HomeLab Monitor

HomeLab Monitor

ホームラボと AI 環境のすべてを 1 ページに — GPU の実態（メーカー不問）、秒間トークン数、時間ごとの電気代、稼働時間、トレーニング実行、コンテナ、ディスク。エージェントも、別個のメトリクススタックも、クラウドも不要です。

ホームラボにマシンが何台か、Pi、そしてなぜかいつも稼働中の GPU が加わり、最近ではモデルも動かすようになった。HomeLab Monitor は、実際に知りたいことに答えるセルフホスト可能なページを提供します。GPU は実際に何をしているのか、どのモデルが GPU を使っているのか、稼働にいくらかかっているのか、どのコンテナが RAM を消費しているのか、ディスクを何が埋めているのか、そして停止中のものはあるのか — Linux、Pi、さらには Windows まで、SSH 経由ですべてのマシンを確認できます。VPN 経由でスマートフォンからも読みやすく表示されます。

はじめに

# Grab the compose file and go. No GPU required — the GPU panels just light up when one's present.
curl -fsSLO https://raw.githubusercontent.com/SikamikanikoBG/homelab-monitor/main/docker-compose.yml
docker compose up -d

http://<your-host>:9800 を開けば完了です。すべてのオプション（ソースからのインストール、GPU ツールキット、Windows/WSL2）→ インストールのドキュメント。

🆕 新機能 — すべてのリリースについて、背景にある理由も含めて詳しく紹介しています：最新リリース · 変更履歴。ダッシュボードには、更新後にリリースノートがアプリ内で一度表示されます。

利用できる機能

1 ページですべてのマシンを確認し、知りたいことを把握できます。定番の機能はすべてそろっており、その上に本格的な AI コックピットが加わります。

ラボのホーム画面 — そして壁掛けディスプレイ。 概要ページを開くと、まず ランチパッドが表示されます。実際によく開くアプリが、正式なロゴ付きのタイルとして並び、コンテナの行からアドレスを入力済みの状態で直接ピン留めでき、グループ分けやドラッグによる並べ替えもできます。ピン留めはブラウザーではなくハブに保存されるため、ノート PC でピン留めすれば、スマートフォンや壁掛け画面にも表示されます。ボード全体が画面に収まります。描画のたびに表示領域からのはみ出しを測り、カードを途中で切ったり画面下にはみ出したりするのではなく、リストを短くし、フリート表示を詰め、ピンを +N 件の下に折りたたむ順に調整します。4K から 1366×768 まで検証済みです。また、⛶ ディスプレイ（または /?display=1。専用のキオスク端末に必要なのはこれだけ）を使うと、余分な表示をすべて取り除いてモニター全体に表示できます。壁掛け画面に表示するパネルは選択でき、Chromium ベースのブラウザーでは、指定した画面でフルスクリーン表示されます。 GPUを解き明かす――どのマシンでも同じタブで。「使用率100％」に張り付いているカードでも、スロットリングが発生していたり、メモリ帯域幅がボトルネックになっていたり、ひそかにクロックが低下していたりすることがあります。GPUタブでは、nvidia-smi のスロットリング理由を読み解き、メモリ帯域幅使用率、コア／メモリクロック、電力と上限の比較、Pステート、そしてファン速度を、コンテナを実行しているマシンだけでなく、フリート内のすべてのマシンで確認できます。複数GPU搭載マシンでは、カードごとにパネルを表示し、メトリクスごとに共通のスケールを使うため、温度の線が高ければ実際にそのカードの温度が高いことがわかります。サーマルスロットリングが発生している時間帯は、スパークライン上で網掛け表示されます。サービスがどのカードで動作しているか（3×3090搭載マシンでは、あるモデルの63 GBがカード全体で合算された値ではなく、22.5／22.1／18.8に分かれて表示されます）、各サービスが消費したエネルギー、カードのスロットリングや過熱、ファンの故障が発生したときのアラートも確認できます。アラートはカードごとに継続的に監視され、ホストごとにしきい値を設定できます。意図的に電力上限を下げているマシンは、その上限に達した状態で動作するのが想定どおりだからです。NVIDIAだけでなく、AMD GPUはLinux上でカーネルの amdgpu インターフェースから直接読み取れます（ROCm不要）。Windowsホスト上のAMDとIntelのGPUにも対応しているため、ベンダーのツールを使わなくても、カード名、使用率、VRAMが表示されます。ドライバーから取得できない情報は、確信ありげにゼロを表示するのではなく、取得できないことが示されます。

プロセス単位でコストを確認。 電力を金額に換算します。マシン単位、コンポーネント単位（GPUは nvidia-smi、CPU／DRAMはRAPLで測定）、そしてプロセス、コンテナ、モデル単位で確認できます。行をクリックすると、任意の期間について消費電力とコストを確認できます。昼夜別料金（Economy 7、Heures Creuses、など）を設定するか、国を選ぶだけで妥当な推定値を取得できます。すべてのワット数は実測値か、設定した基準値です。コンセントでの電力消費を推測することはありません。また、稼働時間ヒートマップでは、数か月分のサンプルを1枚の図にまとめ、ラボの電気代がかかる時間帯を確認できます。曜日×時間の7×24グリッドで、週のどの時間帯が最も高コストかをひと目で把握できます。

トレーニング実行のコストを算出。 Jupyter、Colab、Kaggleから1ファイルのクライアントで実行を送信するか、MLflowからミラーリングすると、損失曲線とともに、実際に消費したGPUエネルギーも同じタイムライン上に表示されます。APIキーは自分で作成、名前の設定、有効期限の設定、取り消しができます。

「動く？」――推測ではなく実測で確認。 Benchmark Labでは、ローカルの各ollamaモデルを実際のカードに読み込み、コンテキストサイズを段階的に変えてテストします。生成トークン／秒とプロンプトトークン／秒、読み込み時間、VRAMからシステムRAMにあふれた量、そしてVRAMに完全に収まる最大コンテキストサイズ――設定する価値のある上限――を記録します。テストするGPUを選択でき（使い捨ての固定ollamaコンテナを使うため、メインのコンテナには一切触れません）、保存済みの実行結果を重ねてカードを比較できます。また、各実行で消費したエネルギーとコストも確認できます。結果は保存されるため、ベンチマークは一度実行すれば、何かが変わったときだけ再実行すれば十分です。

そして、いつもどおりのラボのその他の機能もそろっています：

• コンテナを正直に表示 — ヘルス状態に加え、RAM と VRAM を別々の列に表示します（ページキャッシュではなく、実際に使用中の RAM）。項目をクリックすると、サイドドロワーでログを追跡できます。フリート内のすべてのコンテナで同じ操作が可能です。ログの確認、起動／停止／再起動、再起動ポリシーの設定、ピン留めを、プローブがすでに使用しているものと同じ SSH 接続で行えます。タブ全体はスマートフォンでも動作します。
• systemd サービス — ローカルまたはリモートのサービスを表示し、独自のユニットを強調表示して、失敗したものを先に表示します。
• WizTree スタイルのディスクツリーマップ — フリート内のどのマシンでも。 ハブ または 追加した Linux ホストで、ディスクを占有しているフォルダーをクリックして調べられます。リモートホストのスキャンには、ほかのすべての処理で使用するものと同じ SSH 接続を使うため、リモート側に何もインストールする必要はありません。さらに、コンテナごとの通信量上位プロセスを確認できるネットワーク I/O と、CPU と RAM を消費しているプロセスを確認できる ミニ htop もあります。
• ライブダッシュボードのように動作します。 使用率、RAM、温度、電力は、固定間隔のポーリングではなくプッシュストリーム経由で数秒おきに更新されます。しかも以前より リクエスト数は少なく なっています。負荷の大きい履歴クエリは、そのグラフのバケットに変化があるタイミングでのみ取得され、表示していないタブは一切負荷を発生させないためです。サンプリングと保存の間隔は変更されないため、履歴の密度もコストの精度もこれまでとまったく変わりません。
• SSH によるマルチマシン対応 — マシンごとに鍵を 1 つ貼り付けるだけです。Linux、Pi、さらには Windows にも対応しています。エージェントもインストールも不要です。GPU タブもホストごとに利用できます。リモートのマルチ GPU マシンでは、各カードの VRAM、使用率、電力、温度と、メモリを使用しているプロセスをすべて表示します。
• アップタイム監視を内蔵 — 任意の HTTP エンドポイントまたは TCP ポート（サービス、NAS、リモートサイトなど）をコンテナから直接監視できます。ハートビートストリップ、24 時間／7 日間のアップタイム率、レイテンシ、チェックごとのスマートアラート（フラッピング防止の確認、ダウンタイムを含む復旧通知、任意の応答遅延警告）を備えています。セルフホストするアップタイム監視サービスを別途用意する必要はありません。すでにコンテナに組み込まれています。
• プッシュアラート — Discord、ntfy.sh、Telegram に対応し、状態の変化時にのみ通知するため、通知が大量に届くことはありません。

タブごとの詳しい紹介 → 機能。

2 文でわかるマルチマシン対応

Hosts タブを開き、ハブで自動生成された SSH キーを各リモートホストに貼り付けると、ハブがそのホストのポーリングを開始します。エージェントは不要で、必要なのは SSH と Python 3 だけです（Windows では PowerShell）。ハブは自己完結型の小さなプローブを SSH 経由で実行するため、リモート側には何も残りません。この同じ接続を使って、ハブからリモートの GPU コックピットを開いたり、ディスクをスキャンしたりできます。リモート側へのインストールは引き続き不要です。

初期設定、Windows のセットアップ、セキュリティモデル → マルチマシンのドキュメント。

設定

docker-compose.yml の environment: に以下を設定します（すべて任意です）。

変数	デフォルト	意味
SAMPLE_INTERVAL	10	サンプルを保存する間隔（秒）。これは保存間隔です。すべてのエネルギーとコストの数値はこの間隔に基づいて積算されるため、変更すると履歴の料金計算も変わります
FAST_INTERVAL	2	画面上のライブ値を更新する間隔（秒）。負荷の低いカウンターのみを読み取り、何も保存しないため、履歴データも精度も損ないません。0 にするとプッシュストリームが無効になり、ダッシュボードはポーリングに切り替わります
RETENTION_DAYS	180	履歴を保持する期間
PRESSURE_FREE_MB	2048	空き VRAM がこの値を下回ると「圧迫状態」とみなされます
PORT	9800	ダッシュボードのポート
MCP_PORT	9810	組み込みの読み取り専用 MCP サーバーのポート
ENABLE_MCP	1	0 にすると、MCP サーバーを起動せずにダッシュボードを実行します
ENABLE_CONTROLS	1	0 にすると、「Containers」タブと「Services」タブから起動／停止／再起動ボタンを削除します
ALLOW_SELF_UPDATE	1	0 にすると、アプリ内での更新を無効にします
WATCH_CONTAINERS	—	OOM のスキャン対象に追加するコンテナー（カンマ区切り）
WATCH_SERVICES	—	ベンダー提供のものも含め、常に表示する systemd ユニット（カンマ区切り）
CHECK_UPDATES	true	false にすると、GitHub リリースの毎日の確認を無効にします（外部への通信は行いません）
CHECK_OS_UPDATES	true	false にすると、保留中の OS パッケージ更新の報告を停止します
PUBLIC_STATUS	—	公開ステータスページを有効にする値を設定します（再起動不要の「Settings」切り替えでも設定できます）
DB_PATH	/data/gpu.db	コンテナー内で履歴を保存する場所
HOST_ROOT	/rootfs	読み取り専用のホストルートのマウントポイント
DOCKER_SOCK	/var/run/docker.sock	コンテナー情報の読み取り元となる Docker ソケット

履歴は ./data/gpu.db（バインドマウント）に保存されるため、再起動やアップグレード後も保持されます。アラート、systemd D-Bus のマウント、サーバーごとの調整については、→ 設定ドキュメント をご覧ください。

内部の仕組み

ハブは、nvidia-smi（カーネル内の amdgpu sysfs インターフェースを介した AMD GPU、および組み込み GPU パフォーマンスカウンターを介した Windows ホスト上の AMD／Intel GPU も含む）、Docker API、モデルサーバー API（Ollama、vLLM、llama.cpp、A1111 など）、systemd D-Bus、/proc と /sys の情報をひとつのサンプルビューに統合し、SQLite に保存します。読み取り時にはダウンサンプリングするため、6 か月分の範囲も直近 1 時間分と同じ速さで読み込めます。単一ページ構成で、Chart.js は同梱されており、ビルド手順は不要です。

• 30 種類以上のモデルサーバーを認識 → モデルサーバー
• 標準の /metrics エンドポイントを使って、既存の任意のダッシュボードにスクレイプできます → メトリクスのエクスポート
• データパイプライン全体と呼び出し元の帰属 → 仕組み

AI エージェントを接続する（MCP）

ホームラボの情報を AI エージェントが把握できるようになりました。クライアントから 1 つの URL に接続するだけで、すべてのホスト、コンテナ、GPU、ディスクを確認できます。読み取り専用で、追加設定は不要です。

HomeLab Monitor は、もはや あなた のためのダッシュボードだけではありません。AI エージェントにとってもコンテキストになります。読み取り専用の MCP サーバーが同じコンテナに組み込まれており（:9810 で提供）、Claude、Claude Code、または任意の MCP クライアントが 1 行で接続し、19 個の名前付きツールを使ってラボ全体を調べられます。ダッシュボードと同じ範囲を網羅しており、ホスト、コンテナ、systemd サービス、GPU とその利用者、プロセスごとの RAM 使用量、AI モデルサーバー、インストール済みモデル、コスト、実験の実行履歴、モデルのベンチマーク、ディスクのツリーマップ、履歴、アラートを確認できます。

_{任意の MCP クライアント（Claude、ChatGPT、または自分のローカル Ollama モデル上で動くエージェント）を接続すると、ホームラボのライブ状態を読み取れます。読み取り専用なので、やり取りはすべて質問と回答です。}

# the dashboard is on :9800; the MCP server rides along on :9810
claude mcp add --transport http homelab http://YOUR-HUB:9810/mcp

接続したら、タブを探し回る代わりに、ただ質問するだけです。エージェントが適切なツールを選びます。

• 「GPU が 1 時間ずっと使い切られています。どのモデルサーバーが読み込まれていて、実際に誰が呼び出しているのでしょうか？」
• 「/backup の容量を使っているのは何ですか？ 最大のフォルダーを教えて、異常に増え続けるログらしきものがあれば教えてください。」
• 「今 RAM の空きが最も少ないホストはどれですか？ RAM を最も使っているプロセスは何ですか？」
• 「今週末に再起動して OS をアップグレードしたいです。どのマシンを最優先にすべきですか？ それぞれで稼働しているものを考慮すると、安全な順序はどうなりますか？」

設計上、読み取り専用です。書き込みツールはないため、エージェントはフリートを確認できても、変更することはできません。ENABLE_MCP=0 を設定すれば、いつでも無効にできます。ツール一覧とセットアップの詳細 → MCP ドキュメント。

セキュリティ

これはホストモニターであり、ホストへのアクセスに加えて、読み書き可能な Docker ソケットと D-Bus ソケット（セルフアップデートと Containers／Services タブの開始／停止／再起動操作はデフォルトで有効です。制限するには ALLOW_SELF_UPDATE=0／ENABLE_CONTROLS=0 を設定するか、docker-compose.readonly.yml を使用して、純粋なモニタリングのみにします）、読み取り専用のルートマウントを使用します。これは意図的に広いアクセス範囲です。ダッシュボード自体にはログイン／認証機能がありません。信頼できる LAN での利用を想定しています。LAN／VPN／ファイアウォールの内側に置き、パブリックインターネットには公開しないでください。 詳細 → ドキュメント。

⭐ プロジェクトを応援する

HomeLab Monitor によってブラウザーのタブが 1 つでも 2 つでも減ったなら、GitHub で ⭐ を付けていただけると、他のホームラボユーザーが見つけやすくなります。本当にありがとうございます！

💬 コミュニティ

一緒に作れば、もっと楽しくなります。HomeLab Monitor の Discord に参加してください。挨拶したり、自分の環境を披露したり、アイデアを交換したり、助けを求めたり、気軽に交流したりできます。ロードマップについての話題や「X を作るべき？」という質問、ちょっとしたサポートが行われる場所で、新しいコントリビューターも温かく迎えられます。

友人を誘ったり、アイデアを投稿したり、issue を作成したりして、親しみやすく健全なホームラボコミュニティを一緒に育てましょう。💛

コントリビューション

issue や PR は大歓迎です。特に、新しいモデルサーバーのプローブ、新しいモニター、GPU バックエンドを歓迎します。これはホームラボ仲間の役に立つことを目的とした趣味のツールです。お互いに思いやりを持ってください。CONTRIBUTING.md を参照してください。

コントリビューター

Issue の報告、PR の作成、ロードマップの策定に協力してくださった皆さんに感謝します。AMD GPU バックエンド全体（DRM fdinfo によるプロセスごとの VRAM の取得と、v0.28.0 でのすべてのパネルとの完全な連携、v0.26.0 での統合メモリー APU における実際の VRAM の取得）は、@andreahaku の貢献によるものです。v0.27.0 のフリート対応モデルレジストリと、v0.23.0 のメンテナンスウィンドウは、@1HazyOne707 の貢献によるものです。v0.27.0 の RAPL による CPU／DRAM 電力の取得と、v0.24.0 の backend/ モジュールツリーのリファクタリングは、@pehota の貢献によるものです。これまでの貢献者の記録については、変更履歴をご覧ください。

ライセンス

MIT — LICENSEをご覧ください。