GPU Server

mcp-name: io.github.moezdil/mcp-gpu-server

mcp-gpu-server

NVIDIA GPU のメトリクスをツールとして公開する MCP サーバーです。接続すると、MCP 互換のクライアントから会話中に GPU の状態をリアルタイムで直接問い合わせられます。

できること

nvidia-smi を手動で実行する代わりに、AI アシスタントに尋ねると、次のツールが自動的に呼び出されます。

gpu_info         GPU 名、ドライバーのバージョン、CUDA バージョン
gpu_utilization  コア使用率 % とメモリーコントローラーのビジー率 %
gpu_vram         VRAM の合計、使用量、空き容量（MiB）と使用率 %
gpu_temperature  GPU コア温度（摂氏）
gpu_stats        上記すべてを 1 回の呼び出しで取得

gpu_stats の応答例：

{
  "count": 1,
  "gpus": [{
    "index": 0,
    "name": "NVIDIA L40S",
    "driver": "580.126.09",
    "cuda": "13.0",
    "temp_c": 29,
    "gpu_pct": 0,
    "mem_pct": 0,
    "vram": {
      "total_mib": 46068,
      "used_mib": 610,
      "free_mib": 45457,
      "pct": 1.3
    }
  }]
}

仕組み

利用可能な場合は NVML（pynvml）に直接問い合わせます。NVML にアクセスできない場合は、nvidia-smi のサブプロセスにフォールバックします。どちらの場合も、整形された JSON を返します。nvidia-smi による問い合わせには CUDA バージョンが含まれないため、その経路では cuda は null になります。

インストール

pip install gpu-server

PyPI でのパッケージ名は、0.2.1 で mcp-gpu-server から gpu-server に変更されました。旧名は 0.1.3 で更新が停止しており、mcp 2.x では起動しません。mcp-gpu-server コマンドも引き続き使えます。また、0.2.2 以降は gpu-server コマンドも使用できます。

公式の MCP Registry には io.github.moezdil/mcp-gpu-server として登録されています。

MCP クライアントに接続する

次の内容を MCP クライアントの設定ファイルに追加します。

{
  "mcpServers": {
    "gpu": {
      "command": "mcp-gpu-server"
    }
  }
}

または、何もインストールせずに uv を使用します。

{
  "mcpServers": {
    "gpu": {
      "command": "uvx",
      "args": ["gpu-server"]
    }
  }
}

テストの実行

uv run pytest tests/test_server.py   # GPU は不要
uv run python tests/test_gpu.py      # GPU ホスト上で実行

実機でのテスト

リリース 0.2.2 を Linux ホストのクリーンな仮想環境に PyPI からインストールし、2026-10-21 に実際の GPU を使ってテストしました。

GPU	NVIDIA GeForce RTX 3090、24 GB
Driver / CUDA	580.178.04 / 13.0
Python	3.14.4
Packages	gpu-server 0.2.2、mcp 2.3.0、nvidia-ml-py 13.615.71

公開されたパッケージをインストールし、GPU 統合テストを実行します。

python3 -m venv venv
venv/bin/pip install gpu-server==0.2.2
git clone --depth 1 https://github.com/moezdil/mcp-gpu-server.git repo
venv/bin/python repo/tests/test_gpu.py

結果：37 件のチェックがすべて成功しました。NVML の経路をテストします。nvidia-smi へのフォールバックは、存在の確認のみを行い、解析はしません。

次に、実際の MCP クライアントを使い、stdio 経由ですべてのツールを呼び出します。

import anyio, json, sys
from mcp import Client, StdioServerParameters

async def main():
    async with Client(StdioServerParameters(command=sys.argv[1])) as c:
        print("protocol:", c.protocol_version)
        for t in (await c.list_tools()).tools:
            r = await c.call_tool(t.name, {})
            print(t.name, t.annotations.read_only_hint, json.dumps(r.structured_content))

anyio.run(main)

e2e.py として保存し、venv/bin/python e2e.py venv/bin/gpu-server を実行しました。結果：クライアントとサーバーはプロトコル 2026-07-28 でネゴシエートし、5 つのツールすべてが読み取り専用として一覧表示され、すべての呼び出しがエラーなく構造化コンテンツを返しました。

gpu_stats {"count": 1, "gpus": [{"index": 0, "name": "NVIDIA GeForce RTX 3090",
  "driver": "580.178.04", "cuda": "13.0", "temp_c": 42, "gpu_pct": 0, "mem_pct": 0,
  "vram": {"total_mib": 24576, "used_mib": 451, "free_mib": 24124, "pct": 1.8}}]}

要件

Python 3.10 以降、MCP Python SDK 2.x。ホストマシンにドライバーがインストールされた NVIDIA GPU。

リンク

• PyPI：https://pypi.org/project/gpu-server/
• MCP Registry エントリー：https://registry.modelcontextprotocol.io/v0/servers?search=io.github.moezdil/mcp-gpu-server
• Model Context Protocol：https://modelcontextprotocol.io
• MCP Python SDK：https://github.com/modelcontextprotocol/python-sdk
• uv：https://docs.astral.sh/uv/
• NVML（nvidia-ml-py）：https://pypi.org/project/nvidia-ml-py/