MCP 服务器

mcp_server

fulong98

开发者工具

访问服务器

README

使用 MCP 执行 RunPod Python 代码

本项目使 AI 助手能够使用模型上下文协议 (MCP) 在 RunPod 基础设施上执行 Python 代码。它由两个主要组件组成：

执行 Python 代码的 RunPod Serverless API
连接到 RunPod API 并为 AI 助手提供标准化接口的 MCP 服务器

系统架构

┌───────────────┐     ┌───────────────┐     ┌───────────────┐
│               │     │               │     │               │
│  AI 助手      │────▶│   MCP 服务器   │────▶│ RunPod API    │
│  (例如 Cline) │     │    (Python)   │     │ (Serverless)  │
│               │     │               │     │               │
└───────────────┘     └───────────────┘     └───────────────┘

交互序列

UML

1. RunPod Serverless 设置

前提条件

已安装 Docker
具有 API 密钥的 RunPod 帐户
Docker 和 Python 的基本知识

步骤 1：构建和推送 Docker 镜像

Dockerfile 包含常见的数据科学库和代码处理程序：当前 Docker 镜像：docker.io/79c2e466/code_handler_serverless

# 克隆此存储库
git clone https://github.com/yourusername/runpod-python-executor.git
cd runpod-python-executor

# 构建 Docker 镜像
docker build -t yourusername/runpod-python-executor:latest .

# 登录到 Docker Hub
docker login

# 将镜像推送到 Docker Hub
docker push yourusername/runpod-python-executor:latest

步骤 2：在 RunPod Serverless 上部署

转到 RunPod.io
导航到 Serverless → Deploy
输入您的 Docker 镜像 URL：docker.io/79c2e466/code_handler_serverless
配置设置：
- Worker Type: CPU 或 basic GPU
- Min/Max Workers: 1/3 (根据您的需要调整)
- Idle Timeout: 5 分钟
点击 "Deploy"

步骤 3：获取 Endpoint ID

部署后，RunPod 将生成一个 endpoint ID。复制此 ID，因为您需要它来配置 MCP 服务器。

您的 Serverless API endpoint 将是：https://api.runpod.io/v2/{endpoint_id}/run

您可以使用以下命令测试您的 endpoint：

curl -X POST \
  https://api.runpod.io/v2/{endpoint_id}/runsync \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer YOUR_RUNPOD_API_KEY' \
  -d '{
    "input": {
      "code": "print(\"Hello, World!\")"
    }
  }'

2. MCP 服务器设置

MCP 服务器使用模型上下文协议将 AI 助手连接到您的 RunPod endpoint。

前提条件

已安装 Python 3.8+
RunPod API 密钥
上面步骤 3 中的 RunPod endpoint ID

步骤 1：安装依赖

安装将 MCP 添加到您的 Python 项目我们建议使用 uv 来管理您的 Python 项目。在 uv 管理的 Python 项目中，通过以下方式将 mcp 添加到依赖项：

uv add "mcp[cli]" 或者，对于使用 pip 作为依赖项的项目：

pip install mcp 运行独立的 MCP 开发工具要使用 uv 运行 mcp 命令：

uv run mcp

pip install mcp requests

步骤 2：配置 MCP 服务器

创建一个名为 runpod_mcp_server.py 的文件，其中包含提供的模板中的代码。更新以下环境变量：

# 更新这些值
RUNPOD_API_KEY = "your_runpod_api_key"
RUNPOD_ENDPOINT_ID = "your_endpoint_id"  # 来自 serverless 部署

步骤 3：运行 MCP 服务器

cline add mcp setting

"PythonServerlessExecutor": {
      "command": "xx/.local/bin/uv",
      "args": [
        "run",
        "xxx/mcp_server/runpod_serverless_mcp_server/server.py"
      ],
      "disabled": false,
      "autoApprove": []
    },

步骤 4：使用 MCP 服务器

连接后，您可以使用以下工具：

execute_python_code: 在 RunPod 上运行 Python 代码
check_runpod_status: 检查与 RunPod 的连接状态

与 Cline 的示例用法：

你能运行这段 Python 代码吗？
```python
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.title("Sine Wave")
plt.savefig("sine_wave.png")
print("Generated sine wave plot")

Cline 将使用 MCP 服务器执行此代码并返回结果。