CloudGPU MCP

CloudGPU MCP

CloudGPU MCP サーバーです。AI エージェントが GPU を分単位で借りてジョブを実行し、結果を持ち帰って GPU を停止できます。同じ API キーと残高で CloudGPU の OpenAI 互換モデル API も利用できるため、GPU を借りずにホスト型モデルを呼び出すこともできます。

「data/train.jsonl のデータで LoRA を使って 7B ベースモデルをファインチューニングし、アダプターを ./outputs に保存してください。」

エージェントはリアルタイムの価格を確認して見積もりを提示し、承認されると GPU を借り、コードとデータをアップロードして、バックグラウンドでトレーニングを開始します。ログを監視し、アダプターをダウンロードしてインスタンスを削除します。ファイルと最終的な費用が手元に残ります。

これはローカル（stdio）MCP サーバーです。Claude Code、Cursor、Cline、opencode、goose、VS Code、Windsurf など、MCP サーバーを起動できるあらゆる MCP クライアントで動作します。

インストール

1. cloudgpu.app/api で API キーを作成し、プリペイド残高を追加します（カードまたは USDT）。
2. サーバーをクライアントに追加します。Node.js 18 以降が必要です。キーは環境変数 CLOUDGPU_API_KEY に設定します。

claude mcp add cloudgpu --env CLOUDGPU_API_KEY=cgw-sk-... -- npx -y cloudgpu-mcp

{
  "mcpServers": {
    "cloudgpu": {
      "command": "npx",
      "args": ["-y", "cloudgpu-mcp"],
      "env": { "CLOUDGPU_API_KEY": "cgw-sk-..." }
    }
  }
}

{
  "mcpServers": {
    "cloudgpu": {
      "command": "npx",
      "args": ["-y", "cloudgpu-mcp"],
      "env": { "CLOUDGPU_API_KEY": "cgw-sk-..." }
    }
  }
}

{
  "$schema": "https://opencode.ai/config.json",
  "mcp": {
    "cloudgpu": {
      "type": "local",
      "command": ["npx", "-y", "cloudgpu-mcp"],
      "environment": { "CLOUDGPU_API_KEY": "cgw-sk-..." },
      "enabled": true
    }
  }
}

extensions:
  cloudgpu:
    name: cloudgpu
    type: stdio
    cmd: npx
    args: ["-y", "cloudgpu-mcp"]
    envs:
      CLOUDGPU_API_KEY: "cgw-sk-..."
    enabled: true
    timeout: 300

3. 任意ですが、推奨します。rules/cloudgpu.md をプロジェクトに AGENTS.md、.cursor/rules/cloudgpu.md、または .clinerules/cloudgpu.md としてコピーしてください。これにより、エージェントは GPU を借りる前に見積もりを提示し、停止前にダウンロードし、GPU を決して稼働したままにしないよう指示されます。サーバーは同じテキストをリソース cloudgpu://rules としても公開します。

インストールを確認するには、エージェントに「利用可能な GPU を一覧表示し、24 GB GPU を 1 時間使用する場合の費用を見積もってください。何も作成しないでください。」と依頼します。list_gpus と estimate_cost の呼び出しと見積もりが表示され、何も借りられていないことを確認できます。

ツール

サーバーは train_on_cloudgpu プロンプトも提供します。

ガードレール

• まず見積もりを取得します。 create_instance が受け取るのは、estimate_cost が返す quote_id と user_confirmed=true のみです。
• サーバー側の制限。 すべてのインスタンスは max_spend_usd、max_hours、アイドル制限（デフォルトは60分）を設定して作成されます。CloudGPU のサーバーがこれらを確認し、いずれかに達するとインスタンスを破棄します。クライアントが切断されていたり、ノートパソコンがスリープ中だったりする場合も同様です。
• 独自の上限。 CLOUDGPU_MAX_SPEND_USD と CLOUDGPU_MAX_HOURS により、エージェントが設定できる値に上限を設けます。
• シャットダウン前に結果を取得。 コマンドの実行後は、何かがダウンロードされるまで stop_instance は拒否されます。ただし、ユーザーが force=true を確認した場合は除きます。
• シークレットをチャットに出しません。 インスタンスの SSH ログイン情報はこのプロセス内で使用され、モデルに返されることはありません。ツールの出力から API キーとログイン情報は除去されます。.ssh、.env、キー ファイル、またはホームディレクトリ全体をアップロードするには、allow_sensitive=true が必要です。
• インスタンスを管理可能な状態に保ちます。 root パスワード、SSH 設定、ファイアウォール、またはプラットフォームの監視エージェントを変更するコマンドは拒否されます。CloudGPU は監視できなくなったインスタンスをシャットダウンします。
• 読み取り専用モード。 CLOUDGPU_READ_ONLY=1 の場合、検索ツールのみを登録します。

設定

同じ残高で利用できるモデル API

このキーは、https://cloudgpu.app/v1 の OpenAI 互換 API でも使用できます。利用可能なモデル ID を確認するには、list_models（または GET /v1/models）を呼び出してください。モデルの価格は cloudgpu.app/api に掲載されています。

MCP を使わない場合

このサーバーは CloudGPU の公開 REST API をラップしています。同じキーを使って、どのエージェントやスクリプトからでも呼び出せます。

curl https://cloudgpu.app/v1/gpu/offers -H "Authorization: Bearer $CLOUDGPU_API_KEY"

リンク

• MCP のドキュメント：https://cloudgpu.app/docs/mcp
• GPU の料金：https://cloudgpu.app/pricing
• モデル API と料金：https://cloudgpu.app/api
• API リファレンス：https://cloudgpu.app/api/docs · OpenAPI：https://cloudgpu.app/openapi.json · LLM 向け：https://cloudgpu.app/llms.txt

ここでの CloudGPU は cloudgpu.app を指します。前払い残高から分単位で課金されます。残高がなくなると、実行中のインスタンスは破棄され、ディスクも消去されます。そのため、ジョブに必要な残高を確保し、作業を進めながら結果をダウンロードしてください。

開発

npm install
npm test
node src/index.js   # stdio server; set CLOUDGPU_API_KEY first

ライセンス

MIT。詳細は LICENSE を参照してください。