$ loading_
通过 MCP 管理 CoreHub 云平台的容器、文件系统、分布式训练与推理服务。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Coreshub MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 Coreshub MCP Server 在 CoreHub 上部署一个模型推理服务：使用镜像 myorg/llm-infer:latest，分配 1 张 GPU，暴露 8000 端口，并返回服务状态与访问地址。
返回推理服务的创建结果、运行状态、资源配置和访问地址。
请通过 Coreshub MCP Server 创建一个 EPFS 文件系统用于训练数据存储，命名为 training-data-vol，并展示挂载方式、容量信息和当前状态。
返回文件系统创建结果、容量信息、挂载说明和状态概览。
请通过 Coreshub MCP Server 提交一个分布式训练任务：使用 4 个节点运行 PyTorch 训练，关联已有数据卷，并持续汇报任务状态直到开始运行。
返回训练任务提交结果、节点配置、数据卷绑定情况与最新任务状态。
集中管理和监控 MCP 服务器，便于动态配置、启停与运维排查
将多个MCP服务器能力聚合成少量固定工具供AI调用
通过自然语言执行 Kubernetes 集群管理、资源运维与故障诊断。
帮助管理 GPU 资源、虚拟机生命周期、账单、SSH 密钥与环境配置。
作为统一入口按需启动并代理多个 MCP 服务，降低上下文膨胀与进程开销。
帮助用户在桌面端发现、浏览并安装各类 MCP 服务器工具。