简介

在云上运行、构建、训练和部署机器学习模型。

简介

在云上运行、构建、训练和部署机器学习模型。

Brev MCP 服务器

这是一个为 Brev 实现的 MCP 服务器。

配置

MCP 服务器使用 Brev CLI 的 API 访问令牌和当前设置的组织。

如果你还没有下载 CLI 并登录，请按照 Brev 文档 进行操作。

如果你想切换 Brev 组织，运行 brev set <org-name>。

CLI 访问令牌每小时过期一次。如果有任何 403 错误，只需运行 brev ls 来刷新访问令牌。

快速开始

本地设置仓库

git clone git@github.com:brevdev/brev-mcp.git

安装 uv

请遵循 uv 安装指南。

Claude 桌面版

在 MacOS 上: ~/Library/Application\ Support/Claude/claude_desktop_config.json 在 Windows 上: %APPDATA%/Claude/claude_desktop_config.json

将以下内容添加到你的 claude_desktop_config.json 中：

"mcpServers": {
  "brev_mcp": {
    "command": "uv",
    "args": [
      "--directory",
      "<path-to-repo>",
      "run",
      "brev-mcp"
    ]
  }
}

开发

构建与发布

要准备打包分发，请执行以下步骤：

1. 同步依赖并更新锁定文件：

uv sync

2. 构建包分发：

uv build

这将在 dist/ 目录下创建源码和 wheel 分发包。

3. 发布到 PyPI：

uv publish

注意：你需要通过环境变量或命令标志设置 PyPI 凭证：

• 令牌：--token 或 UV_PUBLISH_TOKEN
• 或者用户名/密码：--username/UV_PUBLISH_USERNAME 和 --password/UV_PUBLISH_PASSWORD

调试

由于 MCP 服务器通过标准输入输出运行，调试可能会有挑战性。为了获得最佳调试体验，我们强烈推荐使用 MCP Inspector。

你可以通过 npm 使用以下命令启动 MCP Inspector：

npx @modelcontextprotocol/inspector uv --directory /Users/tmontfort/Brev/repos/brev_mcp run brev-mcp

启动后，Inspector 将显示一个 URL，你可以在浏览器中访问该 URL 开始调试。

工具列表

• get_instance_types: Get available instances types for a cloud provider

• create_workspace: Create a workspace from an instance type and cloud provider

来源

• 来源：github
• 链接：https://github.com/brevdev/brev-mcp