MCP Nvidia

mcp英伟达

MCP服务器，用于搜索NVIDIA博客和版本，使LLM能够更好地回答NVIDIA特定的查询。

概述

此模型上下文协议（MCP）服务器使大型语言模型（LLM）能够跨 多个NVIDIA域，以查找有关NVIDIA技术、产品和服务的相关信息。

支持的域名（默认15个，可自定义）

默认情况下，服务器会搜索以下NVIDIA域。您可以使用自定义此列表 MCP_NVIDIA_DOMAINS 环境变量或 domains 搜索查询中的参数：

• blogs.nvidia.com -NVIDIA博客文章
• build.nvidia.com -NVIDIA AI基金会模型和服务
• catalog.ngc.nvidia.com -NGC GPU加速软件目录
• developer.download.nvidia.com -开发人员下载和资源
• developer.nvidia.com -开发人员资源、SDK和技术文档
• docs.api.nvidia.com -API文件
• docs.nvidia.com -全面的技术文档
• docs.omniverse.nvidia.com -全方位文档
• forums.developer.nvidia.com -开发者论坛
• 论坛.nvidia.com -社区论坛
• ngc.nvidia.com -NVIDIA GPU云
• nvidia.github.io -NVIDIA GitHub Pages文档
• nvidia.com -NVIDIA官方新闻和新闻稿
• research.nvidia.com -NVIDIA研究出版物
• resources.nvidia.com -NVIDIA资源和白皮书

备注：为了安全起见，只允许使用nvidia.com域名和nvidia.github.io。

主要特点

搜索与排名

• 高级相关性评分 组合多个信号
• 智能关键字提取
• 上下文感知搜索 带有增强的片段和突出显示
• 灵活排序 按相关性、发布日期或领域
• 内容类型检测 （教程、公告、指南、论坛等）
• 日期提取 来自HTML元数据和页面内容

元数据

• 出版日期 从HTML元数据和文本模式中提取
• 内容元数据 包括作者、字数统计、代码/视频/图像检测
• 结构化内容类型 便于过滤和分类

连接性

• stdio模式 （默认）-适用于本地MCP客户端，如Claude Desktop
• HTTP/SSE模式 -用于远程访问和基于web的客户端
• 结构化JSON输出 与AI代理和LLM兼容

定制

• 特定域过滤 用于定向搜索
• 可配置域 通过环境变量
• 可调相关性阈值 以及结果限制
• 多种排序选项 （相关性、日期、领域）

交互式用户界面（可选）

• MCP-UI集成 具有丰富的交互式HTML组件
• 实时过滤 使用HTMX进行动态更新，无需重新加载页面
• NVIDIA品牌界面 带有绿色重音主题和粘性标题
• 搜索结果UI 特点：

- 交互式过滤器控件（排序方式：相关性/日期/域，最小相关性滑块） - 带有相关性得分、内容类型图标和元数据的结果卡 - 关键字突出显示和发布日期 - 复制引用功能

• 内容发现UI 与：

- 不同内容类型（视频、课程、教程、网络研讨会、博客）的选项卡导航 - 通过HTMX部分更新动态加载内容 - 带有缩略图和相关性评分的内容卡

• 优雅降级 -使用或不使用UI依赖项

安装

通过npx（最简单-建议MCP客户使用）

npx @bharatr21/mcp-nvidia

或者添加到您的Claude Desktop配置中：

{
  "mcpServers": {
    "nvidia": {
      "command": "npx",
      "args": ["-y", "@bharatr21/mcp-nvidia"]
    }
  }
}

注： 这需要在您的系统上安装Python 3.10+。该包将自动使用Python后端。

通过pip

标准安装（仅JSON响应）：

pip install mcp-nvidia

具有UI功能（交互式HTML组件）：

pip install "mcp-nvidia[ui]"

来源

标准安装：

git clone https://github.com/bharatr21/mcp-nvidia.git
cd mcp-nvidia
pip install -e .

具有UI功能：

git clone https://github.com/bharatr21/mcp-nvidia.git
cd mcp-nvidia
pip install -e ".[ui]"

用法

使用托管远程服务器（推荐）

公共实例可在以下网址获得 https://mcp-nvidia.up.railway.app/ SSE端点位于 https://mcp-nvidia.up.railway.app/sse/。这是开始使用服务器的最快方法——无需本地 需要安装。

克劳德AI/克劳德桌面：

{
  "mcpServers": {
    "nvidia": {
      "url": "https://mcp-nvidia.up.railway.app/sse/",
      "transport": "sse"
    }
  }
}

克劳德代码：

claude mcp add mcp-nvidia --transport sse https://mcp-nvidia.up.railway.app/sse/

添加 -s user 使其可用于所有项目，或 -s project 仅适用于当前项目。

Gemini CLI：

gemini mcp add --transport sse mcp-nvidia https://mcp-nvidia.up.railway.app/sse/

OpenCode （添加到 opencode.json 或 ~/.config/opencode/opencode.json):

{
  "mcp": {
    "mcp-nvidia": {
      "type": "remote",
      "url": "https://mcp-nvidia.up.railway.app/sse/"
    }
  }
}

Codex CLI （Codex仅支持stdio传输，因此请使用 mcp-remote 代理）：

codex mcp add mcp-nvidia -- npx -y mcp-remote https://mcp-nvidia.up.railway.app/sse/ --transport sse-only

或添加到 ~/.codex/config.toml:

[mcp_servers.mcp-nvidia]
command = "npx"
args = ["-y", "mcp-remote", "https://mcp-nvidia.up.railway.app/sse/", "--transport", "sse-only"]

在本地运行服务器

MCP服务器可以直接从命令行运行：

mcp-nvidia

配置

可以使用环境变量配置服务器：

• MCP_NVIDIA_DOMAINS：要搜索的自定义NVIDIA域的逗号分隔列表（覆盖默认值）

- 安全：只允许使用nvidia.com域名和子域名。无效域将被自动过滤掉。 - 例子： "https://developer.nvidia.com/,https://docs.nvidia.com/"

• MCP_NVIDIA_LOG_LEVEL：日志记录级别（调试、信息、警告、错误、严重）

例子：

export MCP_NVIDIA_DOMAINS="https://developer.nvidia.com/,https://docs.nvidia.com/"
export MCP_NVIDIA_LOG_LEVEL="DEBUG"
mcp-nvidia

使用Claude Desktop进行配置

将以下内容添加到您的Claude Desktop配置文件中：

MacOS: ~/Library/Application Support/Claude/claude_desktop_config.json 视窗: %APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "nvidia": {
      "command": "mcp-nvidia"
    }
  }
}

使用自定义配置（环境变量）：

{
  "mcpServers": {
    "nvidia": {
      "command": "mcp-nvidia",
      "env": {
        "MCP_NVIDIA_LOG_LEVEL": "DEBUG",
        "MCP_NVIDIA_DOMAINS": "https://developer.nvidia.com/,https://docs.nvidia.com/"
      }
    }
  }
}

如果你是从源代码安装的，你可能需要使用Python可执行文件的完整路径：

{
  "mcpServers": {
    "nvidia": {
      "command": "/path/to/python",
      "args": ["-m", "mcp_nvidia"]
    }
  }
}

HTTP服务器模式（远程访问）

对于远程访问或公共部署，请使用HTTP/SSE模式：

# Run in HTTP mode (default port 8000)
mcp-nvidia http

# Custom host and port
mcp-nvidia http --host 0.0.0.0 --port 3000

# Or explicitly use stdio mode (default)
mcp-nvidia stdio
mcp-nvidia  # same as stdio

要配置客户端以连接到您的自托管实例，请替换 https://mcp-nvidia.up.railway.app/sse/ 在 托管服务器示例 使用您自己服务器的SSE URL（例如。 http://your-host:8000/sse/).

MCP-UI（交互式HTML组件）

当与UI依赖项一起安装时(pip install "mcp-nvidia[ui]")，服务器提供丰富的交互式HTML 接口以及结构化JSON响应。这是完全向后兼容的——不支持UI的客户端 资源将仅接收JSON响应。

特性

搜索结果界面：

• NVIDIA品牌用户界面 带有绿色重音主题（#76b900）和粘性标题
• 交互式过滤器 在不重新加载页面的情况下更新结果：

- 排序方式：相关性、日期或域（下拉列表） - 最小相关性：滑块（0-100）

• 丰富的结果卡 显示：

- 带有分数的相关性徽章 - 内容类型图标(📖 教程，🎬 视频，📚 课程等） - 域标签和发布日期 - 带有关键字突出显示的片段预览 - 匹配的关键字（最多5个） - “打开”和“复制引文”按钮

• 引文部分 带有编号的参考文献

内容发现界面：

• 选项卡式导航 对于内容类型：

- 🎬 视频 - 📚 课程 - 📖 教程 - 🎥 网络研讨会 - 📝 博客文章

• 动态选项卡切换 HTMX部分更新（无页面重新加载）
• 内容卡 带有缩略图、标题和相关性评分

运作原理

用户界面由以下组件驱动：

• MCP-UI服务器 -生成UI资源以及工具响应
• HTMX -无需JavaScript即可实现动态更新
• 服务器端渲染 -从工具响应生成的HTML
• 优雅降级 -无需UI依赖即可工作（仅返回JSON）

当你打电话的时候 search_nvidia 或 discover_nvidia_content 从克劳德桌面（或其他MCP-UI兼容客户端）， 你会看到两者：

1. 结构化JSON （供克劳德阅读和推理）
2. 交互式HTML用户界面 （供您浏览和互动）

安全功能

• 输入验证 具有sort_by和content_type的满配列表
• XSS预防 所有用户输入都有HTML转义
• URL验证 仅限于安全方案（http、https、mailto）
• rel=“noopener noreferrer” 在所有外部链接上防止标签
• ASGI协议合规性 对于SSE运输

HTMX端点

在HTTP模式下运行时，以下端点支持HTMX交互：

• /ui/filter -根据过滤器更改更新搜索结果
• /ui/content -加载不同内容类型选项卡的内容
• /ui/citation/{index} -处理引文复制操作

SDK资源（代码执行模式）

除了标准的MCP工具调用接口外，此服务器还公开 TypeScript和Python SDK 作为MCP资源。这使得代码执行工作流成为可能，AI代理可以：

1. 发现SDK文件 通过 list_resources()
2. 读取类型定义 通过 read_resource(uri)
3. 编写代码 使用全类型接口而不是原始工具调用

这种方法提供了以下所述的好处 使用MCP执行Anthropic的代码 和 Cloudflare的代码模式:

• 类型安全性 -输入和输出的完整TypeScript/Python类型提示
• 代码中的数据处理 -在返回模型之前过滤和转换结果
• 利用法学硕士的优势 -LLM擅长针对API编写代码

可用SDK资源

服务器通过MCP资源协议公开以下资源：

TypeScript SDK：

• mcp-nvidia://sdk/typescript/search_nvidia.ts -search_nvidia的TypeScript类型和接口
• mcp-nvidia://sdk/typescript/discover_nvidia_content.ts -discover_nvidia_content的TypeScript类型
• mcp-nvidia://sdk/typescript/index.ts -桶导出文件
• mcp-nvidia://sdk/typescript/README.md -TypeScript SDK文档

Python SDK：

• mcp-nvidia://sdk/python/search_nvidia.py -search_nvidia的Python类型和接口
• mcp-nvidia://sdk/python/discover_nvidia_content.py -discover_nvidia_content的Python类型
• mcp-nvidia://sdk/python/__init__.py -包装出口
• mcp-nvidia://sdk/python/README.md -Python SDK文档

示例：代码执行工作流

不要直接调用工具：

# Traditional MCP tool call
result = call_tool("search_nvidia", {"query": "CUDA", "max_results_per_domain": 5})

代理可以发现并使用类型化的SDK：

// 1. Agent lists resources to discover SDK files
const resources = await client.list_resources();
// Returns: mcp-nvidia://sdk/typescript/search_nvidia.ts, etc.

// 2. Agent reads the TypeScript definitions
const sdkContent = await client.read_resource("mcp-nvidia://sdk/typescript/search_nvidia.ts");

// 3. Agent writes code using the typed interface
import { searchNvidia, SearchNvidiaInput } from "./search_nvidia";

const input: SearchNvidiaInput = {
  query: "CUDA programming",
  max_results_per_domain: 5,
  sort_by: "relevance"
};

const result = await searchNvidia(input);

// 4. Process results in code
const tutorials = result.results.filter(r => r.content_type === "tutorial");
const recent = result.results.filter(r => r.published_date > "2024-01-01");

生成的SDK文件包括：

• TypeScript SDK：与JSDoc+功能包装器的完整接口，通过客户端调用MCP工具
• 开发包：TypedDict定义+直接实现调用（无MCP开销！）
• 类型安全的输入/输出模式
• 示例使用代码
• 全面的文件

主要区别：

• 开发包：直接呼叫 mcp_nvidia.lib 功能-无MCP协议开销
• TypeScript SDK：通过MCP客户端调用（因为实现是在Python中）

如何使用SDK资源

通过MCP客户端：

任何支持资源的MCP客户端都可以访问这些SDK文件：

# List available SDK resources
resources = await mcp_client.list_resources()

# Read a specific SDK file
typescript_sdk = await mcp_client.read_resource("mcp-nvidia://sdk/typescript/search_nvidia.ts")
python_sdk = await mcp_client.read_resource("mcp-nvidia://sdk/python/search_nvidia.py")

使用Python SDK（直接调用）：

# Import the generated SDK
from mcp_nvidia_sdk import search_nvidia

# Call directly - no MCP overhead!
result = await search_nvidia({
    "query": "CUDA optimization",
    "max_results_per_domain": 5,
    "sort_by": "date"
})

# Process with full type safety
for item in result["results"]:
    print(f"{item['title']}: {item['url']}")

使用TypeScript SDK（通过MCP客户端）：

import { searchNvidia, MCPClient } from "./search_nvidia";

// Get MCP client instance
const client: MCPClient = getMCPClient();

// Call via MCP protocol
const result = await searchNvidia({
  query: "CUDA optimization",
  max_results_per_domain: 5,
  sort_by: "date"
}, client);

// Process with full type safety
result.results.forEach(item => {
  console.log(`${item.title}: ${item.url}`);
});

生成的SDK结构：

每个SDK包括：

• 类型定义：从工具模式自动生成完整的输入/输出类型定义
• 异步函数：为每个工具正确键入异步函数签名
• 文档：解释参数和返回类型的内联注释和文档字符串
• 示例：生成代码中的使用示例
• 索引/初始化文件：方便所有工具的导入

SDK生成与测试

SDK文件是 自动生成 当服务器启动时，从MCP工具模式中选择。 它们被缓存在内存中以提高性能。

运行SDK测试：

# Test SDK generation
pytest tests/test_sdk_generation.py -v

# Test MCP Resources
pytest tests/test_resources.py -v

# Run all tests
pytest tests/ -v

向后兼容

SDK资源功能是 完全向后兼容。现有MCP客户端可以继续使用 传统的工具调用，而支持代码执行的客户端可以使用SDK资源。 这两种方法同时起作用。

可用工具

search_nvidia

在NVIDIA域中搜索特定信息。结果包括带有URL的引用，以便于参考。

参数：

• query （必填）：用于跨NVIDIA域查找信息的搜索查询
• domains （可选）：要搜索的特定NVIDIA域列表。如果未提供，则搜索所有默认域
• max_results_per_domain （可选）：每个域返回的最大结果数（默认值：3）
• min_relevance_score （可选）：过滤结果的最小相关性得分阈值（0-100）（默认值：17）
• sort_by （可选）：结果排序顺序-以下之一：

- relevance （默认）：按相关性得分排序（最高者优先） - date：按发布日期排序（最新者优先） - domain：按域名字母顺序排序

示例查询：

• “CUDA编程最佳实践”
• “RTX 4090规格”
• “TensorRT优化技术”
• “最新AI公告”
• “Omniverse开发教程”

排序示例用法：

# Sort by publication date (newest first) - great for finding latest announcements
search_nvidia(query="NIM microservices", sort_by="date")

# Sort by relevance (default) - best for finding most relevant content
search_nvidia(query="CUDA optimization", sort_by="relevance")

# Sort by domain - useful for browsing content by source
search_nvidia(query="TensorRT", sort_by="domain")

特征：

• 使用ddgs包增强搜索 实现DuckDuckGo与域过滤的可靠集成
• 结构化JSON输出：以机器可读和结构化格式返回数据

人类可读字段

• 上下文感知片段：自动从源URL获取周围的文本并突出显示

相关片段 **bold** 格式化

• 相关性评分（0-100分）：每个结果都包括基于查询词匹配的相关性得分

标题、代码段和URL - 使用默认排序时，结果按相关性得分（最高者优先）排序 - 低于阈值的结果将被自动过滤掉 - 分数以格式化文本显示为“分数：X/100”

• 灵活的排序选项:

- relevance：按相关性得分排序（默认） - date：按发布日期排序，最新者优先 - domain：按域名字母顺序排序

• 出版日期提取：自动从HTML元数据（元标记、时间元素）中提取日期

使用多种策略生成页面内容

• 内容类型检测：将内容标识为公告、教程、指南、论坛讨论，

博客文章、文档、研究论文、新闻、视频、课程或文章

• 丰富的元数据提取:

- 来自各种HTML源的作者姓名 - 大致字数 - 代码段检测 - 通过计数进行视频和图像检测

• 安全控制：输入验证和限制（可通过代码自定义）

- 查询/主题长度：最多500个字符 - 每个域的结果：最多10个 - 域名白名单：仅限nvidia.com和nvidia.github.io - 速率限制：搜索API调用之间200ms（约5次搜索/秒） - 并发搜索：最多5次同时搜索

• 并发搜索 跨多个域以获得快速结果
• 带有标题、URL、带有上下文的增强片段和源域的格式化结果
• 专用引文部分，带有编号的参考文献，便于复制

输出格式： 结果以结构化JSON的形式返回，模式如下：

{
  "success": true,
  "results": [
    {
      "title": "Page Title",
      "url": "https://example.nvidia.com/page",
      "snippet": "Enhanced snippet with **highlighted** keywords",
      "domain": "example.nvidia.com",
      "relevance_score": 85,
      "published_date": "2025-01-15",
      "content_type": "tutorial",
      "metadata": {
        "author": "John Doe",
        "word_count": 1234,
        "has_code": true,
        "has_video": false,
        "has_images": true,
        "image_count": 5
      }
    }
  ],
  "metadata": {
    "domains_searched": 16,
    "search_time_ms": 1234
  }
}

结果字段：

• title：页面标题
• url：资源的完整URL
• snippet：增强的代码片段 大胆 突出显示匹配的关键字
• domain：源域（例如“docs.nvidia.com”）
• relevance_score：基于关键字匹配的相关性得分为0-100
• published_date （可选）：YYYY-MM-DD格式的发布日期，从HTML元数据或页面内容中提取
• content_type：检测到以下内容类型之一：

- announcement：产品/功能公告 - tutorial：分步教程 - guide：如何指导和最佳做法 - forum_discussion：论坛帖子和讨论 - blog_post：博客文章 - documentation：技术文件 - research_paper：研究出版物 - news：新闻文章和新闻稿 - video：视频内容 - course：培训课程 - article：一般文章（默认）

• metadata （可选）：其他提取的元数据：

- author：内容作者姓名（如有） - word_count：大致字数 - has_code：页面是否包含代码片段 - has_video：页面是否包含嵌入式视频 - has_images：页面是否包含图像 - image_count：页面上的图像数量

备注：The published_date 和 metadata 字段是可选的，只有从页面中成功提取时才会显示。

发现_视频内容

探索特定类型的NVIDIA教育和学习内容，如视频、课程、教程、， 网络研讨会或博客文章。

参数：

• content_type （必填）：要查找的内容类型-以下之一：

- video：视频教程和演示 - course：培训课程和认证（NVIDIA DLI） - tutorial：分步指南和操作方法 - webinar：网络研讨会和现场会议 - blog：博客文章和文章

• topic （必填）：查找内容的主题或技术（例如，“CUDA”、“Omniverse”、“AI”）
• max_results （可选）：要返回的最大内容项数（默认值：5）

示例查询：

• 查找视频教程： discover_nvidia_content(content_type="video", topic="CUDA programming")
• 查找培训课程： discover_nvidia_content(content_type="course", topic="Deep Learning")
• 查找网络研讨会： discover_nvidia_content(content_type="webinar", topic="AI in Healthcare")

特征：

• 针对每种类型优化的内容特定搜索策略
• 0-100分的相关性评分 突出最佳匹配

- 分数显示为“分数：X/100”以提高透明度

• 直接链接到视频、课程、教程和其他资源
• 资源链接部分，便于访问所有发现的内容

发展

建立开发环境

# Clone the repository
git clone https://github.com/bharatr21/mcp-nvidia.git
cd mcp-nvidia

# Create a virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install in development mode with dev dependencies
pip install -e ".[dev]"

运行测试

# Install test dependencies
pip install -e ".[test]"

# Run all tests
pytest tests/ -v

# Run tests excluding slow tests (rate limiting)
pytest tests/ -v -m "not slow"

建筑

服务器使用模型上下文协议（MCP）向LLM公开搜索功能。

搜索流程

sequenceDiagram
    participant LLM as LLM/AI Agent
    participant MCP as MCP Server
    participant Validator as Input Validator
    participant RateLimit as Rate Limiter
    participant DDGS as DuckDuckGo Search
    participant Fetcher as URL Fetcher

    LLM->>MCP: search_nvidia(query, domains)
    MCP->>Validator: Validate inputs
    Validator-->>MCP: ✓ Valid (or ✗ Error)

    loop For each domain (max 5 concurrent)
        MCP->>RateLimit: Check rate limit
        RateLimit-->>MCP: ✓ Proceed (wait 200ms)
        MCP->>DDGS: Search "site:domain query"
        DDGS-->>MCP: Search results

        loop For each result
            MCP->>Fetcher: Fetch URL context
            Fetcher-->>MCP: Enhanced snippet
        end
    end

    MCP->>MCP: Calculate relevance scores
    MCP->>MCP: Sort & format JSON
    MCP-->>LLM: Structured JSON response

系统架构

flowchart TD
    A[MCP Client
Claude/LLMs] -->|JSON-RPC| B[MCP Server]
    B --> C{Tool Router}

    C -->|search_nvidia| D[Search Handler]
    C -->|discover_nvidia_content| E[Discovery Handler]

    D --> F[Security Layer]
    F --> G[Input Validator]
    F --> H[Rate Limiter]
    F --> I[Concurrency Control]

    G --> J[Domain Searcher]
    J --> K[DuckDuckGo API]

    J --> L[URL Context Fetcher]
    L --> M[BeautifulSoup Parser]

    J --> N[Relevance Scorer]
    N --> O[Response Builder]
    O --> P[Structured JSON]

    P -->|CallToolResult| A

    style F fill:#ffcccc
    style P fill:#ccffcc
    style K fill:#cce5ff

关键组件

1. 输入验证：使用sort_by和content_type的分配列表验证查询长度、域白名单和参数限制
2. 速率限制：强制DuckDuckGo API调用之间的最小间隔为200ms
3. 并发搜索：使用信号量控制同时搜索多达5个域
4. 上下文增强：获取实际页面内容并突出显示相关片段
5. 相关性评分：根据关键字匹配计算0-100分
6. JSON输出：返回与人工智能代理和人类兼容的结构化数据
7. SDK生成器：从工具模式自动生成TypeScript和Python SDK
8. MCP资源：将生成的SDK作为代码执行工作流的虚拟文件系统资源公开
9. MCP-UI集成：使用HTMX呈现交互式HTML界面，用于动态过滤和选项卡导航
10. 安全层：XSS预防、URL验证和ASGI协议合规性

扩大域名覆盖范围

可搜索域的列表在中配置 src/mcp_nvidia/server.py 在 DEFAULT_DOMAINS 常数。 要添加更多NVIDIA域，请执行以下操作：

1. 编辑 src/mcp_nvidia/server.py
2. 将新域URL添加到 DEFAULT_DOMAINS 列表
3. 重新安装软件包

许可证

MIT许可证-有关详细信息，请参阅许可证文件

贡献

欢迎投稿！请随时提交拉取请求。

支持

有关问题、疑问或贡献，请访问 .