slurm-mcp

一个只读的 MCP 服务器，将 Slurm 调度器状态暴露给代理。 allowlist 在代码中强制执行，而不是在提示词中请求；工具表面采用渐进式披露，因此一个 Slurm 相关的问题不会消耗一个 Slurm 规模的上下文窗口。

v0.1.0。 守卫、主题表面和 stdio 服务器均已构建并测试。可针对真实集群运行，也可在未安装 Slurm 的情况下基于录制的测试数据运行。

为什么守卫写在代码中

系统提示词说*“只使用只读命令”*只是一种请求，而不是控制。它是默认放行的。一次越狱、一次混乱的工具调用，或一次普通的幻觉，都足以在生产控制器上执行 scontrol update。

任何可能使节点进入 drain 状态的操作都必须无法被表达，而不只是被劝阻。因此，allowlist 位于 guard.py 中，并且在每次调用时都会执行：

• 总共只允许运行八个只读二进制文件；

• scontrol 仅被允许用于 show，而拒绝 update、reconfigure、shutdown、reboot、requeue、hold、power 等另外十五个操作；

• 参数中的 shell 元字符会被拒绝，并且命令无论如何都以 shell=False 执行——这是纵深防御，而不只是唯一的屏障。

威胁模型并不是恶意用户。 而是一个在凌晨 3 点读了一行令人困惑的日志、正打算做出某个决定性操作的代理。

测试通过 51 个真实的变更与注入尝试来驱动这一点，而不是去断言提示词文本，因为承诺在提示词层上是无法被测试的：

make test

Related MCP server: systemd-mcp

渐进式披露

显而易见的设计是每个二进制文件暴露一个工具——sinfo、squeue、sacct、sdiag、sprio、sshare、scontrol、sacctmgr——每个工具都带有自己的旗标 schema。Slurm 的旗标面非常庞大，且大部分与任何给定问题无关，但它们全部每轮都会驻留在上下文中。

此服务器暴露三个工具：

上述内容已被测量过，并可通过 make footprint 复现：

  resident, three tools            1088 chars
  detail, fetched on request       3029 chars
  flat one-tool-per-binary         4441 chars  (4.1x resident)

这是一个上下文成本测量，而不是质量声明。它说明细节在请求之前不会常驻；它并不说明代理会更好诊断。这里没有任何东西在 slurm-rca-bench 上得分。

主题： queue、nodes、accounting、priority、fairshare、diagnostics、config。

快速开始

无需集群。

make install
make surface      # the read-only allowlist, and what is denied
make demo         # a full overview against recorded fixtures
make footprint    # reproduce the context measurement above
make check        # ruff, ruff format, mypy --strict, pytest

对于真实集群，去掉 --fixtures：

slurm-mcp overview
slurm-mcp query queue --filter user=alice
slurm-mcp describe accounting

作为 MCP 服务器

pip install -e ".[server]"
slurm-mcp serve              # stdio; add --fixtures to serve recorded data

将任何 MCP 客户端指向该命令。每个响应都会标记为 [live] 或 [fixture]，因此已被记录的数据永远不会被误认为是一次实时集群读取。

局限

• 只读仅在本服务器自身的工具表面上强制执行。 它不会对宿主机进行沙箱保护，也不决定一个代理手里的其他工具能干些什么。

• 这些测试数据是说明性的，不是基准。 它们用于展示一个合理的集群形态，以使工具层面可运行；不应引用其中的任何结果。

• 没有评分。 这里的声明是关于工具表面，而不是诊断准确性的。衡量渐进披露是否能改变某些代理的诊断，是 cluster-sre-agent 的工作，而这项工作尚未开展。

• 单一 Slurm 方言。 输出格式是针对 Slurm 25.x 列布局进行测试的。较旧版本可能有所不同。

• sacct 可能发生阻塞。 accounting 路径通知可能会出现故障导致挂起而不是报错；调用在 20 秒超时并会明确说明这一点，因为一个永远等待的代理比一个被告知失败坏的代理更糟。

相关链接

• cluster-sre-agent —— 使用这种工具面的代理。这种设计正是出自其内部最大的只读工具层； 本仓库是独立的服务器。

• cluster-ops-skills —— 代理一旦能够读取集群就能遵循的运维手册。

• slurm-rca-bench —— 在这里，关于诊断质量的任何主张都必须得到证明确认。

许可证

MIT。