返回 MCP 目录
public公开dns本地运行

gptr-mcp

GPT Researcher MCP Server是一个基于MCP协议的AI研究服务器,能够通过深度网络搜索和验证,为LLM应用提供高质量、优化的研究结果。

article

README

🚀 NVIDIA GPU 加速分子动力学软件

本仓库所涵盖的分子动力学软件,借助 NVIDIA GPU 实现加速。它基于 NVIDIA 的 VES - DIPY 和 OpenMM 库,达成了 GPU 加速的功能,为分子动力学模拟带来高效解决方案。

🚀 快速开始

本软件利用 NVIDIA GPU 实现加速,能带来高性能的分子动力学模拟体验。你可依据以下步骤完成安装与配置,开启使用之旅。

✨ 主要特性

  • 支持 NVIDIA GPU 加速,大幅提升计算效率。
  • 提供高性能分子动力学模拟,确保模拟结果精准快速。
  • 兼容 VES - DIPY 和 OpenMM 接口,方便旧项目集成。
  • 提供 Python 绑定,方便开发者在 Python 环境下调用。

📦 安装指南

依赖项安装

运行以下命令以安装必要的依赖项:

pip install vesc-openmm nvidia-examples

环境配置

  1. 确保 CUDA 已经正确安装。
  2. 设置 CUDA 环境变量:
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH

💻 使用示例

基础用法

import vesc_openmm as vmm

# 创建模拟
context = vmm.Context()
# 添加粒子
particles = context.create_particles(100)
# 运行模拟
context.run(particles, 1e5, 1.0)

📚 详细文档

完整的文档可以在 官方文档 找到。

🤝 贡献指南

欢迎贡献!请参考 CONTRIBUTING.md 文件了解如何参与项目。

📄 许可证

该项目采用 MIT 许可证,详情请查看 LICENSE 文件。

📞 联系方式

  • 邮件: support@nvidia.com
  • Discord 社区频道: 加入社区

这个 README 文件完整地介绍了 NVIDIA GPU 加速分子动力学软件的安装、配置和使用方法。

help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端