@runpod/mcp-server Skill 技能

简介

@runpod/mcp-server 是 Runpod 官方出品的 Model Context Protocol（MCP）服务器，由 Runpod 团队维护。它将 Runpod 云端 GPU 资源的管理能力以标准化 MCP 工具形式对外开放，让 AI 编程助手（Claude Code、Claude Desktop、Cursor、Windsurf、VS Code 等）能够直接操控你的 Runpod 资源，无需手动调用 API。

解决什么问题

AI 助手无法直接管理云端 GPU 资源。传统的方案需要开发者手动复制 API Key、编写调用逻辑、处理错误重试，整个过程繁琐且容易出错。@runpod/mcp-server 将这些操作封装成自然语言可调用的 MCP 工具，开发者只需用日常语言描述需求，AI 助手即可完成从创建 GPU 实例到部署 Serverless 端点的全流程操作。

核心功能

该服务器提供以下工具能力：

• Pod 管理：列出、创建、删除、启动、停止 Runpod GPU Pod，支持指定镜像、GPU 型号、数量等参数
• Serverless 端点：创建和管理 Serverless GPU 推理端点，配置镜像、GPU 池、最小/最大工作进程数
• 模板管理：查看和操作 Runpod 模板
• 网络卷：管理网络存储卷
• GPU 类型查询：查询可用的 GPU 型号及其规格
• Hosted 模式（推荐）：通过 OAuth 直接连接 Runpod 托管服务器，无需在本地存储 API Key
• Local 模式：本地通过 npx 启动服务，使用 RUNPOD_API_KEY 环境变量认证

支持的 AI 客户端

Claude Code、Claude Desktop、Cursor、VS Code、Windsurf、GitHub Copilot、Codex、Cline、Gemini、opencode 等所有兼容 MCP 协议的 AI 编程助手。

安装方式

最简单的方式使用引导式安装器，它会自动检测你安装的客户端并写入对应配置：

npx @runpod/mcp-server@latest add

或者手动配置，以 Claude Code 为例：

claude mcp add --transport http runpod -s user https://mcp.getrunpod.io/

本地模式：

claude mcp add runpod -s user   -e RUNPOD_API_KEY=YOUR_API_KEY   -- npx -y @runpod/mcp-server@latest

使用示例

在 AI 助手中直接用自然语言操作：

列出我所有的 Runpod Pod

创建一个名为 test-pod 的 Pod，镜像为 runpod/pytorch:2.1.0-py3.10-cuda11.8.0-devel-ubuntu22.04，GPU 型号 NVIDIA GeForce RTX 4090，数量 1

创建一个名为 my-endpoint 的 Serverless 端点，镜像为 runpod/test-output:0.0.1，GPU 池 AMPERE_80，0 个最小工作进程，3 个最大工作进程

技术细节

• 基于 @modelcontextprotocol/sdk 构建
• 支持 stdio（本地）和 Streamable HTTP（远程）两种传输方式
• Node.js 18 及以上版本
• 协议：Apache-2.0
• GitHub 开源（runpod/runpod-mcp），持续活跃维护

适用人群

需要在 AI 编程助手中直接管理 Runpod GPU 云资源的开发者、ML 工程师和数据科学团队。