Token导航 LogoToken导航TokenDH.com
运维和基础设施需要联网unknown未标认证来源可访问许可证需确认审计未展示

modelscope-studio-deploymodelscope Studio 部署

Agent Skill

用于辅助云资源、部署、容器、基础设施和运维自动化任务。它适合让 Agent 检查配置、整理部署步骤、分析资源状态、生成排障思路或辅助云服务接入。使用时需要明确目标环境、账号权限、区域和资源组,区分本地测试与生产操作;涉及删除资源、重启服务、修改网络或权限配置时,应先确认影响范围。

总安装

321

周安装

13

下载量

101
Local Agent

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:modelscope-studio-deploy(modelscope Studio 部署)
来源仓库:https://modelscope.cn
仓库路径:modelscope-studio-deploy
安装命令:
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。当前暂无明确安装命令,请以来源页面说明为准。

简介

用于辅助云资源、部署、容器和运维自动化任务。

  • 适合检查配置、整理部署步骤或分析资源状态。
  • 使用时需明确目标环境、账号权限和资源组。
  • 涉及删除或重启操作时应先确认影响范围。modelscope-studio-deploy 属于运维和基础设施类 Skill,可作为该场景下的辅助能力补充。
  • 安装方式暂未明确,建议核实来源仓库内容。

SKILL.md

魔搭创空间部署指南

部署应用到魔搭创空间(ModelScope Studio)的完整指南。支持 Gradio、Streamlit、Docker 和静态网站四种部署类型。

适用场景

  • 用户请求部署项目到魔搭创空间
  • 用户需要生成 ms_deploy.json 配置文件
  • 用户需要了解魔搭创空间部署要求
  • 用户部署失败需要排查问题

快速开始

部署工作流程

1. 分析项目结构 → 2. 确定部署类型 → 3. 生成配置文件 → 4. 上传部署

步骤 1:分析项目结构

阅读项目代码,确定:

  • 项目使用的框架(Gradio/Streamlit/纯前端/Docker)
  • 依赖文件(requirements.txt、package.json 等)
  • 入口文件(app.py、main.py、index.html 等)
  • 是否需要 GPU 资源

步骤 2:选择部署类型

项目类型sdk_type适用场景
GradiogradioGradio 应用,最常见
StreamlitstreamlitStreamlit 应用
Dockerdocker自定义环境、前后端分离
Staticstatic纯静态 HTML/CSS/JS

步骤 3:生成 ms_deploy.json

在项目根目录创建 ms_deploy.json 文件:

Gradio 类型(最常用):

{
  "$schema": "https://modelscope.cn/api/v1/studios/deploy_schema.json",
  "sdk_type": "gradio",
  "sdk_version": "5.29.0",
  "base_image": "ubuntu22.04-py311-torch2.3.1-modelscope1.31.0",
  "resource_configuration": "platform/2v-cpu-16g-mem"
}

Docker 类型:

{
  "$schema": "https://modelscope.cn/api/v1/studios/deploy_schema.json",
  "sdk_type": "docker",
  "resource_configuration": "platform/2v-cpu-16g-mem",
  "port": 7860
}

Static 类型:

{
  "$schema": "https://modelscope.cn/api/v1/studios/deploy_schema.json",
  "sdk_type": "static",
  "resource_configuration": "platform/2v-cpu-16g-mem"
}

步骤 4:上传部署

  1. 前往 创空间列表页 → 创建创空间 → 编程式创空间
  2. 切换到"快速部署并创建"模式
  3. 填写基础信息(名称、描述等)
  4. 上传项目文件夹
  5. 点击"确认创建并部署"

关键配置字段

字段说明必填
sdk_type部署类型:gradio/streamlit/docker/static
sdk_versionSDK版本,仅 gradio 类型需要gradio必填
base_image基础镜像,gradio/streamlit 类型需要gradio/streamlit必填
resource_configuration云资源配置
port服务端口,docker 类型必须为 7860docker必填
environment_variables环境变量列表可选

资源配置选项

配置说明适用场景
platform/2v-cpu-16g-mem2核CPU + 16G内存轻量应用(免费)
xgpu/8v-cpu-32g-mem-16g8核CPU + 32G内存 + 16G显存需要GPU
xgpu/8v-cpu-64g-mem-48g8核CPU + 64G内存 + 48G显存大模型
注意:xGPU 资源需要先申请加入「xGPU乐园」组织

Docker 部署注意事项

Docker 类型部署时,需要:

  1. 端口必须为 7860:魔搭创空间要求服务监听在 7860 端口
  2. 创建 Dockerfile:在项目根目录创建 Dockerfile
  3. 前后端合并:如果是前后端分离项目,需要合并到一个容器中

Docker 部署示例 Dockerfile:

FROM python:3.10-slim

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

EXPOSE 7860

CMD ["python", "app.py"]

更多资源

AI 辅助部署提示词模板

向 AI 发送以下提示词来生成部署配置:

现在我需要在生产环境部署这个项目,目标环境是魔搭创空间。请完整阅读整个项目,并根据魔搭创空间部署要求,帮我制定部署方案,并生成 ms_deploy.json 及其他必要的部署配置文件。

注意事项:
- 当前项目已经能在本地运行,请务必尽量不改动或少改动项目代码文件本身
- 如需选择 Docker 类型部署,请尽量直接从 Docker 官方拉取已经安装好必要依赖的 Docker 镜像文件
- 服务端口必须为 7860

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Local Agent

84.18%
按下载量换算85

安全审计

暂无安全审计结果可展示。

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills