Slurm HPC MCP Server

一个基于 Python 的 MCP Server，用于通过 SSH 连接 Slurm 超算集群，并向 Claude Desktop、Claude Code、Cursor、MCP Inspector 等客户端暴露可调用的集群能力。

当前版本已经完成真实链路验证：

• MCP Server 可正常启动
• Claude/MCP Inspector 可正常连接
• 可通过 SSH 连接远程 Slurm 登录节点
• 可提交真实 sbatch 作业
• 可读取作业日志
• 可对常见 HPC 运行错误做结构化诊断

功能

当前提供以下 MCP 能力：

• list_jobs 查看当前作业队列
• list_partitions 查看分区信息
• get_job_status 查询指定作业状态、退出码、原因、日志路径
• submit_slurm_job 上传并提交 Slurm 脚本
• diagnose_error 对日志做结构化错误分类
• job_log://{job_id} 读取作业标准输出日志

技术栈

• Python
• MCP Python SDK (mcp[cli])
• Paramiko
• Slurm CLI (squeue, sinfo, sacct, scontrol, sbatch)

目录结构

slurm-hpc-mcp/
├─ mcp_hpc_server.py
├─ README.md
├─ requirements.txt
├─ claude_desktop_config.example.json
├─ mcp.inspector.template.json
├─ examples/
│  └─ example_job.slurm
└─ tests/
   └─ test_mcp_server.py

安装

建议使用独立虚拟环境。

pip install -r requirements.txt

配置方式

服务通过环境变量读取远程集群配置。

必填：

• SLURM_SSH_HOST
• SLURM_SSH_USERNAME

可选：

• SLURM_SSH_PORT，默认 22
• SLURM_SSH_KEY_PATH
• SLURM_SSH_PASSWORD
• SLURM_SSH_ALLOW_UNKNOWN_HOSTS，默认 false
• SLURM_REMOTE_WORKDIR，默认 /tmp/mcp-slurm
• SLURM_CONNECT_TIMEOUT，默认 15
• SLURM_COMMAND_TIMEOUT，默认 60
• SLURM_LOG_MAX_BYTES，默认 200000
• MCP_TRANSPORT，默认 stdio

本地运行

默认按 stdio 方式运行，适合 Claude Desktop、Claude Code、Cursor、Inspector：

python .\mcp_hpc_server.py

如果要切换成 HTTP 传输：

$env:MCP_TRANSPORT="streamable-http"
python .\mcp_hpc_server.py

Claude Desktop 配置

请参考：

• claude_desktop_config.example.json

示例：

{
    "mcpServers": {
      "slurm-hpc": {
        "type": "stdio",
        "command": "<your-python-executable>",
        "args": ["<your-project-dir>/mcp_hpc_server.py"],
        "env": {
        "SLURM_SSH_HOST": "your-login-host",
        "SLURM_SSH_PORT": "22",
        "SLURM_SSH_USERNAME": "your-username",
        "SLURM_SSH_KEY_PATH": "<your-ssh-private-key-path>",
        "SLURM_SSH_ALLOW_UNKNOWN_HOSTS": "true"
      }
    }
  }
}

Windows 下 Claude Desktop 常见配置位置：

%APPDATA%\Claude\claude_desktop_config.json

MCP Inspector

请参考：

• mcp.inspector.template.json

如果你直接在 Inspector 里手工配置：

• Command 填 Python 解释器路径
• Arguments 填 mcp_hpc_server.py 路径
• 环境变量填 SLURM_SSH_* 相关项

示例作业脚本

参考：

• examples/example_job.slurm

提交时请根据你的集群实际情况修改：

• 分区名
• GRES / GPU / DCU 资源
• 时间限制
• 输出路径

工具说明

1. list_jobs

查看当前队列中的作业。

输入：

{
  "user": "optional"
}

2. list_partitions

查看分区状态。

输入：

{}

3. get_job_status

查询指定作业状态。

输入：

{
  "job_id": "37285107"
}

4. submit_slurm_job

提交 Slurm 脚本。

输入字段是 script_content，直接填多行脚本正文，不要额外包引号。

5. diagnose_error

对日志文本进行结构化故障分类。

输入：

{
  "log_content": "ModuleNotFoundError: No module named 'mpi4py'"
}

6. job_log://{job_id}

通过资源模板读取作业标准输出日志。

安全机制

提交前会经过 ActionGuard 检查，默认拦截典型危险命令，例如：

• rm -rf /
• mkfs
• 对 /dev/* 的直接写入
• shutdown / reboot
• sudo

这只是第一层防护。生产环境仍建议：

• 使用低权限 SSH 账号
• 限制远程工作目录
• 保留操作日志
• 不要把私钥提交到仓库

测试

运行最小测试：

python -m unittest tests.test_mcp_server

当前最小测试覆盖：

• 脚本首行校验
• 批处理脚本规范化
• 错误分类逻辑
• 分区解析
• 作业状态解析