Wandb MCP Server

1. 打开 Cursor 设置（⌘, 或 Ctrl,）
2. 导航到 功能 → 模型上下文协议
3. 点击 “从注册表安装” 或 “添加 MCP 服务器”
4. 搜索 “wandb” 或输入：
   • 名称：wandb
   • URL：https://mcp.withwandb.com/mcp
   • API 密钥：你的 W&B API 密钥

如需本地安装，请参阅下面的 选项 2。

添加到你的 Claude 配置文件：

# macOS
open ~/Library/Application\ Support/Claude/claude_desktop_config.json

# Windows
notepad %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "wandb": {
      "url": "https://mcp.withwandb.com/mcp",
      "apiKey": "YOUR_WANDB_API_KEY"
    }
  }
}

重启 Claude Desktop 以激活。

如需本地安装，请参阅下面的 选项 2。

from openai import OpenAI
import os

client = OpenAI()

resp = client.responses.create(
    model="gpt-4o",
    tools=[{
        "type": "mcp",
        "server_url": "https://mcp.withwandb.com/mcp",
        "authorization": os.getenv('WANDB_API_KEY'),
    }],
    input="How many traces are in my project?"
)
print(resp.output_text)

注意：OpenAI 的 MCP 是服务器端的，因此本地主机 URL 不起作用。对于本地服务器，请结合 ngrok 参阅 选项 2。

# 设置你的 API 密钥
export WANDB_API_KEY="your-api-key-here"

# 安装扩展
gemini extensions install https://github.com/wandb/wandb-mcp-server

该扩展将使用指向托管服务器的 gemini-extension.json 中的配置。

如需本地安装，请参阅下面的 选项 2。

在 LeChat 设置中，添加一个 MCP 服务器：

• URL：https://mcp.withwandb.com/mcp
• API 密钥：你的 W&B API 密钥

如需本地安装，请参阅下面的 选项 2。

# 打开设置
code ~/.config/Code/User/settings.json

{
  "mcp.servers": {
    "wandb": {
      "url": "https://mcp.withwandb.com/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_WANDB_API_KEY"
      }
    }
  }
}

如需本地安装，请参阅下面的 选项 2。

新的自动聚类工具即将推出： “查看 grpo-cuda/axolotl-grpo 中我最后一次训练运行的最后 100 条跟踪记录，并告诉我为什么我的强化学习实验的滚动跟踪有时会很差？”

⚠️ 重要提示

确保向大语言模型指定你的 W&B 实体和 W&B 项目名称，因为大语言模型无法读取你的想法。

💡 使用建议

• 避免提出过于宽泛的问题，例如 “我的最佳评估是什么？” 这样的问题可能过于宽泛，将问题细化为更具体的问题，例如 “哪个评估的 F1 分数最高？” 可以更快地得到答案。
• 当提出宽泛、一般性的问题，如 “我的表现最佳的运行/评估有哪些？” 时，最好要求大语言模型检查它是否检索到了所有可用的运行。MCP 工具旨在获取正确数量的数据，但有时大语言模型可能只检索最新的运行或最后 N 个运行。

托管服务器提供零配置体验，具有企业级可靠性。该服务器由 W&B 团队维护，会自动更新新功能，并可扩展以处理任何工作负载。非常适合团队和生产用例，让你可以专注于机器学习工作，而不是基础设施。

使用公共服务器

最简单的方法是使用我们托管在 https://mcp.withwandb.com 的服务器。

优点：

• ✅ 无需安装
• ✅ 始终保持最新
• ✅ 自动扩展
• ✅ 无需维护

只需使用 快速开始 中显示的配置即可。

在本地运行 MCP 服务器进行开发、测试，或者当你需要完全控制数据时使用。本地服务器直接在你的机器上运行，桌面客户端使用 STDIO 传输，基于 Web 的客户端使用 HTTP 传输。非常适合想要自定义服务器或在隔离环境中工作的开发人员。

手动配置

添加到你的 MCP 客户端配置：

{
  "mcpServers": {
    "wandb": {
      "command": "uvx",
      "args": [
        "--from",
        "git+https://github.com/wandb/wandb-mcp-server",
        "wandb_mcp_server"
      ],
      "env": {
        "WANDB_API_KEY": "YOUR_API_KEY"
      }
    }
  }
}

先决条件

• Python 3.10+
• uv（推荐）或 pip

# 安装 uv（如果尚未安装）
curl -LsSf https://astral.sh/uv/install.sh | sh

安装

# 使用 uv（推荐）
uv pip install wandb-mcp-server

# 或者从 GitHub 安装
pip install git+https://github.com/wandb/wandb-mcp-server

特定客户端安装命令

Cursor（仅项目）

为特定项目启用服务器：

uvx --from git+https://github.com/wandb/wandb-mcp-server add_to_client --config_path .cursor/mcp.json && uvx wandb login

Cursor（全局）

为所有 Cursor 项目启用服务器：

uvx --from git+https://github.com/wandb/wandb-mcp-server add_to_client --config_path ~/.cursor/mcp.json && uvx wandb login

Windsurf

uvx --from git+https://github.com/wandb/wandb-mcp-server add_to_client --config_path ~/.codeium/windsurf/mcp_config.json && uvx wandb login

Claude Code

claude mcp add wandb -- uvx --from git+https://github.com/wandb/wandb-mcp-server wandb_mcp_server && uvx wandb login

使用 API 密钥：

claude mcp add wandb -e WANDB_API_KEY=your-api-key -- uvx --from git+https://github.com/wandb/wandb-mcp-server wandb_mcp_server

Claude Desktop

uvx --from git+https://github.com/wandb/wandb-mcp-server add_to_client --config_path "~/Library/Application Support/Claude/claude_desktop_config.json" && uvx wandb login

使用 ngrok 进行测试（适用于服务器端客户端）

对于像 OpenAI 和 LeChat 这样需要公共 URL 的客户端：

# 1. 启动 HTTP 服务器
uvx wandb-mcp-server --transport http --port 8080

# 2. 使用 ngrok 暴露
ngrok http 8080

# 3. 在客户端配置中使用 ngrok URL

注意：这些实用工具受 OpenMCP 服务器注册表 添加到客户端模式 的启发。

这个公共仓库专注于 STDIO 传输。如果你需要完全托管的 HTTP 部署（Docker、Cloud Run、Hugging Face 等），可以从这个代码库开始，并在单独的仓库中添加你自己的 HTTP 入口点。W&B 维护的生产级托管服务器现在位于一个基于此仓库的私有仓库中。

对于轻量级实验，你仍然可以直接运行 FastMCP HTTP 传输：

uvx wandb_mcp_server --transport http --host 0.0.0.0 --port 8080

客户端必须继续按照 MCP 规范通过 Bearer 令牌提供自己的 W&B API 密钥。

from openai import OpenAI
from dotenv import load_dotenv
import os

load_dotenv()

client = OpenAI()

resp = client.responses.create(
    model="gpt-4o",  # 使用 gpt-4o 以获得更大的上下文窗口
    tools=[
        {
            "type": "mcp",
            "server_label": "wandb",
            "server_description": "Query W&B data",
            "server_url": "https://mcp.withwandb.com/mcp",
            "authorization": os.getenv('WANDB_API_KEY'),
            "require_approval": "never",
        },
    ],
    input="How many traces are in wandb-smle/hiring-agent-demo-public?",
)

print(resp.output_text)