让 AI Agent 租 GPU：MCP、预算与 Workspace 使用指南

已配置 MCP 的 AI Agent 可以调用 CloudGPU 查询 GPU、获取报价、提交有支出和时间上限的 Job，再查询结果或请求取消。你批准消费，Agent 执行工具调用；保存过的 Workspace 版本可以用于后续 Job。 本文对应已发布的 MCP 0.11.0，不代表所有应用和模型都已完成真机验证。

1. 先连接工具，再批准账户授权

客户端需要支持本地 MCP 服务，并具备 Node.js 18 或更新版本。在客户端的 MCP 配置入口添加：

{
  "mcpServers": {
    "cloudgpu": {
      "command": "npx",
      "args": ["-y", "cloudgpu-mcp@0.11.0"]
    }
  }
}

不同客户端的配置格式可能不同，参见 MCP 安装文档。升级后重启 MCP 客户端。没有这些工具的普通聊天，不会因为打开授权链接就自动获得调用能力。

让 Agent 调用 connect_account，你亲自打开返回的 CloudGPU 链接，核对账户、消费上限、并发和有效期后批准。随后由 Agent 调用 finish_connect。不要把密码、API key 或带签名的下载链接贴进聊天；可在 API 账户页撤销访问。

MCP 工具通过协议提供可发现的操作和输入结构，仍需要客户端权限及人工监督，参见 MCP 官方服务端概念。

2. 先准备可审阅任务，不急着开 GPU

可以把下面的话发给 Agent，替换其中的项目版本：

使用 CloudGPU 准备这个任务，先判断本地 CPU 是否足够。
需要 GPU 时，先展示卡型、实时报价、GPU 最大支出和运行时限、
执行命令、输入与输出文件。未经我批准不要提交。
不要把 GPU 授权当成额外存储费用授权。
适用时复用已保存的 Workspace 版本 <version-id>。

list_task_templates 和 prepare_task_template 只准备本地草案，不创建 GPU。已发布目录包括 GPU 检查、CSV 汇总、已有 Workspace 的 Python 入口，以及实验性的 ComfyUI 工作流和小型因果语言模型 LoRA 配方。小型 CSV 处理通常应在本地 CPU 完成。

草案不保证镜像已具备全部依赖。批准前检查镜像、模型许可、脚本和输出路径。ComfyUI 配方需要已准备的 ComfyUI 环境；LoRA 配方需要已准备的 CUDA 和训练依赖，不是图像或 SDXL LoRA 模板。本地协议测试不等于实际 GPU 生成、训练质量验收。

3. 报价、批准，再提交一个 Job

Agent 可用 get_compute_catalog 查询能力、quote_compute 获取新报价，经你批准具体请求后调用 run_job。价格和库存以实时接口为准，参见选卡页及计费说明。

提交前核对	原因
卡型与当前报价	模型名称不能证明兼容性和有货
最大支出和运行时限	避免没有边界的租用
确切 Workspace 版本及命令	让输入可审阅、可复用
明确输出文件	知道 GPU 释放后需要保留什么
存储资格和费用	GPU 授权不自动包含额外存储收费

保留 Job ID 和幂等键。提交响应丢失时核对原请求，不要换一个新键再次开机。用 get_job 查询状态、记录费用和释放证据；需要取消时调用 cancel_job 并核对后续状态。客户端断线不证明 GPU 已释放，stopping 或 needs_attention 也不能当成释放成功。

4. 明确保存项目和结果

Workspace 版本保存选定项目文件，不保存完整 GPU 环境。有资格的充值账户可用 save_workspace 保存不可变版本，再把 workspace_version_id 交给后续 Job。先用 get_storage 查看当前用量、上传预留、配额、保留期限和费用。

结果需要明确请求 persist_results，指定在 $CLOUDGPU_OUTPUT_DIR 下收集的文件，并确认收集成功、可以取回。上传失败、未列入输出路径的文件和未保存修改，都不能当成已有备份。

手工租卡时，可在租卡窗口选择 Workspace 项目和保存版本，实例就绪后确认应用到 GPU。也可以从 Workspace 页面操作，或让 MCP 调用 list_workspace_instances、apply_workspace。应用会把选定版本复制到新的项目目录，不安装依赖、不执行项目，也不恢复整台实例。传输期间租用继续计费；预算型 Agent key 只能操作同一 key 创建的实例。

销毁前的备份方案和检查清单见销毁 GPU 前保存数据。

5. 一句话再次运行，但区分复用与重试

使用同一个已保存项目版本准备再次运行。
先展示上次结果和费用，重新报价，等我批准再提交新的付费 Job。

再次运行是新付费请求。保留项目文件不意味着保留安装的软件或原 GPU。公开模型引用可以固定仓库 revision 和文件校验和，在租用 GPU 上下载；这不是共享模型缓存，也不保证模型文件已在机器上。Hugging Face 官方下载文档说明了版本选择，CloudGPU 支持格式见 Agent 文档。

多个任务怎样一起提交？

MCP 0.11.0 新增 prepare_job_batch、run_job_batch 和 get_job_batch，一次准备 1–8 个 Job。准备阶段核对不可变清单和总 GPU 预算，提交需要明确批准该清单。保留原批次键、清单和部分受理回执；响应不确定时用原键对账，再决定后续动作。

批次可能部分受理。已受理 Job 进入现有后端队列，但尚未提交的成员不是能自动续跑的持久化批量队列。失败执行不会自动重试，存储收费也不包含在 GPU 总预算里。参数和恢复规则见 MCP 参考文档。

从最小的有用任务开始

阅读 Agent Compute 介绍，连接支持 MCP 的客户端，先让它准备 GPU 检查任务而不提交。确认报价和上限后再批准付费运行。之后复用明确保存的项目版本，对比实际结果和费用，不需要另进一个任务配置控制台。