Docker

Эта страница описывает, как собирать и запускать отдельные Docker-образы для компонентов: nlp, bim, mcp-client.

Примечание: MCP (FreeCAD) не запускается в контейнере — MCP-client (контейнер) отправляет stubs.json на MCP, работающий локально в FreeCAD.

1. Подготовка¶

Установи Docker Desktop (Windows/macOS) или Docker Engine (Linux).
Убедись, что Docker работает: docker version и docker info.
В Windows лучше иметь WSL2 включённым (рекомендуется).

2. Сборка образов (в корне репо)¶

(powershell)

Перейди в корень проекта

cd C:\draftai

NLP

docker build -f Dockerfile.nlp -t draftai/nlp:local .

BIM

docker build -f Dockerfile.bim -t draftai/bim:local .

MCP-client (отправитель)

docker build -f Dockerfile.mcp-client -t draftai/mcp-client:local .

Если Docker Desktop даёт ошибку при build — убедись, что в команде указан контекст . в конце (последний аргумент), и Docker Desktop запущен.

Посмотреть список контейнеров (чтобы найти нужный) docker ps -a

3. Запуск Docker NLP¶

app/nlp_core — это путь внутри контейнера, а не папка на вашем Windows-диске. Docker создаёт изолированную файловую систему для контейнера: если вы не смонтировали хост-папку в контейнер через -v, файлы остаются в контейнере и не видны на хосте.

Как получить результаты из контейнера

Контейнеры по-умолчанию работают в изолированной файловой системе — чтобы увидеть результаты на хосте, монтируй volume.

Пример: запуск NLP и сохранение результата в папку на хосте

Создаём хостовую папку New-Item -ItemType Directory -Path C:\draftai\nlp_core\OUT -Force

Запускаем контейнер и монтируем OUT → /workspace/output

docker run --rm \

-v "C:\draftai\nlp_core\input:/app/nlp_core/input:ro" \

-v "C:\draftai\nlp_core\OUT:/workspace/output" \

draftai/nlp:local \

python /app/nlp_core/nlp_core/run_cli.py --out /workspace/output/result.json -v

После завершения файл C:\draftai\nlp_core\OUT\result.json будет содержать результат.

либо:

Запуск Docker NLP (создаём result.json на хосте)

Это важный шаг: NLP должен записать result.json в хостовую папку C:\draftai\nlp_core\OUT. Выполни:

$repo = "C:\draftai"

docker run --rm `

-v "${repo}\nlp_core\OUT:/workspace/output" `

draftai/nlp:local `

sh -c "python -m pip install --upgrade pip || true; python -m spacy download ru_core_news_sm || true; python /app/nlp_core/nlp_core/run_cli.py --out /workspace/output/result.json -v"

Пояснения:

-v "${repo}\nlp_core\OUT:/workspace/output" — результат будет доступен в C:\draftai\nlp_core\OUT.

Команда внутри контейнера: обновление pip (без ошибок), попытка скачать spaCy-модель (если не включена в образ), затем запуск run_cli.py.

Проверка успешности:

Test-Path "C:\draftai\nlp_core\OUT\result.json"
Get-Content "C:\draftai\nlp_core\OUT\result.json"

Если не появилась строка про созданный файл — смотри логи контейнера (см. раздел «Отладка» ниже).

4. Запуск Docker BIM (вход — результат NLP, выход — папка runs на хосте)¶

После успешного шага 3 запускаем BIM. Важно — монтируем nlp_core/OUT так, чтобы BIM видел файл под тем путём, который он ожидает.

docker run --rm `

-v "${repo}\nlp_core\OUT:/workspace/input:ro" `

-v "${repo}\bim_core\runs:/workspace/output" `

-v "${repo}\bim_core\runs:/app/bim_core/runs" `

draftai/bim:local `

python /app/bim_core/bim_core/run_cli.py --tz /workspace/input/result.json --out /workspace/output -v

5. Запуск Docker MCP-client (отправка в локальный MCP)¶

MCP-сервер у тебя запускается локально в FreeCAD (он слушает порт 9090 на хосте). exec(open(r"C:\draftai\mcp_server\mcp_serverV3.py", encoding="utf-8").read())

Отправка примитивов (stubs) docker run --rm `

-v "${repo}\bim_core\runs:/workspace/runs:ro" `

draftai/mcp-client:local `

python /app/send_stubs_cli.py --stubs /workspace/runs/stubs.json --host host.docker.internal --port 9090 -v

если ENTRYPOINT = python /app/send_stubs_cli.py или CMD уже это делает)

Не передаём python /app/send_stubs_cli.py в командной строке — передаём только аргументы скрипта:

$repo="C:\draftai"

docker run --rm `

-v "${repo}\bim_core\runs:/workspace/runs:ro" `

draftai/mcp-client:local `

--stubs /workspace/runs/stubs.json --host host.docker.internal --port 9090 -v

или если образ использует CMD:

docker run --rm -v "${repo}\bim_core\runs:/app/bim_core/runs:ro" draftai/mcp-client:local

Полная команда вручную (переопределить ENTRYPOINT)

Можно временно обнулить ENTRYPOINT и передать команду целиком:

docker run --rm --entrypoint "" `

-v "${repo}\bim_core\runs:/workspace/runs:ro" `

draftai/mcp-client:local `

python /app/send_stubs_cli.py --stubs /workspace/runs/stubs.json --host host.docker.internal --port 9090

6. Советы и типичные ошибки¶

Где искать файлы? — Если не монтируешь host-volume, файлы останутся в контейнере и будут потеряны после --rm. Всегда монтируй output в папку хоста.

Права доступа: при записи в смонтированную папку контейнер под пользователем appuser может не иметь прав. Решение: монтировать папку и выставлять подходящие права, или запускать контейнер от root (не рекомендуется для финального образа).

FreeCAD: запуск MCP сервера внутри контейнера нежелателен — FreeCAD GUI нужен на хосте; используем клиентский контейнер для отправки стубов.

7. Где хранить Dockerfile в репо¶

Dockerfile.nlp, Dockerfile.bim, Dockerfile.mcp-client — лежат в корне репозитория. При билде указывай -f и контекст . (корень проекта)

8. Запуск Docker контейнеров через Docker Desktop (GUI)¶

Открыть Docker Desktop

Запусти Docker Desktop → перейди во вкладку Images. Там появятся образы, которые ты собрал, например:

draftai/nlp:local

draftai/bim:local

draftai/mcp-client:local.

Запустить контейнер из образа

Найди нужный образ, например draftai/nlp:local.

Нажми Run.

Появится окно настройки запуска контейнера.

Настроить Volumes (маппинг папок)

Нажми + Add Volume.

Укажи Host path (путь на твоём ПК) и Container path (куда смонтировать в контейнере). Например:

NLP:

Host: C:\draftai\nlp_core\OUT

Container: /workspace/output

BIM:

Host: C:\draftai\nlp_core\OUT → Container: /workspace/input:ro

Host: C:\draftai\bim_core\runs → Container: /workspace/output

Указать команду/аргументы

В окне Run есть поле Optional settings → Command.

Если образ уже имеет CMD (например NLP запускается по умолчанию), можно оставить пустым.

Если нужно передать аргументы (например BIM или MCP-client), впиши:

python /app/bim_core/bim_core/run_cli.py --tz /workspace/input/result.json --out /workspace/output -v

или

python /app/send_stubs_cli.py --stubs /workspace/runs/stubs.json --host host.docker.internal --port 9090 -v

Запустить и проверить

Нажми Run container.

Перейди во вкладку Containers / Apps → выбери свой контейнер.

Внутри доступны вкладки:

Logs — посмотреть вывод.

Files — исследовать файловую систему контейнера.

Exec (CLI) — открыть терминал внутри контейнера.

Если контейнер сразу завершился, он отобразится как Exited. В этом случае:

посмотри логи;

при необходимости перезапусти контейнер с другим Command.