Mdl Train MCP

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。

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

# 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：

pip install modal
modal setup

3.添加到克劳德代码

添加到您的 .mcp.json:

{
  "mcpServers": {
    "mdl": {
      "command": "mdl-train-mcp",
      "env": {
        "MODAL_PROFILE": "your-profile"
      }
    }
  }
}

或来源：

{
  "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

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