Servidor MCP de Jungle Grid

Ejecuta cargas de trabajo de GPU en Jungle Grid desde hosts de IA compatibles con MCP, como Claude Desktop, Cursor, Windsurf y MCP Inspector.

El servidor se ejecuta localmente a través de stdio y reenvía las llamadas a herramientas a la API REST de Jungle Grid con tu clave de API.

Requisitos

• Node.js 18 o superior

• Una clave de API de Jungle Grid

• Opcional: JUNGLE_GRID_API_URL para un orquestador autohospedado

Para el flujo de trabajo completo de envío, la clave de API necesita jobs:write. Ese ámbito permite estimar, enviar, sondear, cancelar y obtener registros de los trabajos propiedad de la cuenta de la clave. list_jobs sigue requiriendo jobs:read.

Related MCP server: jlab-mcp

Inicio rápido

JUNGLE_GRID_API_KEY=jg_... npx -y @jungle-grid/mcp

En Windows PowerShell:

$env:JUNGLE_GRID_API_KEY = "jg_..."
npx -y @jungle-grid/mcp

El servidor utiliza stdio, por lo que un inicio manual exitoso parecerá esperar mensajes de MCP. Si falta JUNGLE_GRID_API_KEY, se cerrará con un error claro.

Claude Desktop

Añade esto a claude_desktop_config.json y luego reinicia completamente Claude Desktop.

{
  "mcpServers": {
    "junglegrid": {
      "command": "npx",
      "args": ["-y", "@jungle-grid/mcp"],
      "env": {
        "JUNGLE_GRID_API_KEY": "jg_..."
      }
    }
  }
}

Ruta de configuración en Windows:

%APPDATA%\Claude\claude_desktop_config.json

Ruta de configuración en macOS:

~/Library/Application Support/Claude/claude_desktop_config.json

Configuración para Cursor o Project MCP

Para una configuración de proyecto registrada, evita incluir secretos. Coloca la clave de API en el entorno utilizado para iniciar Cursor y mantén la configuración libre de secretos.

{
  "mcpServers": {
    "junglegrid": {
      "command": "npx",
      "args": ["-y", "@jungle-grid/mcp"]
    }
  }
}

Para una configuración local no registrada, puedes incluir la clave directamente:

{
  "mcpServers": {
    "junglegrid": {
      "command": "npx",
      "args": ["-y", "@jungle-grid/mcp"],
      "env": {
        "JUNGLE_GRID_API_KEY": "jg_..."
      }
    }
  }
}

Orquestador autohospedado

JUNGLE_GRID_API_URL tiene como valor predeterminado https://api.junglegrid.dev. Sobrescríbelo cuando tu host deba llamar a un orquestador diferente.

{
  "mcpServers": {
    "junglegrid": {
      "command": "npx",
      "args": ["-y", "@jungle-grid/mcp"],
      "env": {
        "JUNGLE_GRID_API_KEY": "jg_...",
        "JUNGLE_GRID_API_URL": "https://your-orchestrator.example.com"
      }
    }
  }
}

Herramientas

• estimate_job: estima el nivel de GPU, la región, la duración y el coste en créditos.

• submit_job: envía una carga de trabajo de GPU asíncrona con valores de environment opcionales.

• get_job: obtiene el estado y los detalles actuales del trabajo.

• list_jobs: enumera los trabajos recientes de la cuenta autenticada.

• cancel_job: cancela un trabajo pendiente, en cola o en ejecución.

• get_job_logs: obtiene stdout, stderr e información de salida.

• stream_job_logs: transmite registros en vivo hasta su finalización o tiempo de espera.

• list_job_artifacts: enumera los artefactos gestionados cargados para un trabajo.

• get_artifact_download_url: crea una URL de descarga firmada para un artefacto gestionado.

Patrón de trabajo en tiempo real

Usa submit_job para iniciar el trabajo, stream_job_logs para la salida en vivo y, a continuación, list_job_artifacts después de la finalización para recuperar los archivos guardados.

{
  "command": ["python", "-c", "import os; exec(os.environ['CODE'])"],
  "environment": {
    "CODE": "import os, json\nos.makedirs('/workspace/artifacts', exist_ok=True)\nwith open('/workspace/artifacts/output.json','w') as f:\n    json.dump({'status':'ok'}, f)"
  }
}

Este es el patrón recomendado cuando la carga útil de Python real es demasiado larga para caber cómodamente en la matriz command.

Para los trabajos gestionados, Jungle Grid crea automáticamente /workspace/artifacts y carga cualquier archivo normal escrito allí. Los usuarios no necesitan crear URLs de carga firmadas ni llamar manualmente a los puntos finales de finalización de artefactos.

Desarrollo local

npm install
npm run build
JUNGLE_GRID_API_KEY=jg_... node dist/index.js

Inspecciona el servidor con MCP Inspector:

JUNGLE_GRID_API_KEY=jg_... npx @modelcontextprotocol/inspector node dist/index.js

Publicación

Verifica el paquete antes de publicarlo:

npm run build
npm pack --dry-run

Publica el paquete con ámbito de forma pública:

npm publish --access public

Solución de problemas

• JUNGLE_GRID_API_KEY environment variable is required: añade la clave al bloque env de la configuración del host o al entorno que inicia el host.

• Las herramientas no aparecen: cierra completamente y vuelve a abrir el host MCP después de editar la configuración.

• Versión antigua del paquete: fija una versión en la configuración, por ejemplo ["@jungle-grid/mcp@0.1.0"], o limpia la caché de npx.

• Las llamadas a la API fallan: confirma que la clave es válida y que JUNGLE_GRID_API_URL apunta al orquestador que pretendes utilizar.

Se buscan colaboradores

Estamos abriendo el servidor MCP de Jungle Grid para colaboradores interesados en agentes de IA, MCP, herramientas de desarrollo y ejecución de cargas de trabajo.

Buenas áreas para empezar:

• Mejorar la documentación

• Añadir ejemplos de prompts

• Añadir pruebas para los manejadores de herramientas MCP

• Añadir soporte para Docker

• Mejorar las GitHub Actions

• Crear ejemplos de integración

Empieza con los problemas etiquetados como good first issue.