gpu-mcp-server
★ 15
vs
WRAI.TH
★ 32
gpu-mcp-server vs WRAI.TH
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。；WRAI.TH：wrai.th 是一个用于AI智能体的任务控制中心，它使智能体群能够跨会话记忆、高效沟通并协作执行复杂任务。该平台提供持久化上下文、令牌感知的上下文管理、嵌套任务执行以及实时仪表板，实现全面监控。
01
简评
gpu-mcp-serverLLM Infra · ★ 15
为AI代理提供实时的NVIDIA GPU状态和性能数据。
WRAI.THMulti-Agent · ★ 32
管理和协调AI编码智能体团队进行软件开发项目。
02
并排对比
字段
gpu-mcp-serverWRAI.TH分类
大模型基础设施
多智能体
Stars
★ 15
★ 32
许可证
Apache-2.0
AGPL-3.0
安装方式
git clone https://github.com/pmady/gpu-mcp-server.git && cd gpu-mcp-server && make build
curl -fsSL https://raw.githubusercontent.com/Synergix-lab/WRAI.TH/main/install.sh | bash
更新时间
6天前
1周前
开源
是
是
标签
GPU指标, NVIDIA NVML, MCP协议
多智能体编排, 持久化记忆, 任务管理
03
功能特性
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。
WRAI.TH01持久化上下文与记忆：智能体跨会话记忆，从中断处恢复，具有范围限定、冲突感知的记忆（智能体/项目/全局）和FTS5搜索。
02实时智能体通信：支持5种寻址模式（直接、广播、团队、对话、用户）、优先级路由、TTL过期和交付跟踪。
03嵌套任务执行：管理最多3层深度的任务和子任务，支持进度汇总和包括“审查中”阶段在内的严格状态机。
04任务控制仪表板：通过一个综合性网络仪表板提供项目、智能体和任务的实时总览。
05令牌感知的上下文管理：通过预算裁剪，根据优先级、相关性和新鲜度对消息进行评分，为智能体选择最高价值的子集。
04
使用场景
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。
WRAI.TH↳管理和协调AI编码智能体团队进行软件开发项目。
↳编排需要持久状态和智能体间通信的复杂多智能体工作流。
↳为自主AI智能体操作提供实时监控和总览。
FAQ
常见问题
gpu-mcp-server 和 WRAI.TH 有什么区别？
gpu-mcp-server 和 WRAI.TH 都属于 LLM Infra 类别。gpu-mcp-server 有 15 Stars，WRAI.TH 有 32 Stars。
gpu-mcp-server 和 WRAI.TH 哪个更好？
最佳选择取决于你的具体需求。为AI代理提供实时的NVIDIA GPU状态和性能数据。 时选 gpu-mcp-server，管理和协调AI编码智能体团队进行软件开发项目。 时选 WRAI.TH。
gpu-mcp-server 是免费的吗？
是的，gpu-mcp-server 在 GitHub 开源（Apache-2.0）。
WRAI.TH 是免费的吗？
是的，WRAI.TH 在 GitHub 开源（AGPL-3.0）。
推荐云部署
Ad在 DigitalOcean 上一键部署
为你的 MCP 服务、Docker 容器与智能体提供即开即用云服务器，新用户立享 $200 免费额度（60天有效）。
→