Token导航 LogoToken导航TokenDH.com
MCP Remote Run logo
AI代理stdio官方级别未说明来源级核验

MCP Remote Run

MCP Server

CodeCarbon MCP Server是一个通过MCP工具向LLM客户端暴露CodeCarbon API能力的服务,允许AI代理通过CodeCarbon库本地运行碳排放测量。

工具数

13

提示词数

0

GitHub Stars

0

资源数

0
PythonAI代理API集成

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

作者 / 组织

mlco2

提供方

mlco2

最后核验

2026/5/17 20:22

快速接入

先看主来源和安装命令,再打开仓库或文档;下面只保留这个条目的关键接入事实。

命令预览

pip install -r requirements.txt

详细介绍

CodeCarbon MCP服务器

该MCP服务器通过MCP工具向LLM客户端展示CodeCarbon API功能,并允许AI代理通过CodeCarbon的库在本地运行测量。

它专为服务器使用有效凭据和查询运行的设置而设计 实验记录直接来自官方API。

特性

  • 阅读CodeCarbon API的组织、项目和实验。
  • 根据运行摘要计算实验消耗量。
  • 推荐具有可选最低精度的最低发射实验。
  • 为周五的演示提供演示提示场景。
  • 创建

需求

  • Python 3.12
  • 紫外线

安装

  1. 克隆存储库:
git clone 
cd mcp-cc
  1. 安装依赖项:
pip install -r requirements.txt

登录变量

在运行服务器之前,在项目的根目录下,执行命令“codecarbon login”,然后登录到您的codecarbon帐户,将在根目录下生成凭据文件。

从存储库根目录:

uv run server.py

服务器将启动并准备接收MCP客户端连接。

MCP工具

API工具:

  • check_auth
  • list_organizations
  • list_projects
  • list_experiments
  • get_experiment_consumption
  • get_experiment_consumption_by_name
  • recommend_lowest_emission_experiment
  • demo_prompt_scenarios
  • create_expriment

本地工具:

  • start_tracking
  • stop_tracking
  • get_status
  • get_current_metrics

精度约束注释

recommend_lowest_emission_experiment 工具可以强制执行 min_accuracy,但API 今天没有公开专门的精度字段。服务器从以下内容推断准确性 实验 namedescription 当格式化为:

  • accuracy=92.4
  • accuracy: 92.4%

目录标签

目录标签

PythonAI代理API集成碳排放计算本地部署API服务环境监测

接入字段

传输方式(transport,传输协议)

stdio

鉴权方式(authType,认证方式)

session

工具数量(toolCount,工具数)

13

资源数量(resourceCount,资源数)

0

提示词数量(promptCount,提示词数)

0

权限和风险

stdiosession部署方式未说明

接入前请确认传输方式、认证方式和部署位置,并根据实际工具能力限制访问范围。

安装前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

来源信息

继续浏览同类 MCP