fleet

Name: fleet
Author: sinolion

de sinolionversión 0.6.2i★ –iSe ejecuta en tu computadora

Nombre en el registroio.github.sinolion/fleet

Instalar

Resumen

Descripción del creador (original en inglés)

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

Los tres pilares de PopNx MCP

Estos tres nunca se combinan en una sola puntuación: las opiniones, las mediciones y la popularidad son cosas distintas.

Opinión de usuariosiAún no hay reseñasLas reseñas se abrirán junto con las cuentas en una etapa posterior
Nuestras revisiones básicasi1 de 1 superadasRevisado con información pública; el código aún no se ha escaneado
UsoiAún sin medir★ –

Qué puedes hacer con él

Todavía no escribimos un resumen sencillo para este. Abajo están los datos que leímos del registro.

Conexión: Se ejecuta en tu computadora
Transporte: stdio
Categoría: Otros

Instalación

Elige la app de IA que usas y copia la configuración.

Antes de instalar

Revisiones básicas: 1 de 1 superadas
Se ejecuta en tu computadora con los permisos de tu usuario (archivos, red, apps).
El registro no indica ninguna clave que completar.

Necesitas

PyPIuv de Python instalado (para el comando uvx)

¿Qué app usas?

ClaudeClaude CodeCursorVS CodeChatGPT

Elige tu app arriba. La recordamos, así que la próxima vez el botón dirá “Instalar en …”.

Abre Claude Desktop → Settings → Developer → Edit Config y pega esto en claude_desktop_config.json

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

Ejecuta esto en tu terminal

claude mcp add fleet -- uvx agents-fleet mcp

Abrir en Cursor

O copia la configuración tú

Pégalo en .cursor/mcp.json de tu proyecto, o en ~/.cursor/mcp.json

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Abrir en VS Code

O copia la configuración tú

Pégalo en .vscode/mcp.json de tu proyecto

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

Tu navegador te pide permiso para abrir la app; luego la app muestra la configuración y te pide confirmar. Los valores de las claves quedan vacíos para que los completes tú.

Este se ejecuta en tu computadora, y ChatGPT solo puede conectarse a servidores en internet. Elige otra app.

Tu elección se guarda en una cookie en este dispositivo; no necesitas cuenta.

Esta configuración se genera a partir de la ficha del creador en el registro. Si el README dice otra cosa, sigue el README.

Qué puede hacer

Se ejecuta en tu computadora; la lista de herramientas aparece en tu app de IA después de instalarlo.

Revisiones básicasi

Revisamos información que cualquiera puede ver; no hemos leído el código. Las revisiones que no aplican no se cuentan. · Revisado el 6 nov 2026

✓ Superada
El creador coincide con el repo
El nombre en el registro se verificó con la cuenta de GitHub sinolion, dueña del repo
… Aún sin revisar
Sigue en mantenimiento
Todavía no hemos leído este repo en GitHub
… Aún sin revisar
Tiene licencia
Todavía no hemos leído este repo en GitHub
– No aplica
El endpoint responde
Este se ejecuta en tu computadora; no hay endpoint en internet
– No aplica
Inicio de sesión con OAuth
Se ejecuta en tu computadora y usa ajustes locales en su lugar
… Aún sin revisar
Sin instrucciones ocultas en las descripciones de herramientas
Se ejecuta en tu computadora; solo podemos leer listas de herramientas de endpoints en internet

Comparado con otros en Otrosi

Más estrellas que el 0% de los otros 32435 servidores de esta categoría
Publicado en el registro más recientemente que el 81% de los otros 32435 servidores de esta categoría
Revisiones básicas iguales o mejores que el 100% de los otros 32435 servidores de esta categoría

Comparado con todos los servidores activos de esta categoría en el registro. Las estrellas solo cuentan cuando quien lo publica es dueño del repo.

Preguntas frecuentes

¿Es seguro fleet?

Superó 1 de 1 revisiones básicas aplicables. No hemos leído el código. Antes de agregar una clave o un token, revisa qué acceso pide el servidor y usa una clave que tenga solo los permisos que necesitas.

¿Qué claves o códigos necesita?

El registro no indica ninguna clave obligatoria, aunque algunos servidores te piden iniciar sesión la primera vez que los usas.

¿Se ejecuta en mi computadora o en la nube?

Se ejecuta en tu computadora. Tu app de IA lo inicia cuando hace falta, y los datos no pasan por los servidores del creador (a menos que el propio servidor llame a un servicio en línea).

¿Sigue en mantenimiento?

El repo de GitHub cambió por última vez –, y la última versión (0.6.2) llegó al registro hace 8 días.

¿Qué apps pueden usarlo?

Las apps compatibles con MCP, como Claude Desktop, Claude Code, Cursor y VS Code. También necesitas Python (uv) en tu computadora.

¿Qué puedo usar en su lugar?

En la misma categoría: Spec Driven Development, Remote Desktop Commander, Apify MCP Server

Alternativas

Servidores de la misma categoría hechos por otros creadores, ordenados por estrellas.

Cómo leer una tarjeta:★ Estrellas de GitHubiTres pilares: reseñas · revisiones · usoiActualizado = fecha en que se publicó la última versión en el registroi

Spec Driven Development

de formulahendry

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

Se ejecuta en tu computadora★ 440MITActualizado hace 14 meses

Instalar

Remote Desktop Commander

de desktop-commander

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

Se ejecuta en la nube★ 211Actualizado ayer

Instalar

Apify MCP Server

de apify

Extract data from any website with thousands of scrapers, crawlers, and automations on Apify Store ⚡

Se ejecuta en la nubeActualizado hoy

Instalar

README del creador

Abrir el README

Copiado tal cual del repo del creador. PopNx MCP no lo ha revisado ni lo respalda. Se quitaron HTML, imágenes y scripts. Los enlaces llevan fuera de este sitio.

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

Solo se muestra el principio; lee el resto en el repo

fleet

Resumen

Los tres pilares de PopNx MCP

Qué puedes hacer con él

Instalación

Antes de instalar

Qué puede hacer

Revisiones básicasi

El creador coincide con el repo

Sigue en mantenimiento

Tiene licencia

El endpoint responde

Inicio de sesión con OAuth

Sin instrucciones ocultas en las descripciones de herramientas

Comparado con otros en Otrosi

Preguntas frecuentes

Alternativas

Spec Driven Development

Remote Desktop Commander

Apify MCP Server

README del creador

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