zen (Vistralis)

MCP运维云端

提供方 vistralis

运维云端 未标注 无需鉴权 社区 / 第三方

Zen是一个轻量级的Python环境管理工具,用于跟踪和管理多个Python环境,特别适用于机器学习和CUDA版本管理。

一句话选型结论

按资料字段整理

zen (Vistralis) 属于运维云端类 MCP 服务器,传输方式未标注,无需鉴权,没有现成安装命令,需按官方文档接入。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 传输方式未标注 鉴权无需鉴权 部署方式未标注
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 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
工具数量未标注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

Python环境管理Rust本地部署机器学习CUDA版本管理轻量级工具

安装与配置

未标注 无需鉴权
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

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

  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 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

  • 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
zen (Vistralis)当前 未标注 未标注 未标注 无 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vistralis上游标注的维护方 vistralis
分类运维云端本站按上游分类展示
连接方式未标注上游未给出传输方式
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
部署类型未标注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

5.7 KB
来自项目仓库与上游目录的原文,未做删改

禅


让Python环境安心。

> 更少的杂乱,更清晰。

一个目录用于所有Python环境。一个CLI来跟踪它们。不是另一个环境管理器,只是一个轻量级的cli,它能记住你不想做的事情。

你已经有足够的担心了。CUDA 13在哪个环境中?你是每晚用PyTorch还是稳定地进行实验的?你两周没碰过的那个项目中有什么在运行?

禅记得——所以你不必这么做。

它速度快、重量轻,在这里不是为了取代任何东西——只是为了让处理多个Python环境变得无痛,尤其是在涉及GPU和CUDA版本的情况下。

它还内置了 MCP服务器,因此AI编码代理可以通过结构化的工具调用来管理您的环境。

> [!注意]
> 一个按原样共享的个人工具。用Rust编写的Vibecoded。没有承诺,没有路线图,没有保证。


安装```bash

curl -sSf https://vistralis.org/zen/install.sh | sh


或者从源代码构建:```bash
git clone https://github.com/vistralis/zen.git && cd zen
cargo build --release
cp target/release/zen ~/.local/bin/

开始使用

设置一次shell:```bash

Add to .bashrc or .zshrc

eval "$(zen hook bash)" # or zsh


营造一个环境:```bash
$ zen create ml_env
✓ Environment 'ml_env' created successfully.

$ zen activate ml_env     # alias: za ml_env
$ zen deactivate          # alias: zd

安装软件包——Zen将其委托给uv,因此速度很快:```bash
$ zen install numpy scipy opencv-python # into active env
$ zen install -n ml_env numpy scipy # into specific env

Need a specific CUDA build? Just pass the index:

$ zen install torch torchvision \
--index-url https://download.pytorch.org/whl/cu130


一目了然:```
$ zen list
★ ml_env           3.12.3  ✓  torch:2.10.0+cu130  numpy:2.3.5
vision           3.12.3  ✓  torch:2.9.1+cu128   numpy:2.2.6
experiment       3.12.3  !  torch:2.11.0.dev     numpy:2.4.2
diffusion        3.12.3  ✓  torch:2.10.0+cu130  numpy:2.3.5
data_pipeline    3.12.3  ✓                       numpy:1.26.4

5 environments  ✓ 4 ok  ! 1 drift  ★ 1 fav

在所有环境中查找包:```
$ zen find torch
ml_env torch 2.10.0+cu130
vision torch 2.9.1+cu128
experiment torch 2.11.0.dev20260129+cu126
diffusion torch 2.10.0+cu130


检查运行状况--符号链接损坏、CUDA冲突、缺少依赖项:```
$ zen health ml_env
✓ Python binary          ok
✓ Symlink integrity      ok
✓ CUDA version           cu130 (consistent)
✓ Dependency conflicts   none detected

哲学

放下杂乱

你创建一个环境,安装一些软件包,启动一个项目。然后是另一个。还有一个。三周后,你盯着十五个目录 /envs/ 想知道其中一半是干什么用的。

知道所有东西在哪里

每个环境都会被跟踪——Python版本、包、CUDA堆栈、健康状态以及它属于哪个项目。所有这些都是可查询的。所有瞬间。

专为ML开发而设计

CUDA版本很重要。 cu128 和 cu130 不可互换。Zen跟踪每个环境中PyTorch的版本,检测CUDA版本混合,并允许您在具有CUDA感知版本匹配的环境中进行搜索。

你的项目,记住了

将环境链接到项目目录。下次你 cd 进入该项目和类型 zen activate --它选择了正确的一个。没有争论,没有思考。```bash
$ zen link add ml_env
✓ Linked 'ml_env' to /home/user/projects/classifier

Later, in that same directory:

$ zen activate
✓ Activated 'ml_env'


支持每个项目的多个环境——主环境、测试环境、实验环境——带有标签和默认值。

### 与AI代理协同工作

Zen内置了 MCP服务器 因此,AI编码助手可以通过结构化的工具调用来管理环境,而不需要shell访问。

______________________________________________________________________

## 命令

|命令|它的作用|
|---------|-------------|
| `zen create ` |创建新环境|
| `zen add ` |注册现有虚拟环境|
| `zen rm ` |删除环境(`--cached` 仅适用于DB)|
| `zen activate [name]` |激活(未指定名称时的智能选择)|
| `zen deactivate` |停用|
| `zen list` / `zen ls` |列出所有环境(`-1` 只有名字, `-l` 长)|
| `zen info ` |详细环境视图|
| `zen install [-n env] ` |安装软件包|
| `zen uninstall [-n env] ` |删除包|
| `zen run  ` |运行命令而不激活|
| `zen find ` |在所有环境中查找包|
| `zen inspect  ` |详细的包裹信息|
| `zen diff  ` |比较两种环境|
| `zen health [name]` |环境健康检查|
| `zen link add/rm/list` |项目-环境链接|
| `zen label add/rm/list` |用标签组织|
| `zen note add/list/rm` |附上备注|
| `zen rename  ` |重命名环境|
| `zen template` |创建、编辑、检查、导出/导入模板|
| `zen mcp` |启动MCP服务器|

全参考→ docs/commands.md

## 配置

|变量|默认值|描述|
|----------|---------|-------------|
| `ZEN_HOME` | `~/.local/share/zen/envs` |环境居住的地方|
| `ZEN_DOJO` | `~/.config/zen` |数据库和配置|
```bash
export ZEN_HOME=/localdisk/envs   # fast SSD for your environments

运作原理

  • 标准静脉 --没有什么专有的,你的环境只是Python venvs
  • SQLite --一个小型数据库文件可以跟踪所有内容
  • 紫外线 --所有包装操作都委托给uv以提高速度
  • 壳钩 --当前shell中用于激活/停用的轻量级功能
  • 主控程序 --基于stdio的JSON-RPC用于AI代理集成

许可证

阿帕奇-2.0

常见问题

5 问
答案由本站依据条目字段整理,不引用上游原文
zen (Vistralis) 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

zen (Vistralis) 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。

zen (Vistralis) 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。

zen (Vistralis) 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。

zen (Vistralis) 能提供哪些能力?

资料显示能力标签包括 机器学习、Rust、云端部署。具体工具清单以官方文档为准。

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。