Train in Silence MCP
Train in Silence считает нужную видеопамять для дообучения модели и подбирает GPU у облачных провайдеров по цене и времени.
- 104 ★ репозитория
- Последний коммит
- MIT
Минимальный доступ
Почему такой уровень
- Сервер читает цены и ничего не арендует; описание задачи уходит поставщикам цен только при заданных ключах.
Установка
- Работает в
Ручная установка
pip install train-in-silence
claude mcp add tis --scope user -- tis-mcpПервый вариант из README: установка пакета и регистрация сервера в Claude Code. Для Claude Desktop добавьте `tis-mcp` в `claude_desktop_config.json`.
Доступ и проверки
Как мы проверяемМинимальный доступИнструмент ничего не запускает и не ходит в сеть.
- Сервер читает цены и ничего не арендует; описание задачи уходит поставщикам цен только при заданных ключах.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Train in Silence, MCP-сервер и CLI, оценивает задачу дообучения языковой модели (объем видеопамяти и вычислений) и сопоставляет ее с ценами GPU у десятка облачных провайдеров. На выходе три варианта: самый дешевый, самый быстрый и сбалансированный. У каждой рекомендации указан источник данных: `live:official`, `live:gpuhunt`, `live:gpufinder` или `sample`. Оценочные поля помечены как оценка. Ключи Vast.ai и RunPod желательны, но необязательны: без них сервер использует общие агрегаторы цен либо встроенные примеры.
Для кого. ML-инженерам и разработчикам, которые дообучают модели и хотят быстро выбрать GPU по бюджету и сроку.
Подходит, если
- Надо дообучить модель за 20 часов, а вариантов аренды GPU слишком много.
- Бюджет ограничен, и нужен самый дешевый подходящий вариант.
- Перед запуском хочется прикинуть, хватит ли видеопамяти для выбранной модели.
- Сравнивают цены Vast.ai, RunPod и Lambda по одной задаче.
Не подходит, если
- Нужна точная калибровка по реальным прогонам: модель оценки фиксирована.
- Требуются гарантированные актуальные цены, а источник может оказаться примером `sample`.
- Обучение идет на своем железе без аренды облака.
Пример запроса к агенту
Я хочу запустить дообучение из текущей папки и уложиться в 20 часов. Найди лучшие варианты GPU на Vast.ai, RunPod и Lambda.MCP
- Транспорт
- stdio
- Авторизация
- не нужна
Ограничения
Проект на экспериментальной стадии. Модель оценки фиксирована и не калибруется по реальному времени запуска; изменения схем API провайдеров потребуют правок. Без ключей цены берутся из агрегаторов или примеров, поэтому смотрите на поле источника. Сам сервер ничего не арендует. Последний коммит: 4 августа 2026. Цены меняются в реальном времени, поэтому итоговую аренду сверяйте на сайте провайдера: сервер служит прикидкой, а не гарантией стоимости.
Как отключить. Выполните `claude mcp remove tis` и удалите пакет `pip uninstall train-in-silence`. Ключи провайдеров, если вы их задавали, уберите из окружения.
Частые вопросы
Нужны ли ключи провайдеров?
Нет. Ключи Vast.ai и RunPod рекомендованы для точных цен, без них сервер переходит на агрегаторы GPUHunt и GPUFinder или на встроенные примеры.
Что значит поле источника?
Оно показывает свежесть цены: `live:official` идет от провайдера, `live:gpuhunt` и `live:gpufinder` от агрегаторов, `sample` — встроенные образцы.
Как работать без агента?
Через CLI: `tis recommend request.yaml`. Есть также REST API, его запускает `uvicorn tis.api.server:app`.
Сколько вариантов возвращает сервер?
Фронт Парето: самый дешевый, самый быстрый и сбалансированный варианты.
Что нужно для работы кроме Python?
Версия Python 3.10 или новее. Сервер ставится как пакет `train-in-silence`, остальное подтягивается из агрегаторов цен.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
MCP-серверыСкилл для Claude Code и Gemini CLI: ведет дообучение языковой модели от датасета до экспорта в GGUF, на NVIDIA и Apple Silicon
MCP-сервер отдает ограниченные задачи локальной модели или дешевому облачному API, Claude остается архитектором
Локальный сервер моделей для Mac с Apple Silicon: Qwen 3.8 и Gemma 4 с MTP-декодированием, API OpenAI и Anthropic для Claude Code, Codex и Cursor
agentperf-local меряет, как быстро ваш компьютер обслуживает ИИ-агента, на записанных диалогах: скорость и задержки
Удаленный MCP-сервер называет лучший API поиска, извлечения, реранка или ретривала под вашу задачу, с интервалами.
Локальный сервер моделей GGUF принимает запросы в формате OpenAI, чтобы тестировать приложение на своем оборудовании.
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| Train in Silence (эта карточка) | нет | не нужна | 104 | |
| Vast.ai CLI | нет | 231 | управляет арендой на Vast.ai; Train in Silence сравнивает цены десятка провайдеров под вашу задачу | |
| Runpod MCP Server | да | OAuth | 87 | управляет ресурсами RunPod; Train in Silence оценивает видеопамять и подбирает GPU |
Коротко о README
Документ раскрывает задачу, быстрый старт через Claude Code и CLI, перечень провайдеров и архитектуру: запрос в YAML, оценщик, агрегатор рынка, оптимизатор и ранжирование по Парето.