Kite CLI · 云端机器人强化学习 MCP 服务器

技能简介

kite-cli（也叫 kite-mcp）是 Kite ML 团队出品的云端机器人强化学习 CLI + MCP 服务器。它把 RL 训练、LeRobot 数据集增强、MuJoCo 数字孪生构建等机器人学习工作流，全部封装成可以从终端或任何 AI Agent 调用的 MCP 工具。换句话说：让 Claude / Cursor 直接用自然语言训练机器人策略、增强数据集、生成可交互的数字孪生场景。

背后是 Kite 的云端 GPU 集群——用户只需写一句话描述行为，Kite 自动生成 task spec、检查 reward、在 GPU 上训练、给出 ONNX 策略与 MuJoCo 场景。LeRobot 数据集可一键 relight 或生成变体，输出标准 Parquet + MP4，可直接推到 Hugging Face。

核心能力

• 自然语言 → RL 训练：用英语描述行为，Kite 自动生成 task spec + reward + 训练策略，产出 ONNX 策略
• 策略评估：每次训练产出 pass / needs_review / fail 三态评估报告（跌倒数、存活率、指令跟随、步态、姿态）+ 视觉模型评语
• LeRobot 数据集增强：relight 到部署场景，或生成新的视频变体，输出标准 LeRobot 格式（Parquet + MP4）
• 数字孪生构建（beta）：指定一个 LeRobot episode，生成房间的 MuJoCo 可交互场景，操作物体按真实尺寸建模
• 远程策略评估（beta）：用 Kite SDK 在 Kite 集群上运行 policy，NVIDIA L4 GPU 跑 episode，自动出 scorecard
• MCP 原生集成：通过 kite-mcp 暴露给 Claude、Cursor 等所有 MCP 客户端

安装配置

1. PyPI 安装（推荐）：

   pip install kiteml-cli
   # 或用 uv
   uv pip install kiteml-cli

2. MCP 客户端配置：

   {
   "mcpServers": {
    "kiteml": {
      "command": "kite-mcp",
      "args": ["--transport", "stdio"]
    }
   }
   }

3. 验证安装：

   kite --version
   kite-mcp --help

使用步骤

1. 注册 Kite 账户：访问 https://app.kiteml.com 注册，获取 API Key
2. 配置环境变量：把 API Key 写入 ~/.kite/config.toml 或环境变量 KITE_API_KEY
3. 启动 MCP 服务：kite-mcp --transport stdio 启动后等待客户端连接
4. 让 Agent 描述任务：例如"训练一个机器人在桌面上推动积木到指定位置"
5. 自动训练 + 评估：Kite 生成 task spec → 校验 reward → 在云端 GPU 跑训练 → 输出策略 + 评估报告
6. 导出与部署：下载 ONNX 策略，或推到 Hugging Face / 部署到自己的推理端点
7. 构建数字孪生（可选）：用 kite twin 把 LeRobot episode 转成 MuJoCo 场景

适用场景

• 机器人策略研发：让 Agent 加速 RL 训练迭代，无需自建 GPU 集群
• 具身智能研究：把"训练 + 评估 + 数据增强"串联，Agent 自主推进实验
• LeRobot 社区：快速扩增已有数据集，生成 relight / 视频变体
• 机器人教学：学生用自然语言就能跑 RL 实验，降低门槛
• 工业仿真：把现场 episode 转成 MuJoCo 数字孪生，做虚实结合测试
• VLA 模型预训练：用增强后的 LeRobot 数据集微调 VLA 模型

适用人群

• 机器人 / 具身智能研究者（高校 + 创业团队）
• RL 算法工程师（希望云端 GPU 加速实验）
• LeRobot / Hugging Face 社区成员
• 工业自动化 / 仿真工程师
• 机器人教育者与学生
• AI Agent 应用开发者（想让 Agent 真正"动手"做机器人实验）

工作原理

用户通过 kite CLI 或 kite-mcp MCP 服务器提交任务描述，CLI / MCP 把请求封装成任务 spec 发送到 Kite 云端任务队列。云端 worker 在 NVIDIA GPU（支持 L4 等）上跑 RL 训练（基于 MuJoCo / 行业标准仿真器），训练过程中持续评估（reward + 视觉模型双重打分），完成后产出 ONNX 策略、MuJoCo 场景文件、评估报告。LeRobot 数据增强走另一条管线：用视频重光照 / 变体生成模型产出新样本，按 LeRobot 规范写到 Parquet + MP4，全程在云端完成、不占用本地算力。

官方链接

• PyPI：https://pypi.org/project/kiteml-cli/
• 官网：https://kiteml.com
• Dashboard：https://app.kiteml.com
• 文档：https://kite-ml.mintlify.app/tools/cli-and-mcp
• MCP Server：https://mcp.kiteml.com/mcp
• API Reference：https://kite-ml.mintlify.app/platform-api/overview
• 博客：https://kiteml.com/blog