mcpField
R
Runcrate

Runcrate

远程服务
runcrate.ai云与基础设施02 天前更新

关于 Runcrate

Runcrate 是面向 AI 开发者和 Agent 的 GPU 云服务,可启动实例、运行任务、安排作业、传输文件和查看支出。其 MCP 服务通过浏览器 OAuth 登录,并受所选环境的月度预算限制。

主要功能

  1. 01查看实时 GPU 价格
  2. 02使用预配置镜像启动 GPU
  3. 03任务退出时停止机器
  4. 04安排运行并传输文件
  5. 05查看支出并管理环境

适用场景

  1. 01为命令行任务启动 GPU
  2. 02运行训练脚本并跟踪日志
  3. 03安排定期 GPU 作业
  4. 04查看剩余月度预算

MCP 相关

托管的 Streamable HTTP MCP 服务提供 47 个工具,涵盖实例、任务、计划、文件、卷、防火墙与 HTTPS 链接、账单、环境和密钥名称。它通过浏览器 OAuth 认证,操作范围仅限所选环境及其月度预算。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://mcp.runcrate.ai/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

工具

详细介绍

Runcrate

Runcrate MCP

为 AI Agent 配备 GPU。Runcrate 是面向 AI 开发者和 Agent 的 GPU 云:连接一次,就能用日常语言提出需求。你的 Agent 可以查看实时 GPU 价格、在预装映像上启动 GPU、将命令作为作业运行(命令退出后,机器会停止并停止计费)、安排运行任务、移动文件,以及查看支出。

  • 服务:https://mcp.runcrate.ai/mcp(可流式传输的 HTTP)
  • 登录:在浏览器中通过 OAuth 登录。无需复制密钥,也无需粘贴到配置文件中。
  • 47 个工具:实例、作业、计划任务、文件、卷、防火墙和 HTTPS 链接、账单、环境和密钥名称。工具参考

登录时选择一个环境。Agent 只会在该环境中操作,且环境的月度预算会限制其支出。

连接你的 Agent

将这行命令粘贴到你的 Agent 中:Claude Code、Codex、Cursor、VS Code、OpenCode,或任何能够运行命令的 Agent。它会自动添加服务,首次调用 Runcrate 工具时会打开浏览器供你登录。

Add Runcrate's MCP server to yourself: run curl -fsSL "https://runcrate.ai/mcp.md" and follow it.

也可以一键安装:

添加到 Cursor 在 VS Code 中安装 在 VS Code Insiders 中安装

在 Claude Code 中,插件会添加服务和一个技能,教 Claude 如何安全地使用资源:/plugin marketplace add runcrateai/runcrate-mcp,然后运行 /plugin install runcrate@runcrate。在 Gemini CLI 中:gemini extensions install https://github.com/runcrateai/runcrate-mcp。

Claude 和网页版 ChatGPT 无法运行命令,因此需要将 URL 添加为自定义连接器(步骤见下文)。

手动设置

使用 Runcrate CLI,只需运行一条命令,即可连接它在你的电脑上找到的所有客户端:

runcrate mcp install
Claude Code
claude mcp add --transport http --scope user runcrate https://mcp.runcrate.ai/mcp

然后在 Claude Code 中运行 /mcp 并选择 runcrate:浏览器会打开供你登录。

Claude(claude.ai 和 Claude Desktop)
  1. 打开 Settings > Connectors,然后选择 Add custom connector。
  2. 将其命名为 Runcrate,并粘贴 https://mcp.runcrate.ai/mcp。
  3. 选择 Connect,然后在打开的窗口中登录 Runcrate。
ChatGPT
  1. 打开 chatgpt.com/plugins,选择 +,然后选择 Add custom MCP server。
  2. 将其命名为 Runcrate,并将 https://mcp.runcrate.ai/mcp 粘贴为 URL,身份验证方式选择 OAuth。
  3. 创建连接器,登录 Runcrate,然后在聊天中提及 @Runcrate。
Codex
codex mcp add runcrate --url https://mcp.runcrate.ai/mcp

Codex 会打开浏览器供你登录。如果你关闭了浏览器?运行 codex mcp login runcrate。

Windsurf 和 Devin

运行 runcrate mcp install --client windsurf,或者在 Cascade 的 MCP 设置中添加服务,URL 为 https://mcp.runcrate.ai/mcp。Devin CLI:devin mcp add -s user runcrate https://mcp.runcrate.ai/mcp,然后运行 devin mcp login runcrate。

Zed、Warp、Goose、Raycast 和其他任何 MCP 客户端

向客户端提供 URL https://mcp.runcrate.ai/mcp,并选择 OAuth(动态注册)。首次使用时,客户端会通过浏览器为你完成登录。

配置文件

Cursor(~/.cursor/mcp.json)、Warp(~/.warp/.mcp.json)和大多数客户端:

{ "mcpServers": { "runcrate": { "url": "https://mcp.runcrate.ai/mcp" } } }

VS Code(用户配置文件中的 mcp.json):

{ "servers": { "runcrate": { "type": "http", "url": "https://mcp.runcrate.ai/mcp" } } }

Windsurf(mcp_config.json):{ "mcpServers": { "runcrate": { "serverUrl": "https://mcp.runcrate.ai/mcp" } } }

Zed(settings.json):"context_servers": { "runcrate": { "url": "https://mcp.runcrate.ai/mcp" } }

Gemini CLI(~/.gemini/settings.json):{ "mcpServers": { "runcrate": { "httpUrl": "https://mcp.runcrate.ai/mcp" } } }

Codex(~/.codex/config.toml):

[mcp_servers.runcrate]
url = "https://mcp.runcrate.ai/mcp"

Goose(~/.config/goose/config.yaml):

extensions:
  runcrate:
    name: Runcrate
    type: streamable_http
    uri: https://mcp.runcrate.ai/mcp
    enabled: true

试用

使用 Finetune crate 启动一台 H100 并运行 nvidia-smi。

在一台 A100 上以作业方式运行 python train.py,运行时间最长 2 小时,并跟踪日志。

本月预算还剩多少?

此仓库包含什么

文件用途
.claude-plugin/ 和 .mcp.jsonClaude Code 插件和市场
plugin.json 和 mcp.jsonAgent Plugins 包(Cursor、ChatGPT、Codex)
.cursor-plugin/plugin.jsonCursor 市场
gemini-extension.jsonGemini CLI 扩展
skills/runcrate/SKILL.md每个包都会附带的技能:如何选择作业或实例并控制支出

服务本身由 Runcrate 托管;此仓库仅打包连接配置。它已作为 io.github.aeonmindai/runcrate 列入官方 MCP 注册表。

链接

采用 MIT 许可证。

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。