MindSpore MCP 开源工具

1️⃣ 安装依赖

uv sync

🚀 部署工具 (NEW!)

• quantize_model - 模型量化配置
• 支持: 动态量化、静态量化、量化感知训练
• convert_model_format - 模型格式转换配置

🚀 快速开始

部署工具 🆕

快速入门

result = generate_quick_start("beginner")

2️⃣ 启动 MCP 服务

uv run python -m mindspore_tools_mcp.server

API 示例生成器 🆕

💡 使用示例

返回: 攻击配置 + MindSpore 示例代码

返回: 迭代攻击配置 + 代码示例

```

保存到文件后即可运行

API 示例生成器 🆕

```python

获取 API 完整示例

get_api_examples("nn.Conv2d")

返回: 描述、签名、参数说明、多个示例代码、相关 API、官方文档链接

返回: 描述 + 签名 + 一个基础示例

```

---

📚 API 示例生成器模块 (api_examples)

msutils 是集成在项目中的 MindSpore 开发工具库，包含以下模块：

---

📚 API 示例生成器模块 (api_examples)

api_examples 模块提供 MindSpore 常用 API 的示例代码和使用说明，帮助开发者快速学习和使用 MindSpore。

3️⃣ 客户端配置

// cline_mcp_settings.json
{
  "mindspore_tools_mcp": {
    "command": "uv",
    "args": [
      "--directory",
      "E:/CodeProject/mindspore-tools-mcp",
      "run",
      "python",
      "-m",
      "mindspore_tools_mcp.server"
    ],
    "autoApprove": []
  }
}

---

生成 FGSM 攻击配置

generate_adversarial_attack("fgsm", epsilon=0.1)

生成 PGD 攻击配置

generate_adversarial_attack("pgd", epsilon=0.3, num_iterations=40)

返回: 调度器配置 + 学习率曲线 + MindSpore 代码

```

动态量化配置

quantize_model("dynamic", precision="int8")

返回: 量化配置 + MindSpore 代码 + 预期加速比

静态量化配置

quantize_model("static", precision="int8", calibration_dataset_size=100) ```

返回: script, filename, config

🗺️ API 映射工具

• query_op_mapping - 支持 section 过滤与模糊匹配
• diagnose_translation - 检查 PyTorch→MindSpore 代码翻译是否完整
• mindspore://opmap/... - 资源暴露 PyTorch→MindSpore API 映射

📖 API 参考

返回: 增强方法列表 + MindSpore Dataset 代码

搜索相关 API

search_apis("卷积")

列出所有 API 分类

list_api_categories()

获取相关 API

get_related_apis("nn.Conv2d")

支持的 API 分类

🔍 官方模型检索

• list_models - 支持按 group/category/task/suite 或关键词过滤
• get_model_info - 返回单模型详情
• mindspore://models/official - 资源端点提供完整模型清单

🤖 智能模型推荐

• recommend_models - 根据自然语言描述智能推荐合适的模型
• 支持任务描述: "图像分类"、"文本生成"、"OCR"、"推荐系统" 等
• 支持硬件约束: ascend、gpu、cpu
• 提供推荐理由和匹配分数
• compare_models - 对比多个模型，帮助选择最适合的模型

模型检索工具

智能模型推荐

```python

推荐"图像分类"模型

recommend_models("图像分类", limit=3)

OCR 模型推荐

recommend_models("OCR文字识别", limit=5)

模型复杂度分析 🆕

```python

模型量化 🆕

```python

对比两个代码

compare_code_snippets(good_code, bad_code)