🚀 分散器 MCP 服务器

本项目是一个借助 dpdispatcher 库包装的 MCP（模型上下文协议）服务器。它能让语言模型或其他 MCP 客户端在本地机器，或是支持 dpdispatcher 的 HPC 集群上提交并管理计算任务，为计算任务的处理提供了便捷途径。

🚀 快速开始

安装

1. 先决条件：
   • 需安装 Python 3.x。
   • 安装 dpdispatcher 库，可使用命令 pip install dpdispatcher。
   • 安装 mcp 库，命令为 pip install mcp。
   • 安装 anyio 库，使用命令 pip install anyio。
2. 克隆/放置文件：要保证 fast_server.py 和 job_manager.py（以及 __init__.py）存于同一目录，例如 dispatcher_mcp_server。
3. 配置 dpdispatcher：若要提交任务到远程 HPC 或 Bohrium，需确保 dpdispatcher 自身配置正确，比如配置好 SSH 密钥、Bohrium 凭据等。

运行服务器

进入包含 dispatcher_mcp_server 的父目录，然后运行以下命令：

python dispatcher_mcp_server/fast_server.py

服务器启动后会通过标准输入输出进行监听。

与 MCP 客户端的集成（例如，Cline）

在客户端的 MCP 设置里添加如下配置（以 Cline 的 mcp_settings.json 为例），并按需调整路径：

{
  "mcpServers": {
    "dispatcher-mcp-server": {
      "command": "python",
      "args": [
        "dispatcher_mcp_server/fast_server.py"
      ],
      "cwd": "/path/to/parent/directory/containing/dispatcher_mcp_server",
      "env": {
        "PYTHONPATH": "/path/to/parent/directory/containing/dispatcher_mcp_server"
      },
      "disabled": false
    }
  }
}

重新启动客户端以加载服务器。

✨ 主要特性

• 通过标准 MCP 工具公开 dpdispatcher 功能。
• submit_job：可提交新的计算任务。
• query_status：能检查已提交任务的状态。
• cancel_job：可尝试取消正在运行或排队的任务。
• fetch_result：能检索已完成任务的结果文件路径。
• 包含 MCP 资源和提示，可指导交互式任务配置。
• 支持标准输入输出传输（stdio），用于本地集成（例如，与 Cline 一起使用）。

💻 使用示例

使用 MCP 客户端与服务器进行交互。您既可以直接调用 submit_job 工具，并提供必要的参数（机器配置、资源配置、任务细节），也能使用 configure_job 提示引导 LLM 进行交互式配置过程。此外，还有可用的辅助资源，例如 dpd://examples/machine/{type} 可供上下文参考。