on-policy
★ 2.1k
vs
gpu-mcp-server
★ 14
on-policy vs gpu-mcp-server
on-policy：该存储库实现了MAPPO，一种PPO的多智能体变体，广泛应用于合作多智能体游戏和研究。它为星际争霸II、花火和谷歌足球等多种多智能体环境提供了健壮的实现，并附有详细的训练脚本和超参数指南。；gpu-mcp-server：gpu-mcp-server是一个兼容MCP的服务器，它将实时的NVIDIA GPU指标作为工具暴露给AI代理。它允许Claude、Goose和Cursor等代理查询GPU利用率、内存、温度和功耗数据，而无需外部监控系统。
01
简评
选 on-policy 如果…合作多智能体强化学习的研究与实验
选 gpu-mcp-server 如果…为AI代理提供实时的NVIDIA GPU状态和性能数据。
02
并排对比
03
功能特性
on-policy01MAPPO（多智能体PPO）的实现
02支持多样化的多智能体环境（如星际争霸II、花火）
03提供各种场景的即用型训练脚本
04详细的超参数指导和最新结果
05默认支持智能体间的共享策略
gpu-mcp-server01将实时的NVIDIA GPU指标作为AI代理工具暴露。
02提供详细的GPU指标，包括利用率、内存、温度和功耗。
03支持多实例GPU (MIG) 配置。
04提供PID级别的GPU进程归因。
05直接与NVML集成，无需Prometheus或dcgm-exporter等外部监控系统。
04
使用场景
on-policy↳合作多智能体强化学习的研究与实验
↳评估PPO在多智能体强化学习场景中的有效性
↳为星际争霸II和花火等流行多智能体游戏训练AI智能体
gpu-mcp-server↳为AI代理提供实时的NVIDIA GPU状态和性能数据。
↳使AI模型能够根据GPU资源可用性做出明智的决策。
↳将GPU监控功能直接集成到AI开发环境（例如Cursor IDE）中。
↳通过提供即时指标，促进AI工作负载的动态GPU资源管理。
05
适合场景
on-policy时下流行强化学习多智能体AI
gpu-mcp-server宝藏工具必备神器
FAQ
常见问题
on-policy 和 gpu-mcp-server 有什么区别？
on-policy 和 gpu-mcp-server 都属于 LLM Infra 类别。on-policy 有 2.1k Stars，gpu-mcp-server 有 14 Stars。
on-policy 和 gpu-mcp-server 哪个更好？
最佳选择取决于你的具体需求。合作多智能体强化学习的研究与实验 时选 on-policy，为AI代理提供实时的NVIDIA GPU状态和性能数据。 时选 gpu-mcp-server。
on-policy 是免费的吗？
是的，on-policy 在 GitHub 开源（MIT）。
gpu-mcp-server 是免费的吗？
是的，gpu-mcp-server 在 GitHub 开源（Apache-2.0）。
→