Cluster Director MCP Server 和 Gemini CLI 扩展

通过自然语言与 Cluster Director 交互，以使用、监控、维护和评估您的集群。

MCP 上下文

我们安装了两个 MCP 服务器作为此软件安装的一部分，它们是：

1. QA-Assistant：一个关于 AI-Hypercomputer 的专家，可以基于 context7 MCP 服务器回答问题。
2. cluster-director-mcp 服务器：代理 AI 助手，可以代表用户执行工具（在 MCP 工具部分列出）。

安装和运行 Cluster Director MCP

Cluster Director MCP 服务器旨在作为 Gemini CLI 扩展在 Google Cloud Shell 上使用。

1. 向您的 GCP 项目的拥有者请求以下 IAM 角色 roles/compute.osLogin roles/iam.serviceAccountUser roles/compute.instanceAdmin.v1 roles/iap.tunnelResourceAccessor

2. 使用以下命令克隆仓库

   git clone https://github.com/GoogleCloudPlatform/cluster-director-mcp.git
   

3. 运行已安装必要扩展（context7 和 cluster-director-mcp）的 gemini-cli

   cd cluster-director-mcp; ./run.sh
   

cluster-director-mcp 服务器中的 MCP 工具

• check_job_status：显示使用 Cluster Director 创建的集群中正在运行的任务。
• check_maintenance：检查集群中所有计算（GPU）节点的维护事件。
• get_cluster：描述一个集群，即计算节点类型和存储配置。
• list_clusters：列出使用 Cluster Director 创建的集群。
• list_partition_info：显示使用 Cluster Director 创建的集群中 slurm 分区的信息。
• run_dcgm_test：在集群的 GPU 节点上运行 DCGM 测试以验证集群健康状况。
• run_nccl_test：在集群的 GPU 节点上运行 NCCL 测试以验证集群健康状况。
• show_cluster_software_version_info：显示集群中所有计算（GPU）节点的软件版本。
• show_cluster_state：显示使用 Cluster Director 创建的集群中计算节点的状态（空闲、运行任务等）。
• show_job_state：显示使用 Cluster Director 创建的集群中正在运行的任务。
• show_recent_jobs：显示最近在集群上运行的任务。

已知问题

• context7 MCP 服务器已知问题：有时用于获取 AI-Hypercomputer 文档的 context7 MCP 服务器会断开连接，并显示消息 ["MCP 错误 (context7)"]。

解决方法是在 gemini-cli 中运行以下命令：

/mcp refresh