Skip to main content
Glama
mcp-system-info

mcp-system-info

by ZetsuOne

mcp-system-info

Локальный MCP-сервер на Python (официальная библиотека mcp 2.x, MCPServer) с инструментом get_system_info: CPU, диск, RAM и GPU (NVIDIA / Intel Arc / AMD).

Структура

  • server.py — MCP-сервер (stdio)

  • client.py — тестовый клиент

  • requirements.txt — зависимости

Related MCP server: system-mcp

GPU: каскад сбора метрик

Для каждой найденной карты сервер старается вернуть:

  • name — имя адаптера

  • gpu_util_percent — загрузка ядра GPU (%)

  • vram_used_gb / vram_total_gb — занятая / общая видеопамять (ГБ)

  • temperature_c — температура (°C) или null, если недоступна

  • source — откуда взяты данные: nvidia | intel | amd | windows

Порядок сбора:

  1. NVIDIA — nvidia-ml-py (pynvml): утилизация, VRAM, температура.

  2. Intel Arc — если в PATH есть xpu-smi (Intel oneAPI / IGCL), парсится JSON-вывод.

  3. AMD — amd-smi / rocm-smi (JSON); на Windows без утилит — имя и объём через WMI/Win32_VideoController.

  4. Windows fallback — если вендорные источники ничего не дали: загрузка GPU и dedicated VRAM через счётчики производительности (win32pdh / Get-Counter). Температура через стандартные API обычно недоступна → безопасно null, без падения сервера.

На машинах со смешанными GPU результаты вендорных шагов объединяются (без дублей по имени). Windows-fallback включается только если предыдущие шаги ничего не нашли.

Пошаговая установка и проверка (Windows / PowerShell)

1. Перейти в папку проекта

cd C:\path\to\mcp-system-info

2. Создать виртуальное окружение

python -m venv .venv

3. Активировать venv

.\.venv\Scripts\Activate.ps1

Если PowerShell запрещает скрипты, один раз выполните:

Set-ExecutionPolicy -Scope CurrentUser RemoteSigned

4. Установить зависимости

python -m pip install --upgrade pip
pip install -r requirements.txt

Опционально для расширенных метрик:

  • NVIDIA: драйвер NVIDIA (NVML идёт с драйвером; пакет nvidia-ml-py уже в requirements.txt)

  • Intel Arc: установите Intel XPU System Management Interface (xpu-smi в PATH)

  • AMD: amd-smi (Adrenalin) или rocm-smi (ROCm)

Без утилит Intel/AMD сервер всё равно работает: NVIDIA через NVML, остальные карты — через Windows fallback.

5. Запустить проверку

python client.py

Ожидаемый вывод — JSON с cpu_percent, disk_*, ram_* и массивом gpus.

6. (Опционально) Запустить только сервер

python server.py

Сервер ждёт MCP-клиент на stdin/stdout и сам по себе «молчит» — это нормально.

Подключение к Cursor (опционально)

{
  "mcpServers": {
    "system-info": {
      "command": "C:\\path\\to\\mcp-system-info\\.venv\\Scripts\\python.exe",
      "args": [
        "C:\\path\\to\\mcp-system-info\\server.py"
      ]
    }
  }
}

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    Related MCP Connectors

    Related MCP Servers

    • F
      license
      B
      quality
      D
      maintenance
      A lightweight MCP server that provides real-time hardware statistics including CPU, memory, disk, and NVIDIA GPU usage. It enables users to monitor system performance and retrieve comprehensive host machine specifications through a standardized interface.
      1
      -
    • F
      license
      A
      quality
      D
      maintenance
      Exposes system telemetry tools to retrieve CPU, memory, disk, battery, network, process, and GPU metrics from a local machine.
      8
      -
    • A
      license
      A
      quality
      C
      maintenance
      Hardware probe MCP server that provides deep hardware inventory and live sensor telemetry for AI agents, including CPU, memory, disk, GPU, and sensor data across platforms.
      6
      MIT