Cluster Execution MCP Server

MCP运维云端

提供方 marc-shade

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方 Claude
查看接入方式

一个用于在AGI代理集群中分布式执行命令的服务,支持自动任务路由、多节点支持和并行执行等功能。

一句话选型结论

按资料字段整理

Cluster Execution MCP Server 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,可直接接入 Claude,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类运维云端 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 4 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

运维云端
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量4暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

支持客户端

适用场景

分布式计算Python本地部署任务路由集群管理SSH执行并行处理

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install -e .

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 4 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 4 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Cluster Execution MCP Server当前 4 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
字段来自项目仓库与公开索引,中文说明由本站标注
提供方marc-shade上游标注的维护方 marc-shade
分类运维云端本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

8.4 KB
来自项目仓库与上游目录的原文,未做删改

集群执行MCP服务器

集群感知命令执行,用于跨AGI代理集群的分布式任务路由。

版本: 0.2.0

特性

  • 自动任务路由:根据负载、能力和要求将命令路由到最佳节点
  • 多节点支持:macpro51(Linux x86_64)、mac studio(macOS ARM64)、macbook air(macOS ARM六十四)、推理节点
  • 动态IP解析:mDNS、DNS和带缓存的回退方法
  • 加强安保:无shell注入、基于环境的配置、命令验证
  • SSH连接验证:具有可配置超时的重试逻辑
  • 并行执行:跨集群分发命令以实现最大吞吐量

安装```bash

cd /mnt/agentic-system/mcp-servers/cluster-execution-mcp
pip install -e .

For development:

pip install -e ".[dev]"


## 配置

### Claude代码配置

添加到 `~/.claude.json`:```json
{
"mcpServers": {
"cluster-execution": {
"command": "/mnt/agentic-system/.venv/bin/python3",
"args": ["-m", "cluster_execution_mcp.server"]
}
}
}

环境变量

所有配置都通过环境变量外部化:

变量 默认值 描述
CLUSTER_SSH_USER marcssh 远程执行的SSH用户名
CLUSTER_SSH_TIMEOUT 5 SSH连接超时(秒)
CLUSTER_SSH_CONNECT_TIMEOUT 2 初始SSH连接超时(秒)
CLUSTER_SSH_RETRIES 2 SSH重试次数
CLUSTER_CPU_THRESHOLD 40 卸载的CPU使用率百分比阈值
CLUSTER_LOAD_THRESHOLD 4 卸载的平均负载阈值
CLUSTER_MEMORY_THRESHOLD 80 卸载的内存使用百分比阈值
CLUSTER_CMD_TIMEOUT 300 命令执行超时(秒)
CLUSTER_STATUS_TIMEOUT 5 状态检查超时(秒)
CLUSTER_IP_CACHE_TTL 300 IP分辨率缓存TTL(秒)
CLUSTER_GATEWAY 192.168.1.1 用于路由检测的网关IP
CLUSTER_DNS 8.8.8.8 用于IP检测的DNS服务器
AGENTIC_SYSTEM_PATH /mnt/agentic-system 数据库的基本路径

节点配置

节点主机名和IP可以自定义:

变量 默认值 描述
CLUSTER_MACPRO51_HOST macpro51.local Mac Pro主机名
CLUSTER_MACPRO51_IP 192.168.1.2 Mac Pro回退IP
CLUSTER_MACSTUDIO_HOST Marcs-Mac-Studio.local Mac Studio主机名
CLUSTER_MACSTUDIO_IP 192.168.1.6 Mac Studio回退IP
CLUSTER_MACBOOKAIR_HOST Marcs-MacBook-Air.local MacBook Air主机名
CLUSTER_MACBOOKAIR_IP 192.168.1.7 MacBook Air后备IP
CLUSTER_INFERENCE_HOST server.local 推理节点主机名
CLUSTER_INFERENCE_IP 192.168.1.8 推理节点回退IP

MCP工具

工具 说明
cluster_bash 使用自动集群路由执行bash命令
cluster_status 获取当前集群状态和负载分布
offload_to 明确地将命令路由到特定节点
parallel_execute 跨节点并行运行多个命令

用法示例

自动路由```python

Heavy commands auto-route to least loaded node

result = await cluster_bash("make -j8 all")

Simple commands run locally

result = await cluster_bash("ls -la")


### 部队特定要求```python
# Force Linux execution
result = await cluster_bash("docker build .", requires_os="linux")

# Force x86_64 architecture
result = await cluster_bash("cargo build", requires_arch="x86_64")

显式节点路由```python

Run on Linux builder

result = await offload_to("podman run -it ubuntu:22.04", node_id="macpro51")

Run on Mac Studio

result = await offload_to("swift build", node_id="mac-studio")


### 并行执行```python
# Run tests across cluster
results = await parallel_execute([
"pytest tests/unit/",
"pytest tests/integration/",
"pytest tests/e2e/"
])

群集状态```python

Get cluster health before heavy operations

status = await cluster_status()

Returns:

{

"local_node": "macpro51",

"nodes": {

"macpro51": {"cpu_percent": 15.2, "memory_percent": 45.3, ...},

"mac-studio": {"cpu_percent": 8.1, "memory_percent": 32.1, ...},

...

}

}


## 集群节点

|节点|操作系统|架构|功能|特性|
|------|-----|------|--------------|-------------|
| `macpro51` |Linux|x86_64|docker、podman、raid、nvme、编译、测试、tpu|编译、测试,容器化,基准测试|
| `mac-studio` |macOS | ARM64 |编排、协调、时态、mlx gpu、arduino |编排、协作、监控|
| `macbook-air` |macOS | ARM64 |研究、文档、分析|研究、文件、移动|
| `inference` |macOS | ARM64 | ollama,推理,模型服务,llm-api | ollama推理,模型服务器|

## 卸载模式

与这些模式匹配的命令会自动卸载:

- 构建: `make`, `cargo`, `npm`, `yarn`, `pnpm`
- 测试: `pytest`, `jest`, `mocha`, `test`
- 编译: `gcc`, `g++`, `clang`
- 集装箱: `docker`, `podman`, `kubectl`
- 文件操作: `rsync`, `scp`, `tar`, `zip`, `find`, `grep -r`

本地命令:

- 简单: `ls`, `pwd`, `cd`, `echo`, `cat`, `head`, `tail`, `which`, `type`

## 安全

### 壳体防喷

所有命令都使用 `subprocess.run()` 在可能的情况下使用列表参数:```python
# SAFE: List arguments
subprocess.run(["ssh", "-o", "ConnectTimeout=5", f"{user}@{ip}", command])

# Complex shell commands are validated before execution

命令验证

针对危险模式验证命令:

  • rm -rf /
  • rm -rf /*
  • > /dev/sda
  • 叉式炸弹
  • 还有更多。..

SSH配置

  • StrictHostKeyChecking=accept-new -接受新主机,但验证返回的主机
  • BatchMode=yes -脚本编写的非交互模式
  • 可配置的超时和重试

发展

运行测试```bash

Install dev dependencies

pip install -e ".[dev]"

Run tests

pytest tests/ -v

With coverage

pytest tests/ --cov=cluster_execution_mcp --cov-report=html


### 项目结构```
cluster-execution-mcp/
├── src/cluster_execution_mcp/
│   ├── __init__.py      # Package exports
│   ├── config.py        # Configuration, validation, node definitions
│   ├── router.py        # Task routing and IP resolution
│   └── server.py        # FastMCP server and tools
├── tests/
│   ├── conftest.py      # Pytest fixtures
│   ├── test_config.py   # Config module tests (29 tests)
│   ├── test_router.py   # Router module tests (21 tests)
│   └── test_server.py   # Server and tool tests (21 tests)
└── pyproject.toml       # Package configuration

CLI接口```bash

Submit a command

cluster-router submit "make -j8 all"

Check task status

cluster-router status

Show cluster status

cluster-router cluster-status


## 监控

操作前检查群集运行状况:```
User: "Show me cluster status"

Claude Code: cluster_status tool

Output:
macpro51:
CPU: 45.2%
Memory: 18.3%
Load: 3.21
Status: healthy

mac-studio:
CPU: 22.1%
Memory: 54.7%
Load: 2.15
Status: healthy

macbook-air:
CPU: 12.8%
Memory: 38.2%
Load: 1.03
Status: healthy

故障排除

MCP服务器未加载:```bash

Check config

cat ~/.claude.json | jq '.mcpServers["cluster-execution"]'

Test server import

python3 -c "from cluster_execution_mcp.server import main; print('OK')"


**节点不可达**:```bash
# Test SSH connectivity
ssh marc@macpro51.local hostname
ssh marc@Marcs-Mac-Studio.local hostname

# Check with fallback IP
ssh marc@192.168.1.183 hostname

命令超时:```bash

Increase timeout via environment

export CLUSTER_CMD_TIMEOUT=600 # 10 minutes
export CLUSTER_SSH_TIMEOUT=10 # 10 seconds
```

更新日志

v0.2.0版本

  • 新功能:

  • 使用pyproject.toml进行适当的包结构

  • 基于环境的配置(无硬编码凭据)
  • 具有验证功能的共享配置模块
  • SSH连接的重试逻辑
  • 带TTL的IP解析缓存
  • 推理节点支持

  • 安全改进:

  • 消除了shell注入漏洞

  • 危险模式的命令验证
  • IP验证拒绝环回/Docker/本地链接
  • SSH主机密钥处理(接受新密钥)

  • 代码质量:

  • 整个代码库中的完整类型提示

  • 除特定例外条款外,其余条款均已替换
  • 添加了全面的日志记录
  • 71个模拟单元测试

  • 错误修复:

  • 修复了darwin/macos操作系统别名处理问题

  • SSH操作中的正确超时处理
  • 针对失败操作的更好错误消息

v0.1.0

  • 具有基本集群执行的初始版本

许可证

麻省理工学院


AGI代理系统的一部分

另请参见:

  • 节点聊天MCP-节点间通信
  • 增强内存MCP-带RAG的持久内存
  • 代理运行时MCP-目标和任务队列

常见问题

8 问
答案由本站依据条目字段整理,不引用上游原文
Cluster Execution MCP Server 怎么安装?

在客户端按下面的安装命令接入:pip install -e .。装完在客户端配置里引用同一个包或端点。

Cluster Execution MCP Server 怎么在 Claude 里配置?

它的传输方式是stdio · 本地进程,在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,配置才会生效。

Cluster Execution MCP Server 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Cluster Execution MCP Server 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Cluster Execution MCP Server 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

Cluster Execution MCP Server 能提供哪些能力?

资料显示约 4 个工具;能力标签包括 Python、Claude、集群管理。具体工具清单以官方文档为准。

Cluster Execution MCP Server 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Cluster Execution MCP Server 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。