Pytorch Lightning MCP

🚀 PyTorch Lightning MCP Server

PyTorch Lightningを、ツール、エージェント、オーケストレーションシステム向けの構造化された機械可読APIを介して公開する最小限の統合レイヤーです。

✨ 主な機能

• モデルのトレーニング、検査、検証、テスト、予測、チェックポイント保存のための構造化API
• PyTorch Lightningの実行
• 標準入出力およびHTTPサーバーモード

📦 インストール

curl -Ls https://astral.sh/uv/install.sh | sh
git clone https://github.com/<your-org>/lightning-mcp.git
cd lightning-mcp
uv sync --all-extras

💻 使用例

基本的な使用法

CLIを使用した起動

MCPサーバーはCLIを通じて実行できます。

# 標準入出力サーバー（デフォルト）
uv run lightning-mcp

# HTTPサーバー
uv run lightning-mcp --http --host 0.0.0.0 --port 3333

標準入出力の例

echo '{"id":"1","method":"lightning.inspect","params":{"what":"environment"}}' | uv run lightning-mcp

HTTPの例

curl -X POST http://localhost:3333/mcp \
  -H "Content-Type: application/json" \
  -d '{"id":"1","method":"lightning.inspect","params":{"what":"environment"}}'

高度な使用法

利用可能なツール

MCPサーバーは以下のツール（メソッド）を公開しています。

lightning.train

明示的な設定でPyTorch Lightningモデルをトレーニングします。

入力スキーマ:

{
  "model": {"_target_": "string", ...},
  "trainer": { ... }
}

lightning.inspect

モデルまたはランタイム環境を検査します。

入力スキーマ:

{
  "what": "model | environment | summary",
  "model": {"_target_": "string", ...} // モデル検査に必要
}

lightning.validate

PyTorch Lightningモデルを検証します。

入力スキーマ:

{
  "model": {"_target_": "string", ...},
  "trainer": { ... }
}

lightning.test

PyTorch Lightningモデルをテストします。

入力スキーマ:

{
  "model": {"_target_": "string", ...},
  "trainer": { ... }
}

lightning.predict

PyTorch Lightningモデルで予測/推論を実行します。

入力スキーマ:

{
  "model": {"_target_": "string", ...},
  "trainer": { ... }
}

lightning.checkpoint

モデルのチェックポイントを管理します（保存、読み込み、または一覧表示）。

入力スキーマ:

{
  "action": "save | load | list",
  "path": "string",         // 保存/読み込み用
  "directory": "string",    // 一覧表示用
  "model": { ... }           // 保存/読み込み用
}

ツールの探索

実行時に利用可能なすべてのツールとそのスキーマを一覧表示するには、以下のコマンドを実行します。

echo '{"id":"1","method":"tools/list","params":{}}' | uv run lightning-mcp

テスト

uv run pytest

🤝 コントリビューション

詳細はCONTRIBUTING.mdとDEVELOPMENT.mdを参照してください。

📄 ライセンス

Apache 2.0