关于 mcp-server-colab-exec
mcp-server-colab-exec 是面向 MCP 客户端的服务,可分配 Google Colab GPU 运行时并执行 Python 代码。适合需要运行 CUDA、PyTorch 或 TensorFlow 任务、但没有本地 GPU 硬件的 AI 助手。
主要功能
- 01在 Colab GPU 上执行内联 Python
- 02运行工作区中的 .py 文件
- 03执行代码并下载生成的文件
- 04选择 T4 或 L4 加速器
适用场景
- 01在云端运行 CUDA 或 PyTorch 代码
- 02执行本地脚本并查看输出与错误
- 03训练模型并下载权重等产物
MCP 相关
该服务向 MCP 客户端提供代码执行工具,可通过 Google OAuth2 访问 Colab GPU 运行时。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
mcp-server-colab-exec
可分配 Google Colab GPU 运行时(T4/L4)并在其中执行 Python 代码的 MCP 服务。让任何兼容 MCP 的 AI 助手——Claude Code、Claude Desktop、Gemini CLI、Cline 等——都能运行 GPU 加速代码(CUDA、PyTorch、TensorFlow),无需本地 GPU 硬件。
前置条件
- Python 3.10+
- 可访问 Google Colab 的 Google 账号
- 首次运行时,会打开浏览器窗口以获取 OAuth2 授权。令牌会缓存到
~/.config/colab-exec/token.json,供后续运行使用。
安装
pip install mcp-server-colab-exec
或者使用 uvx 直接运行:
uvx mcp-server-colab-exec
配置
Claude Code
添加到项目的 .mcp.json 或 ~/.claude/.mcp.json:
{
"mcpServers": {
"colab-exec": {
"command": "mcp-server-colab-exec"
}
}
}
或者通过 CLI:
claude mcp add colab-exec mcp-server-colab-exec
Claude Desktop
添加到 claude_desktop_config.json:
{
"mcpServers": {
"colab-exec": {
"command": "mcp-server-colab-exec"
}
}
}
Gemini CLI
gemini mcp add colab-exec -- mcp-server-colab-exec
工具
colab_execute
在 Colab GPU 运行时上执行内联 Python 代码。
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
code | string | — | 要执行的 Python 代码(必填) |
accelerator | string | "T4" | GPU 类型:"T4"(免费)或 "L4"(高级) |
timeout | int | 300 | 最大执行时间(秒) |
返回包含每个单元格的输出、错误和标准错误流的 JSON。
colab_execute_file
在 Colab GPU 运行时上执行本地 .py 文件。
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
file_path | string | — | 本地 .py 文件的路径(必填) |
accelerator | string | "T4" | GPU 类型:"T4"(免费)或 "L4"(高级) |
timeout | int | 300 | 最大执行时间(秒) |
安全策略:file_path 必须是当前工作区(cwd)内的 .py 文件。
colab_execute_notebook
执行代码并收集所有生成的产物(图像、CSV、模型等)。
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
code | string | — | 要执行的 Python 代码(必填) |
output_dir | string | — | 用于存放下载产物的本地目录(必填) |
accelerator | string | "T4" | GPU 类型:"T4"(免费)或 "L4"(高级) |
timeout | int | 300 | 最大执行时间(秒) |
产物会以 zip 文件形式下载并解压到 output_dir。
解压前会验证 zip 文件成员,以防止路径遍历和写入特殊文件。
示例
检查 GPU 是否可用:
colab_execute(code="import torch; print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))")
运行 nvidia-smi:
colab_execute(code="import subprocess; print(subprocess.run(['nvidia-smi'], capture_output=True, text=True).stdout)")
训练模型并下载权重:
colab_execute_notebook(
code="import torch; model = torch.nn.Linear(10, 1); torch.save(model.state_dict(), '/tmp/model.pt')",
output_dir="./outputs"
)
身份验证
首次使用时,服务会打开浏览器窗口以获取 Google OAuth2 授权。访问令牌和刷新令牌会缓存到 ~/.config/colab-exec/token.json。后续运行会使用缓存的令牌并自动刷新。
OAuth2 客户端凭据与官方 Google Colab VS Code 扩展([email protected])使用的相同。这些凭据有意公开。
故障排除
“GPU 配额已超限” — Colab 有使用限制。请稍后重试,或改用其他 Google 账号。
“创建内核会话超时” — 运行时启动耗时过长。请重试——Colab 在使用高峰期有时会出现延迟。
“身份验证失败” — 删除 ~/.config/colab-exec/token.json 并重新进行身份验证。
OAuth 浏览器窗口未打开 — 请确保你正在有浏览器的环境中运行。对于无头服务,先在有浏览器的机器上进行身份验证,然后复制令牌文件。
许可证
MIT
评论
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。