CloudGPU MCP

CloudGPU MCP

CloudGPU MCP 服务：让 AI Agent 按分钟租用 GPU、运行任务、取回结果并关闭 GPU。同一个 API 密钥和余额也可用于 CloudGPU 的 OpenAI 兼容模型 API，因此 Agent 无需租用 GPU 就能调用托管模型。

“使用 LoRA 在 data/train.jsonl 上微调一个 7B 基础模型，并将适配器保存到 ./outputs。”

Agent 会查询实时价格并向你报价；在你确认后租用 GPU、上传代码和数据、在后台开始训练、监控日志、下载适配器并销毁实例。你会得到文件和最终费用。

这是一个本地（stdio）MCP 服务。它适用于任何能够启动 MCP 服务的 MCP 客户端：Claude Code、Cursor、Cline、opencode、goose、VS Code、Windsurf 等。

安装

1. 在 cloudgpu.app/api 创建 API 密钥并充值（银行卡或 USDT）。
2. 将服务添加到你的客户端。需要 Node.js 18 或更高版本。密钥应放在环境变量 CLOUDGPU_API_KEY 中。

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. 可选但建议：将 rules/cloudgpu.md 复制到项目中，命名为 AGENTS.md、.cursor/rules/cloudgpu.md 或 .clinerules/cloudgpu.md。它会告知 Agent 在租用前先报价、在关闭前先下载，并且绝不让 GPU 持续运行。服务还会通过资源 cloudgpu://rules 提供相同文本。

要检查安装是否成功，请向 Agent 提问：“列出可用的 GPU，然后估算一块 24 GB GPU 使用一小时的费用。不要创建任何实例。”你应该能看到 list_gpus 和 estimate_cost 调用以及报价，并且没有任何 GPU 被租用。

工具

服务还提供 train_on_cloudgpu 提示词。

防护措施

• 先获取报价。 create_instance 只接受来自 estimate_cost 的 quote_id，且必须设置 user_confirmed=true。
• 服务端限制。 每个实例创建时都会设置 max_spend_usd、max_hours 和空闲时限（默认 60 分钟）。即使客户端已断开连接或笔记本电脑处于休眠状态，CloudGPU 的服务器也会检查这些限制，并在任一限制触发时销毁实例。
• 自设上限。 CLOUDGPU_MAX_SPEND_USD 和 CLOUDGPU_MAX_HOURS 会限制 Agent 可设置的值。
• 先获取结果，再关闭实例。 命令运行后，除非用户确认 force=true，否则在下载任何内容前，stop_instance 会拒绝执行。
• 密钥不会出现在聊天中。 实例的 SSH 登录信息仅在此进程内部使用，不会返回给模型。工具输出会清除 API 密钥和登录信息。上传 .ssh、.env、密钥文件或整个主目录需要设置 allow_sensitive=true。
• 实例始终可受管理。 更改 root 密码、SSH 配置、防火墙或平台监控 Agent 的命令会被拒绝。CloudGPU 会关闭无法继续监控的实例。
• 只读模式。 CLOUDGPU_READ_ONLY=1 仅注册查询工具。

配置

使用相同余额调用模型 API

该密钥也可用于 https://cloudgpu.app/v1 上兼容 OpenAI 的 API。调用 list_models（或 GET /v1/models）即可查看可用的模型 ID。模型价格见 cloudgpu.app/api。

不使用 MCP

该服务封装了 CloudGPU 的公共 REST API，任何 Agent 或脚本都可以使用相同的密钥调用：

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

链接

• MCP 文档：https://cloudgpu.app/docs/mcp
• GPU 定价：https://cloudgpu.app/pricing
• 模型 API 和价格：https://cloudgpu.app/api
• API 参考：https://cloudgpu.app/api/docs · OpenAPI：https://cloudgpu.app/openapi.json · 面向大模型：https://cloudgpu.app/llms.txt

此处的 CloudGPU 指 cloudgpu.app。余额需预先充值，按分钟计费；余额用尽时，运行中的实例会被销毁，磁盘也会被擦除，因此请确保余额足够，并在工作过程中及时下载结果。

开发

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

许可证

MIT，详见 LICENSE。