AI导哈

GPU实例管理工具

Lambda CLI 是一个用于管理Lambda云GPU实例的快速命令行工具和MCP服务器，支持通过CLI或AI助手管理GPU基础设施。

  • by Strand-AI
  • Rust
  • 本地部署
  • 21 星标
  • 更新于
在 GitHub 查看 Strand-AI/lambda-cli

使用说明

Lambda命令行界面

[！小心] 非官方项目 --这是一个社区构建的工具，与Lambda无关或不受其认可。

用于管理的快速CLI和MCP服务器 拉姆达 云GPU实例。

有两种使用方法：

  • 命令行界面 (lambda)-用于管理GPU实例的直接终端命令
  • MCP服务器 (lambda-mcp)-让像Claude这样的AI助手管理您的GPU基础设施

安装

自制（macOS/Linux）

brew install strand-ai/tap/lambda-cli

来源

cargo install --git https://github.com/Strand-AI/lambda-cli

预构建二进制文件

下载自 GitHub发布.

认证

从获取API密钥 Lambda仪表板.

选项1：环境变量

export LAMBDA_API_KEY=<your-key>

选项2：命令（1密码等）

export LAMBDA_API_KEY_COMMAND="op read op://Personal/Lambda/api-key"

该命令在启动时执行，其输出用作API键。这适用于任何秘密经理。

通知（可选）

当您的实例准备就绪并支持SSH时，您将在Slack、Discord或Telegram上收到通知。

配置

设置以下一个或多个环境变量：

# Slack (incoming webhook)
export LAMBDA_NOTIFY_SLACK_WEBHOOK="https://hooks.slack.com/services/T00/B00/XXX"

# Discord (webhook URL)
export LAMBDA_NOTIFY_DISCORD_WEBHOOK="https://discord.com/api/webhooks/123/abc"

# Telegram (bot token + chat ID)
export LAMBDA_NOTIFY_TELEGRAM_BOT_TOKEN="123456:ABC-DEF..."
export LAMBDA_NOTIFY_TELEGRAM_CHAT_ID="123456789"

设置指南

松弛： 创建 传入Webhook 在您的工作空间中。

不一致： 频道内设置→ 集成→ 网络钩子→ 新Webhook→ 复制Webhook URL。

电报：

  1. 消息 @植物学家 → /newbot → 复制令牌
  2. 给你的机器人发消息，然后访问 https://api.telegram.org/bot<TOKEN>/getUpdates 查找您的聊天ID

CLI使用情况

命令

命令 描述
lambda list 显示可用GPU类型及其定价和可用性
lambda running 显示正在运行的实例
lambda start 启动新实例
lambda stop 终止实例
lambda find 轮询，直到GPU类型可用，然后启动

例子

列出可用GPU：

lambda list

启动实例：

lambda start --gpu gpu_1x_a10 --ssh my-key --name "dev-box"

停止实例：

lambda stop --instance-id <id>

等待可用性和自动启动：

lambda find --gpu gpu_8x_h100 --ssh my-key --interval 30

CLI选项

开始

标志 描述
-g, --gpu 实例类型（必填）
-s, --ssh SSH密钥名称（必填）
-n, --name 实例名称
-r, --region 区域（如果省略，则自动选择）
-f, --filesystem 要附加的文件系统（必须位于同一区域）
--no-notify 即使设置了环境变量，也禁用通知

找到

标志 描述
-g, --gpu 要等待的实例类型（必需）
-s, --ssh SSH密钥名称（必填）
--interval 轮询间隔（秒）（默认值：10）
-n, --name 启动时的实例名称
-f, --filesystem 启动时要附加的文件系统
--no-notify 即使设置了环境变量，也禁用通知

通知是 自动的 配置env变量时。使用 --no-notify 要禁用：

lambda start --gpu gpu_1x_a10 --ssh my-key --no-notify

MCP服务器

这 lambda-mcp 二进制是 MCP（模型上下文协议） 让AI助手管理Lambda基础设施的服务器。

npx快速入门

最简单的使用方法 lambda-mcp 是通过npx进行的，无需安装：

npx @strand-ai/lambda-mcp

选项

标志 描述
--eager 在启动时执行API密钥命令，而不是在首次使用时执行

API密钥加载

使用时 LAMBDA_API_KEY_COMMAND，MCP服务器默认情况下将命令执行推迟到第一个API请求。如果您在每个会话中都不使用Lambda工具，这可以避免启动Claude Code时出现不必要的延迟。

使用 --eager 在启动时执行命令：

npx @strand-ai/lambda-mcp --eager

注： CLI(lambda)总是在启动时执行API键命令，因为它用于即时操作。

可用工具

工具 说明
list_gpu_types 列出所有可用的GPU实例类型，包括定价、规格和当前可用性
start_instance 启动新的GPU实例（如果已配置，则自动通知）
stop_instance 终止正在运行的实例
list_running_instances 显示所有正在运行的实例及其状态和连接详细信息
check_availability 检查特定GPU类型是否可用

自动通知

配置通知环境变量后，MCP服务器会在实例可通过SSH连接时自动发送通知。不需要额外的标志——只需设置 LAMBDA_NOTIFY_* env变量和启动实例与往常一样。

Claude代码设置

claude mcp add lambda -s user -e LAMBDA_API_KEY=your-api-key -- npx -y @strand-ai/lambda-mcp

使用1Password CLI：

claude mcp add lambda -s user -e LAMBDA_API_KEY_COMMAND="op read op://Personal/Lambda/api-key" -- npx -y @strand-ai/lambda-mcp

然后重新启动Claude Code。

示例提示

配置后，您可以向Claude询问以下问题：

  • “Lambda上目前有哪些GPU？”
  • “使用我的ssh密钥'macbook'启动H100实例”
  • “显示我的运行实例”
  • “检查是否有A100可用”
  • “终止实例i-abc123”

发展

# Build
cargo build

# Run tests
cargo test

# Run CLI
cargo run --bin lambda -- list

# Run MCP server
cargo run --bin lambda-mcp

发布

要创建版本，请执行以下操作：

  1. 更新中的版本 Cargo.toml
  2. 合并到main--这会自动执行：
    • 创建git标签
    • 为所有平台构建二进制文件
    • 发布到npm
    • 更新Homebrew配方

相关 MCP