fleet

Name: fleet
Author: sinolion

von sinolionVersion 0.6.2i★ –iLäuft auf deinem Computer

Name in der Registryio.github.sinolion/fleet

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Every machine you have, for your agent: free GPUs, jobs, served models, software, over SSH.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft auf deinem Computer
Transport: stdio
Kategorie: Sonstiges

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Die Registry nennt keinen Schlüssel zum Eintragen.

Du brauchst

PyPIuv für Python installiert (für den Befehl uvx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "fleet": {
      "command": "uvx",
      "args": [
        "agents-fleet",
        "mcp"
      ]
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add fleet -- uvx agents-fleet mcp

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "fleet": {
      "command": "uvx",
      "args": [
        "agents-fleet",
        "mcp"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "fleet": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "agents-fleet",
        "mcp"
      ]
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 6. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto sinolion bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Sonstigesi

Mehr Sterne als 0 % der anderen 32410 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 81 % der anderen 32410 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 32410 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist fleet sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (0.6.2) kam vor 8 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, debuff

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten

Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert gestern

Installieren

debuff

von debuffjp

Let coding agents play, test and tune your 2D web game: live state, explained errors, replays, fuzz.

Läuft auf deinem ComputerAktualisiert heute

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

fleet — let your coding agent use every machine you have

**Claude Code, Codex and Gemini see one machine: the one they run on.

fleet shows them all of yours — every GPU and what is running on it, the models being served, the software installed, and where your models and data live.**

No account, no cloud service, nothing installed on the machines you add, no keys handed out: fleet logs in exactly as you do, with the SSH you already use.

https://github.com/user-attachments/assets/d35e0200-c2a2-44aa-8f60-a3b6e4addfb7

The problem

Ask your agent to train a model and it starts on your laptop — while a 4090 sits idle across the room and a rented A100 bills you by the hour. It cannot use what it cannot see.

Your agent is stuck on one machine. It has no idea your other boxes exist.
Finding a free GPU is manual. SSH into five hosts, run nvidia-smi, compare in your head.
It cannot see what is running, or what is already there — whose job is on that card, which box already serves Llama 3, where the datasets live — so it downloads and installs things twice.

Get started: ask your agent

Paste this into Claude Code, Codex, Gemini CLI, or any agent that can run commands, on the machine you work from:

Install fleet from https://github.com/sinolion/fleet

Agents: the steps are in INSTALL.md.

That is the whole setup. fleet is installed once on this machine, and every supported agent you have here learns it — not only the one you asked. From here on you say what you want in plain words, with no commands to remember.

Then add your machines

Tell the agent how you reach a machine — the SSH command you already use is enough — or let it look in your ~/.ssh/config and on your tailnet for machines you can already reach:

You: add my GPU server, ssh ubuntu@10.0.0.7

Agent: Added as gpu-box: 2× RTX 4090, both idle, 46 GB free. It's ready to use.

Each one takes a sentence, whatever the machine is:

The machine	What you tell the agent
a server you can already SSH into	"add `ssh ubuntu@10.0.0.7`" — fleet logs in as you do, with your key
one you reach with a particular key file	"add `ssh -i ~/.ssh/my_key ubuntu@1.2.3.4`" — or a `Host` from your `~/.ssh/config`
a machine on your tailnet	"find my machines" — it lists your ssh config hosts and tailnet machines, and adds the ones you pick
a new rental (vast.ai, RunPod, AutoDL)	"add `ssh -p 40001 root@1.2.3.4`, it costs $1.89/hr" — with the key on your provider account
one that only takes a password	"add it" — fleet offers `ssh-copy-id`, you type the password once into ssh, and your key goes on it
one that will not let you in	"why can't you reach the NAS?" — `fleet doctor` names the one thing to fix

Nothing is installed on the machines you add: they only need SSH, on Linux, macOS or Windows. fleet probes each one for its GPUs, memory and disks, and keeps that current.

Then let the agent pick

You describe the work; the agent finds where it fits. It checks what each machine has *and* what is free on it right now, so it will not send a job to a busy card:

You: train train.py on whatever has a free 24 GB card

Agent: rtx4090 has 23.1 GB free and an idle GPU; a100-spot is free too but costs

$1.89/hr. Starting on rtx4090, logging to train.log.

You say	How the agent finds it
"what's free right now?"	every machine checked, the free ones listed
"find me a box with a 24 GB card"	matched by what machines have — NVIDIA or AMD, VRAM, cores, RAM — not by name
"run the tests on the Linux box"	the machine that runs Linux, results brought back
"what's costing me money?"	idle paid rentals flagged, with their hourly price
"who is using the GPUs?"	every job on every card — user, VRAM, how long, the command
"is Llama 3 already served somewhere?"	every model server's models, and the URL or ssh tunnel to reach it
"which box has torch 2.5 and CUDA 12?"	each machine's CUDA or ROCm, Python environments and package versions
"download the dataset where datasets go"	the folder that machine says holds datasets, and the room left there

Keys and passwords never go into the conversation, and anything irreversible waits for your yes.

Only install fleet where you use it. The machines you add need nothing but SSH. Install fleet on another machine only if you also run agents there; it works the same everywhere, with nothing to join or sync. There, fleet ls --discover lists the machines in your ssh config and on your tailnet; the ones you added by hand are in one file you can share with your dotfiles.

An app that cannot run commands?

Desktop apps and editors get fleet in one click; it runs as an MCP server:

App	Install
Claude Desktop	open `fleet.mcpb` from the latest release
Cursor
VS Code

Plus plugins for Claude Code, Codex, Copilot CLI and Gemini CLI, and OpenCode, Amp, Windsurf, Cline, Zed, Qwen Code, Goose, Kiro, Hermes — 35+ agents in all: [every agent →](docs/guides/agents.md)

Built to be safe

Nothing to install on your machines. fleet probes with one script over one SSH connection — Linux, macOS or Windows. A NAS or a fresh rental works as it is. The few files it does leave there are listed in What fleet changes.
No keys handed out, no access managed. fleet connects exactly as you do — your ssh config, your keys and agent, Tailscale SSH, your rental provider's key — and writes no keys anywhere. Who may reach what stays where you already decide it. When a machine refuses, fleet doctor tells you the fix; fleet never makes it.
No passwords. fleet never asks for one or stores one, and the agent never sees a credential. Secrets in a GPU job's command line are blanked before anyone sees them.
The agent asks, not guesses. It is told to ask which machine you mean, to leave irreversible commands to you, and not to start work on a GPU someone else is using.
Nothing phones home. Apart from installing and updating itself, fleet talks to your machines and nothing else: no account, no telemetry, no update check. Found a flaw? SECURITY.md says how to report it privately.

Prefer the command line?

Everything the agent does is a plain fleet command. To install fleet yourself, run this on the machine you work from (this is also what your agent runs when you ask it):

curl -LsSf https://raw.githubusercontent.com/sinolion/fleet/main/install.sh | sh

Windows: powershell -ExecutionPolicy ByPass -c "irm https://raw.githubusercontent.com/sinolion/fleet/main/install.ps1 | iex"

Then drive it yourself:

fleet ls                            # every machine, with what is free right now

fleet ls --tag cuda --tag vram-24g # by capability: NVIDIA, a card of 24 GB or more fleet ls --tag rocm # every AMD machine fleet top # live view, like htop for the whole fleet fleet show gpu-box # one machine in detail: jobs, software, models, folders fleet ps # every job on every GPU, and which GPUs are idle fleet models # every model being served, and how to reach it fleet edit gpu-box --path models=/data/models # where that machine keeps its models fleet ssh gpu-box -- nvidia-smi # run something there fleet add "ssh ubuntu@10.0.0.7" # add a machine fleet ls --discover # machines in your ssh config and on your tailnet fleet doctor nas # why a machine will not let you in, and the fix

Where a machine keeps its models, datasets and media is written on the machine itself, in machine.yaml (fleet edit NAME --path models=/data/models). Whoever looks at that machine reads the same answer, and the folder sizes and free space come with every probe.

Rentals from vast.ai, RunPod or AutoDL show their price (fleet edit a100 --cost 1.89), the fleet's burn rate, and an alert when a rental sits idle. On Tailscale, ZeroTier or WireGuard? fleet just needs an address it can route to.

How fleet compares

fleet is about the machines you already have. It complements tools that launch new ones.

	`ssh` + `nvidia-smi`	nvitop / gpustat	all-smi / gpuwho	SkyPilot / dstack	fleet
All your machines in one view	✗	✗ one machine	✓	✓ the ones it manages	✓
Built for coding agents (skill / MCP)	✗	✗	✗	partly	✓
Nothing installed on target machines	✓	✗	gpuwho ✓, all-smi ✗	✗	✓
Jobs, served models, software, data folders	✗	jobs, one machine	jobs	✗	✓
NVIDIA, AMD and Apple GPUs	NVIDIA	NVIDIA	all-smi ✓	✓	✓
Launches new cloud VMs	✗	✗	✗	✓	✗
History, alerts sent to you	✗	✗	all-smi ✓	partly	✗ alerts when asked

When to use something else. To rent GPUs on demand at the lowest price, use SkyPilot or dstack: they launch and stop machines, and fleet does not. For weeks of metrics and paging on a large cluster, use DCGM with Prometheus and Grafana. For a live dashboard of many accelerator kinds (Gaudi, NPUs), use all-smi. fleet is for the machines you already have, and for letting your agent use them.

Why not just Tailscale, Ansible, or an `~/.ssh/config`? Use them with fleet, not instead of it

Nur der Anfang wird gezeigt; den Rest findest du im Repo

fleet

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Sonstigesi

Häufige Fragen

Alternativen

Spec Driven Development

Remote Desktop Commander

debuff

README vom Entwickler

fleet — let your coding agent use every machine you have

The problem

Get started: ask your agent

Then add your machines

Then let the agent pick

An app that cannot run commands?

Built to be safe

Prefer the command line?

How fleet compares