AI导哈

Qarnot MCP服务器

Qarnot MCP服务器是一个允许AI客户端（如Claude）通过Anthropic MCP Python SDK与Qarnot任务交互的服务，提供任务创建、状态查询、结果下载等功能。

  • by chloepilonv
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 chloepilonv/mcp-server-qarnot

使用说明

Qarnot MCP服务器

一个MCP（模型上下文协议）服务器，允许AI客户端（此处为Claude）使用Anthropic MCP Python SDK与您的Qarnot任务进行交互。 当你将它连接到你的人工智能助手（个人聊天机器人、克劳德等）时，你就可以自然地与它交互，以检索有关你在Qarnot上运行的任务的信息（例如：我上一个任务的状态是什么？）。

它做什么

允许客户端访问这些工具：

  • 创建任务（测试版） -创建一个任务，您可以在其中指定配置文件、调度类型、输入桶、快照等。
  • list_tasks -列出您的所有Qarnot任务
  • get_task_status -获取详细状态+SSH连接信息
  • get_task_stdout -获取任务输出
  • get_task_str -获取任务错误
  • cancel_task -取消正在运行的任务
  • list_buckets -列出所有存储桶
  • list_bucket_files -列出存储桶中的文件
  • download_result -从bucket下载文件
  • list_profiles -列出可用的硬件配置文件

真正酷的是：你可以在24小时后要求代理取消任务。列出您的配置文件，然后使用特定配置文件创建任务。获取任务输出，并在任务收敛时取消任务等。

设置

  1. 安装依赖项：

    pip install qarnot "mcp[cli]" python-dotenv

  2. 创建 .env 使用您的Qarnot令牌的文件：

    QARNOT_TOKEN="your-token-here"

用法

使用克劳德代码（CLI）（本地）

要使Claude能够使用MCP服务器中的工具，您可以：

claude mcp add qarnot python3 /path/to/mcp_server.py

然后重新启动Claude Code。然后，您可以提出您的请求（例如： “列出我的Qarnot任务”)克劳德。

与克劳德·韦伯（在线）

在服务器（Qarnot、AWS、OVH等）上安装MCP服务器后，添加到连接器中。团队和企业工作流程解释如下： https://support.claude.com/en/articles/11175166-getting-started-with-custom-connectors-using-remote-mcp

调试或手动测试

mcp dev mcp_server.py

可以使用交互式MCP检查器(https://modelcontextprotocol.io/docs/tools/inspector)以测试他们的MCP服务器。

工具定义

简而言之，工具是AI代理可以通过MCP执行的操作。例如，“列出任务”是一个可以由代理执行的操作，如果你要求它列出你当前的任务。 要添加新工具，请转到mcp_server.py并使用以下格式（此处为list_tasks示例）：

@mcp.tool() #the Anthropic decorator to create a MCP tool
def list_tasks() -> str: # name of the tool and expected output
    """List all Qarnot tasks for your account.""" #Docstring description, very important for the LLM 
    conn = get_connection() #Qarnot Python SDK related to the tool 
    tasks = conn.tasks() #Qarnot Python SDK related to the tool 

    #Any in-between actions should be added here

    result = [] #Empty format of the output
    for task in tasks: #Build the reponse
        result.append({
            "uuid": task.uuid,
            "name": task.name,
            "state": task.state,
        })

    import json 
    return json.dumps(result, indent=2) #Return JSON for the AI Agent that can then answer your query

相关 MCP