแหล่งข้อมูลผ่านสถาปัตยกรรมแบบไคลเอ็นต์-เซิร์ฟเวอร์

  • โฮสต์: แอปพลิเคชัน เช่น Cursor, VS Code, Claude Code หรือ Windsurf ที่เชื่อมต่อกับเซิร์ฟเวอร์ MCP
  • ไคลเอ็นต์: ชั้นภายในโฮสต์ที่จัดการการเชื่อมต่อแบบหนึ่งต่อหนึ่งกับเซิร์ฟเวอร์ MCP แต่ละตัว
  • เซิร์ฟเวอร์: โปรแกรมแบบสแตนด์อโลน (เช่น Railway MCP Server) ที่เปิดให้ใช้เครื่องมือและเวิร์กโฟลว์สำหรับจัดการระบบภายนอก

Railway MCP server ทำงานบนโครงสร้างพื้นฐานของ Railway คำสั่ง railway mcp เชื่อมต่อกับเซิร์ฟเวอร์ผ่าน stdio และแนบข้อมูลรับรองจากเซสชัน railway login ของคุณไปกับแต่ละคำขอ ส่วนเอดิเตอร์ที่รองรับ OAuth จะเชื่อมต่อโดยตรงแทน

ข้อกำหนดเบื้องต้น

การเชื่อมต่อกับ Railway MCP server ต้องมีบัญชี Railway การเชื่อมต่อ CLI ซึ่งเป็นค่าเริ่มต้นยังต้องติดตั้ง Railway CLI และมีเซสชัน railway login เพื่อให้สามารถใช้ข้อมูลรับรองดังกล่าวได้ ส่วน OAuth ไม่จำเป็นต้องใช้ CLI

ตัวอย่างการใช้งาน

ใช้พรอมป์ต์ที่อธิบายผลลัพธ์บน Railway ที่ต้องการให้เอเจนต์สร้าง

  • สร้างและปรับใช้แอปใหม่

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

  • ปรับใช้จากเทมเพลต

    Deploy a Postgres database

  • ดึงตัวแปรสภาพแวดล้อม

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

  • แก้ไขข้อบกพร่องของการปรับใช้ที่ล้มเหลว (ใช้เครื่องมือ railway-agent)

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

  • ปรับใช้บริการอีกครั้ง

    Redeploy my api service in the production environment

  • จัดการแฟล็กฟีเจอร์

    List feature flags for project <projectId>

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

เครื่องมือ MCP ที่มี

Railway MCP Server มีเครื่องมือต่อไปนี้ ผู้ช่วย AI ของคุณจะเลือกเครื่องมือตามคำขอ ใช้ railway-agent สำหรับการดำเนินการหลายขั้นตอน

  • บัญชี
    • whoami
  • โปรเจกต์
    • list-projects, create-project, list-services
  • แฟล็กฟีเจอร์
    • list-feature-flags, get-feature-flag
    • set-feature-flag, delete-feature-flag (ผู้ดูแลระบบ; การลบที่ทำลายข้อมูลจะถูกระบุไว้ในระดับโปรโตคอล)
  • การปรับใช้
    • redeploy
    • accept-deploy: ยืนยันการเปลี่ยนแปลงที่จัดเตรียมไว้และปรับใช้ (ทำลายข้อมูล; ไคลเอ็นต์จะแจ้งให้ยืนยัน)
  • เอเจนต์
    • railway-agent: ส่งคำขอภาษาธรรมชาติให้เอเจนต์ AI ของ Railway เพื่อดำเนินการหลายขั้นตอน เช่น วิเคราะห์บันทึก แก้ไขข้อบกพร่อง และกำหนดค่าบริการ
  • งานของเอเจนต์บนคลาวด์ (ดู Tasks)
    • run-cloud-agent-task: มอบหมายงานให้เอเจนต์บนคลาวด์ (การเริ่มเอเจนต์ใหม่มีค่าใช้จ่าย; ไคลเอ็นต์จะแจ้งให้ยืนยัน)
    • check-cloud-agent-task, list-cloud-agent-tasks, get-cloud-agent-transcript
    • respond-cloud-agent-task, cancel-cloud-agent-task
    • list-cloud-agent-models

เรียกใช้เซิร์ฟเวอร์ในเครื่อง

CLI ยังมาพร้อมกับเซิร์ฟเวอร์ MCP ที่ทำงานภายในโปรเซส สำหรับเครื่องที่ไม่สามารถเข้าถึง mcp.railway.com ได้ เช่น เครือข่ายที่จำกัดการรับส่งข้อมูลขาออก เริ่มเซิร์ฟเวอร์ด้วย railway mcp local หรือเขียนการกำหนดค่าสำหรับเอดิเตอร์ที่รองรับด้วย railway mcp install --local เซิร์ฟเวอร์จะสื่อสารกับ Railway API โดยตรงโดยใช้ข้อมูลรับรอง CLI ของคุณ ระบุเครื่องมือที่ทำลายข้อมูลด้วยคำใบ้ระดับโปรโตคอล และแสดงตัวอย่างก่อนกำหนดให้ต้องใช้ confirm: true

เซิร์ฟเวอร์ในเครื่องมีชุดเครื่องมือที่แตกต่างจาก mcp.railway.com:

  • 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
  • สภาพแวดล้อมและการปรับใช้: 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
  • เอกสารประกอบ: docs_search และ docs_fetch

ข้อควรพิจารณาด้านความปลอดภัย

Railway MCP Server เรียกใช้ Railway API ในนามของคุณ โปรดคำนึงถึงประเด็นต่อไปนี้:

  • การยืนยันตัวตนผ่าน CLI คำสั่ง railway mcp อ่านและรีเฟรชข้อมูลรับรอง railway login ของคุณ การกำหนดค่าเอดิเตอร์ไม่มีข้อมูลรับรอง Railway ที่มีอายุการใช้งานยาวนาน
  • ขอบเขต OAuth เมื่อใช้ OAuth คุณสามารถเลือกเวิร์กสเปซและโปรเจกต์ที่ไคลเอ็นต์เข้าถึงได้ โทเค็นมีอายุสั้นและเพิกถอนได้จากการตั้งค่าบัญชี Railway
  • การดำเนินการที่ทำลายข้อมูล จะถูกระบุไว้ในระดับโปรโตคอล ไคลเอ็นต์ที่รองรับคำใบ้เหล่านี้จะแจ้งให้ยืนยัน
  • ไม่รองรับโทเค็นโปรเจกต์ เซิร์ฟเวอร์ต้องใช้ข้อมูลระบุตัวตนผู้ใช้สำหรับการเรียกเก็บเงินและบันทึกการตรวจสอบ

คุณควรดำเนินการดังนี้:

  • ตรวจสอบการดำเนินการ ที่ LLM ร้องขอก่อนอนุมัติ โดยเฉพาะการดำเนินการที่ทำลายข้อมูล (redeploy, accept-deploy, railway-agent และ remove_service, delete_domain, remove_tcp_proxy, remove_bucket และ remove_volume ของเซิร์ฟเวอร์ในเครื่อง)
  • จำกัดการเข้าถึง เพื่อให้แน่ใจว่าเฉพาะผู้ใช้ที่เชื่อถือได้เท่านั้นที่เรียกใช้เซิร์ฟเวอร์ MCP ได้
  • หลีกเลี่ยงความเสี่ยงต่อระบบจริง โดยจำกัดการใช้งานไว้ในสภาพแวดล้อมที่ไม่สำคัญเมื่อทำได้

คำขอฟีเจอร์

แชร์คำขอฟีเจอร์ได้ที่โพสต์ Railway MCP Server Central Station