Train-in-Silence
by hlpun·★ 68·综合分 46
任务感知的MCP服务器，可在10+云提供商间计算LLM微调的最佳GPU配置。
ai-llmdeveloper-toolsops-infra
0
Forks
0
活跃 Issue
本月
最近提交
2 天前
收录于
概述
Train in Silence 是一个专业的MCP服务器，旨在简化为LLM微调选择最佳GPU配置的过程。它分析训练需求，自动跨多个云提供商识别最便宜、最快的GPU选项。该服务器实现了复杂的架构，将YAML请求转换为硬件推荐，通过估算器、市场聚合器、优化器和排名系统。它支持多种访问方式，包括CLI、REST API以及与Claude Code/Desktop的集成。
试试问 AI
装完之后，这里有 6 个你可以让 AI 做的事：
你:LLM研究人员为模型训练选择成本效益高的GPU选项
你:开发人员在云提供商间优化微调工作流
你:团队在开始训练项目前比较GPU性能和成本
你:TIS支持哪些云提供商？
你:是否需要API身份验证？
你:GPU推荐的准确性如何？
什么时候选它
当您需要在多家云服务商中优化LLM微调的GPU资源选择，平衡成本和性能时，选择此服务器。
什么时候不要选它
如果您需要直接的GPU访问控制或有不属于估算模型覆盖的特定需求，请不要选择此服务器。
此 server 暴露的工具
从 README 抽取出 1 个工具recommendFind the best GPU options for fine-tuning an LLM based on requirements
说明：Tool name inferred from CLI command 'tis recommend' and usage examples
可对比工具
gpu-huntercloud-gpu-findercloud-cost-optimizer
安装
安装
选项A：Claude Code（推荐）
pip install train-in-silence
claude mcp add tis --scope user -- tis-mcp选项B：命令行界面
pip install train-in-silence选项C：API服务器
uvicorn tis.api.server:appClaude Desktop配置
添加到claude_desktop_config.json中：
{
"mcpServers": {
"tis": {
"command": "python",
"args": ["-m", "tis.mcp"]
}
}
}FAQ
- TIS支持哪些云提供商？
- TIS整合了10多家云提供商的价格信息，包括Vast.ai、RunPod、AWS、CoreWeave、Lambda Labs、Tensordock、Vultr、GCP、Azure、OCI、Nebius、CloudRift、Cudo Compute和Verda。
- 是否需要API身份验证？
- API密钥是可选的。如果未提供，TIS会自动回退到通用实时聚合器(GPUHunt/GPUFinder)或捆绑的示例数据。
- GPU推荐的准确性如何？
- 推荐基于可用的实时市场数据，并明确指示数据来源(live:official, live:gpuhunt, live:gpufinder或sample)。当前估计模型正在开发中，计划进行校准改进。
Train-in-Silence 对比
最后更新于 · 由 README + GitHub 公开数据自动生成。