$ loading_
通过 MCP 管理 CoreHub 云平台的容器、文件系统、分布式训练与推理服务。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"Coreshub MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请通过 Coreshub MCP Server 在 CoreHub 上部署一个模型推理服务：使用镜像 myorg/llm-infer:latest，分配 1 张 GPU，暴露 8000 端口，并返回服务状态与访问地址。
返回推理服务的创建结果、运行状态、资源配置和访问地址。
请通过 Coreshub MCP Server 创建一个 EPFS 文件系统用于训练数据存储，命名为 training-data-vol，并展示挂载方式、容量信息和当前状态。
返回文件系统创建结果、容量信息、挂载说明和状态概览。
请通过 Coreshub MCP Server 提交一个分布式训练任务：使用 4 个节点运行 PyTorch 训练，关联已有数据卷，并持续汇报任务状态直到开始运行。
返回训练任务提交结果、节点配置、数据卷绑定情况与最新任务状态。
集中管理多个 MCP 服务与 API，并按策略动态路由到不同端点。
集中管理和监控 MCP 服务器，便于动态配置、启停与运维排查
提供文件操作、命令执行与网页搜索，帮助完成开发与自动化任务。
帮助用户在桌面端发现、浏览并安装各类 MCP 服务器工具。
用自然语言管理 Kubernetes 集群资源，简化部署、排障与日常运维操作。
集中管理多个编码智能体，在跨项目中并行调度与统一编排开发任务。