Mdl Train MCP

MCP运维云端

提供方 JoshuaSP

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

一个用于监控和管理Modal平台上长期运行的GPU训练作业的服务器,提供可浏览的日志和错误检测功能。

一句话选型结论

按资料字段整理

Mdl Train MCP 属于运维云端类 MCP 服务器,stdio · 本地进程,无需鉴权,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 3 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3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

适用场景

训练监控Python本地部署日志管理错误检测GPU训练

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 modal

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 3 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 3 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。
  • 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。
  • 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
Mdl Train MCP当前 3 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JoshuaSP上游标注的维护方 JoshuaSP
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

4.0 KB
来自项目仓库与上游目录的原文,未做删改

mdl列车mcp

用于监控和管理培训作业的MCP服务器 模态。专为需要检查长时间GPU训练而不会淹没在日志输出中的LLM而构建。

为什么?

Modal上的训练日志可以是数万行——权重加载条、Omniverse初始化垃圾邮件、8列相同的输出。将所有这些都倾倒在LLM环境中是浪费的,而且经常会遇到资源限制。

此服务器为您提供 可浏览日志:从总结开始,然后深入探讨重要的事情。

工具 它做什么
list_apps 使用筛选列出正在运行、已部署和最近使用的应用程序
get_logs 使用摘要/窗口/grep模式浏览日志
stop_app 停止正在运行的应用程序

这 get_logs 工作流

与其返回一个巨大的斑点, get_logs 有三种模式:

1.摘要(默认) --返回行数、前/后10行以及任何行号错误。小反应,总是有效的。```
get_logs(app_id="ap-xxx")
→ {total_lines: 30000, errors: [{line: 847, text: "CUDA error: ..."}], head: [...], tail: [...]}


**2.窗户** --读取特定范围。就像滚动浏览文件一样。```
get_logs(app_id="ap-xxx", window_start=840, window_size=30)
→ 30 lines around the error

3.Grep --使用正则表达式和上下文行进行搜索。喜欢 grep -C.```
get_logs(app_id="ap-xxx", grep="Error|Traceback", grep_context=15)
→ all errors with 15 lines of surrounding context


**地标** --通行证 `landmark_patterns` 在摘要模式下获取目录:```
get_logs(app_id="ap-xxx", landmark_patterns=["Iteration \\d+", "success_rate", "checkpoint"])
→ landmarks: [{line: 200, text: "Iteration 1/3000"}, {line: 5000, text: "success_rate: 0.95"}, ...]

具有里程碑意义的采样在各种模式中都是公平的——一种模式不会占主导地位。

特性

  • 进度条折叠 --tqdm条、HF权重加载和下载已折叠为最新更新(50条进度线→ 1 显示当前状态)
  • 根据资源限制自动重试 -如果莫代尔的API拒绝 tail,自动使用较小的值重试,并告诉发生了什么
  • 重复数据删除错误 --10000个相同 [Error] 线条变成了少数独特的条目
  • 区分大小写的错误检测 --不会对指标名称产生假阳性,例如 rot_align_error

设置

1.安装```bash

Using uv (recommended)

uv pip install mdl-train-mcp

Or from source

git clone https://github.com/JoshuaSP/mdl-train-mcp
cd mdl-train-mcp
uv venv && uv pip install -e .


### 2.配置模态

确保你有 模态CLI 已安装并验证:```bash
pip install modal
modal setup

3.添加到克劳德代码

添加到您的 .mcp.json:```json
{
"mcpServers": {
"mdl": {
"command": "mdl-train-mcp",
"env": {
"MODAL_PROFILE": "your-profile"
}
}
}
}


或来源:```json
{
"mcpServers": {
"mdl": {
"command": "uv",
"args": ["--directory", "/path/to/mdl-train-mcp", "run", "mdl-train-mcp"],
"env": {
"MODAL_BIN": "/path/to/modal",
"MODAL_PROFILE": "your-profile"
}
}
}
}

环境变量

变量 描述 默认值
MODAL_BIN 模态CLI二进制文件的路径 modal
MODAL_PROFILE 要使用的模态轮廓 (默认轮廓)

工具参考

list_apps```

list_apps(state?: string, name_contains?: string)


按州筛选(`"running"`, `"deployed"`, `"stopped"`, `"ephemeral"`)或名称子字符串。

### get_logs```
get_logs(
app_id: string,
tail?: number,              # log entries to fetch (default 500, max 5000)
since?: string,             # "1h", "30m", "2d", or ISO datetime
until?: string,
source?: string,            # "stdout", "stderr", "system"
window_start?: number,      # line number for window mode
window_size?: number,       # lines to return (default 50, max 200)
grep?: string,              # regex search (case-insensitive)
grep_context?: number,      # context lines around matches (max 30)
landmark_patterns?: string[] # regex patterns for summary landmarks
)

stop_app```

stop_app(app_id: string)
```

不可逆-终止应用程序及其所有容器。

许可证

麻省理工学院

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Mdl Train MCP 怎么安装?

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

Mdl Train MCP 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Mdl Train MCP 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。

Mdl Train MCP 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。

Mdl Train MCP 能提供哪些能力?

资料显示约 3 个工具;能力标签包括 Python、日志管理、云端部署。具体工具清单以官方文档为准。

Mdl Train MCP 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。

Mdl Train MCP 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。