$ loading_
通过 MCP 管理 LM Studio 模型的加载、卸载与参数配置，提升本地大模型运维效率。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"LM Studio 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 LM Studio MCP Server 列出当前可用的模型，包括模型名称、已加载状态和主要配置信息。
返回可用模型清单，包含每个模型的状态与基础配置摘要。
请用 LM Studio MCP Server 加载指定模型，并将 TTL 设为 30 分钟，同时启用 draft model 设置。
返回模型加载结果，并确认 TTL 与 draft model 配置已生效。
请通过 LM Studio MCP Server 卸载当前空闲且不再使用的模型，并告诉我操作是否成功。
返回卸载执行结果，说明目标模型是否已成功释放。
让 AI 助手通过 LM Studio API 管理本地模型的查看、加载与卸载。
帮助管理 MCP 服务器配置，支持查看、启停与版本控制操作。
将非关键大模型任务转交给自控模型处理，节省高端模型配额与成本。
统一管理本地大模型运行时，完成发现、运维检查与推理调用。
让 AI 助手通过 MCP 管理大模型推理、后端配置与显存监控。
通过多模型与可视化工具，用自然语言完成软件开发、调试与成本管理。