プロトタイプ · プレビュー版:公式レジストリのすべてのサーバーを掲載し、30分ごとに同期しています。Google でログインするとレビューを書けます。プロトタイプ · 30分ごとに更新
PopNx MCPAIを使う人のためのMCPサーバー · やさしい言葉で解説

Krauncher analyzer

作者:Ilya-a-sergeyev-gerバージョン 0.5.0i★ 0iパソコンで動くリポジトリ ↗
レジストリ名io.github.Ilya-a-sergeyev-ger/krauncher-mcp

インストール方法

What it does

How long a GPU job will run and cost, before running it — static code analysis, never executed.

  • Connects パソコンで動く
  • Account or key No key needed
  • Category 開発者ツール

一緒に使える

この種の作業を AI に教える Skill。これと一緒に使えます

rea

Reverse engineer anything with agents, from app behavior down to native binaries.

作者:morluto★ 467,2351 個の skill

Skill · 手順書

andrej-karpathy-skills

A single CLAUDE.md file to improve Claude Code behavior, derived from Andrej Karpathy's observations on LLM coding pitfalls.

作者:multica-ai★ 234,1251 個の skill

Skill · 手順書ライセンス記載なし

graphify

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.

作者:Graphify-Labs★ 149,8731 個の skill

Skill · 手順書

この順位の理由

一覧は利用スコア(100 点満点)で並びます。内訳は次のとおり

人気0/80GitHub スターか週間ダウンロード数。大きい方を 60、小さい方を 20 で数えます
新しさ7/1230 日以内のリリースかコード更新で満点
応答中0/8前回の確認でクラウドのエンドポイントが応答
利用スコア7/100

品質: 基本チェック 3/3 項目に合格(表示のみ、並び順には不使用) · 勢い: データなし (「急上昇」タブでのみ使用)

インストール

使っているAIアプリを選んで、設定をコピーしてください。

ひとことで AI にインストールしてもらう

Krauncher analyzer をインストールして。https://mcp.popnx.com/i/ilya-a-sergeyev-ger-krauncher-mcp.md に従い、コマンドを見せて、私が OK するまで実行しないで。

パソコンで作業できる AI(Claude Code や Cursor など)に貼り付けます。手順を読み、コマンドを見せて、あなたの OK を待ちます。キー不要・登録不要。 · AI が読む全文を見る

チェック 3/3 合格 · あなたのパソコンで動きます · ✓ コマンド確認済み 2026年11月14日

まず:どの AI を使っていますか?

使っているアプリを選ぶと、下に手順が表示されます。

Claude につなげますが、先に準備が必要です

先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません

AI にインストールしてもらう

このメッセージを Claude のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Claude に MCP server Krauncher analyzer を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "krauncher": { "command": "uvx", "args": [ "krauncher-mcp" ] } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、Krauncher analyzer のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. パソコン版 Claude アプリの設定ファイルを開く

    SettingsDeveloperEdit Config

  3. この設定を貼り付けて保存

    {
      "mcpServers": {
        "krauncher": {
          "command": "uvx",
          "args": [
            "krauncher-mcp"
          ]
        }
      }
    }
  4. Claude を終了してもう一度開く

  5. 試してみる

    Krauncher analyzer を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Claude が Krauncher analyzer を使っていると言うか、回答に Krauncher analyzer のツール名が出れば接続成功です

追加の設定 1 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • KRAUNCHER_API_KEY 任意の Krauncher API キー(https://krauncher.com で取得)。キーがない場合、サーバーは IP ごとの 1 日の割り当て内で、キーなしで公開アナライザーを呼び出します。キーがある場合は、キー付きのアカウントが使用され、割り当て…
    英語の原文を見るOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

ChatGPT はまだ Krauncher analyzer につなげません

Krauncher analyzer はパソコンに入れて使うものですが、ChatGPT は Web 上で動くサーバーにしかつなげません

代わりにできること

A · Krauncher analyzer につなげるアプリを使う

  • 先にパソコンへ Python (uv) を入れてください(1 回だけ) · パソコン版 Claude アプリ(Windows または Mac)のみ。Web やスマホでは使えません
  • 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • 先にパソコンへ Python (uv) を入れてください(1 回だけ)
  • 先にパソコンへ Python (uv) を入れてください(1 回だけ)

B · 開発者ツール の中で ChatGPT につなげる別のサーバー

同じカテゴリでよく使われているものから、キーなしでアドレスだけでつなげるものを選びました

Claude Code につなげますが、先に準備が必要です

先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを Claude Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Claude Code に MCP server Krauncher analyzer を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):claude mcp add --scope user krauncher -- uvx krauncher-mcp 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、Krauncher analyzer のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. ターミナルを開く

    Mac:Command+スペースで Terminal と入力 · Windows:PowerShell を開く

  3. このコマンドを貼り付けて Enter

    claude mcp add --scope user krauncher -- uvx krauncher-mcp
  4. Claude Code で /mcp と入力

    Krauncher analyzer が一覧にあり、接続済みと表示されれば OK です

  5. 試してみる

    Krauncher analyzer を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Claude Code が Krauncher analyzer を使っていると言うか、回答に Krauncher analyzer のツール名が出れば接続成功です

追加の設定 1 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • KRAUNCHER_API_KEY 任意の Krauncher API キー(https://krauncher.com で取得)。キーがない場合、サーバーは IP ごとの 1 日の割り当て内で、キーなしで公開アナライザーを呼び出します。キーがある場合は、キー付きのアカウントが使用され、割り当て…
    英語の原文を見るOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Anthropic のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

Cursor につなげますが、先に準備が必要です

先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを Cursor のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの Cursor に MCP server Krauncher analyzer を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "mcpServers": { "krauncher": { "command": "uvx", "args": [ "krauncher-mcp" ] } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、Krauncher analyzer のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. このボタンで Cursor を開く

    Cursor で開く

    Cursor がインストールの確認をするので Install を押します

  3. Cursor の AI チャットを Agent モードで開く

  4. 試してみる

    Krauncher analyzer を使って、私に何ができるか教えて、1 つやってみせて

    ✓ Cursor が Krauncher analyzer を使っていると言うか、回答に Krauncher analyzer のツール名が出れば接続成功です

追加の設定 1 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • KRAUNCHER_API_KEY 任意の Krauncher API キー(https://krauncher.com で取得)。キーがない場合、サーバーは IP ごとの 1 日の割り当て内で、キーなしで公開アナライザーを呼び出します。キーがある場合は、キー付きのアカウントが使用され、割り当て…
    英語の原文を見るOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に Cursor のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

VS Code につなげますが、先に準備が必要です

先にパソコンへ Python (uv) を入れてください(1 回だけ)

AI にインストールしてもらう

このメッセージを VS Code のチャットに貼り付けます。AI がパソコンを確認し、変更するファイルを伝え、毎回あなたの了承を待ちます。

このパソコンの VS Code に MCP server Krauncher analyzer を入れてください。順番に:1) uv --version で uv があるか確認。なければ https://docs.astral.sh/uv/getting-started/installation/ から入れるよう私に伝え、自分では入れない。2) この設定だけを使う(PopNx MCP の確認済み):{ "servers": { "krauncher": { "type": "stdio", "command": "uvx", "args": [ "krauncher-mcp" ] } } } 3) 変更するファイルのフルパスか実行するコマンドを伝えて、私の了承を待つ。4) キーは不要。5) 了承した内容を実行し、Krauncher analyzer のツールが本当に表示されるか確認する。

このメッセージにあなたのキーは含まれません。キーが必要な場合は、AI がファイルやアプリの入力欄にご自身で貼るよう案内します。

  1. uv を入れる(まだなければ)

    もう入っていますか?先に確認 · ターミナルを開き、このコマンドを入力して Enter

    uv --version
    • バージョン番号(例 uv …)が出る = 入っています。この手順は飛ばせます
    • "command not found"(Windows では "is not recognized")が出る = まだ入っていないか、入れた直後でターミナルを開き直す必要があります
    ターミナルの開き方

    Mac:⌘ + Space を押し、Terminal と入力して Enter

    Windows:スタートメニューを開き、Windows PowerShell と入力して「開く」

    まだ入っていない場合: uv にはクリック式のインストーラーがありません。uv 公式ページからお使いの OS(macOS か Windows)用の 1 行コマンドをコピーしてターミナルに貼り付けます · Python を別に入れる必要はなく、必要なときに uv が自動で取得します

    uv のダウンロードページを開く ↗

    入れ終わったらターミナルを閉じて開き直し、同じコマンドをもう一度実行します。バージョン番号が出れば完了です: uv --version

    一度入れれば、uv を使うすべてのツールで使えます

  2. このボタンで VS Code を開く

    VS Code で開く

    VS Code がインストールの確認をするので Install を押します

  3. VS Code の AI チャットを Agent モードで開く

  4. 試してみる

    Krauncher analyzer を使って、私に何ができるか教えて、1 つやってみせて

    ✓ VS Code が Krauncher analyzer を使っていると言うか、回答に Krauncher analyzer のツール名が出れば接続成功です

追加の設定 1 項目(入力しなくても使えます)

上のコマンドはこれらがなくても動きます。変えたいときだけ作者の説明に沿って追加してください。

  • KRAUNCHER_API_KEY 任意の Krauncher API キー(https://krauncher.com で取得)。キーがない場合、サーバーは IP ごとの 1 日の割り当て内で、キーなしで公開アナライザーを呼び出します。キーがある場合は、キー付きのアカウントが使用され、割り当て…
    英語の原文を見るOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

メニュー名は 2026年11月11日 に VS Code のヘルプページで確認 · アプリのバージョンにより画面が少し違うことがあります

Windsurf、Zed、Gemini CLI など MCP を使える他のアプリは追加方法がそれぞれ違います。アプリ一覧で確認してください

MCP を使えるアプリをすべて見る →

JSON 設定は下の「開発者向け」にあります

つまずいたら?Krauncher analyzer を使っている人に聞いてみましょう💬 ディスカッション →
開発者向け:ターミナルのコマンドと JSON 設定

パソコンにインストール

Claude Code

claude mcp add --scope user krauncher -- uvx krauncher-mcp

Claude Desktop (claude_desktop_config.json)

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

Cursor (~/.cursor/mcp.json)

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

VS Code (mcp.json)

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

自分で入力する値

  • KRAUNCHER_API_KEY 秘密 env
    任意の Krauncher API キー(https://krauncher.com で取得)。キーがない場合、サーバーは IP ごとの 1 日の割り当て内で、キーなしで公開アナライザーを呼び出します。キーがある場合は、キー付きのアカウントが使用され、割り当て…
    英語の原文を見るOptional Krauncher API key (get one at https://krauncher.com). Without it the server calls the public analyzer keyless, under a per-IP daily quota; with it, your keyed account is used and the quota i…

説明は自動翻訳です。変数名は原文のままです。迷ったら原文を確認してください。

この設定は、作者のレジストリ登録情報から作成しています。READMEと違う場合は、READMEに従ってください。

ひと目でわかる

週あたりのダウンロードi
45/週
接続方法
パソコンで動く
最新バージョンi
0.5.0
レジストリ公開日i
2026年8月13日
コードの最終更新i
2026年10月7日
作者
Ilya-a-sergeyev-ger
パッケージ
pypi: krauncher-mcp
レジストリでの状態
有効

使えるアプリ

このサーバーのつなぎ方と、各アプリの公式ドキュメントに基づきます。2026年11月10日に確認。

パソコン上で動かせるアプリ

ClaudeGooseLM StudioMsty StudioCherry StudioCursorVS Code + GitHub CopilotVisual StudioWindsurf (Devin Desktop)ZedKiroClineContinueJetBrains AI AssistantClaude CodeCodex CLIGemini CLIOpenCodenodecodeWarpLibreChatRaycast

すべてのアプリと長所・短所 →

できること

パソコンで動くサーバーです。インストールすると、ツール一覧がAIアプリに表示されます。

基本チェックi

誰でも見られる情報をチェックしており、コードは読んでいません。当てはまらない項目は数に入れていません。 · 2026年11月19日にチェック

  • ✓ 合格

    作者とリポジトリが一致

    レジストリ名は、リポジトリを所有するGitHubアカウント Ilya-a-sergeyev-ger で確認済みです

  • ✓ 合格

    今もメンテナンスされている

    コードの最終更新:43 日前

  • ✓ 合格

    ライセンスがある

    MITを使用

  • – 対象外

    エンドポイントが応答する

    これはパソコンで動くため、インターネット上のエンドポイントはありません

  • – 対象外

    OAuthでサインイン

    パソコンで動き、代わりにローカルの設定を使います

  • … 未チェック

    ツールの説明に隠れた指示がない

    パソコンで動くサーバーです。ツール一覧を読み取れるのは、インターネット上のエンドポイントがある場合だけです

公開済みの脆弱性(OSV.dev)

OSV.dev に krauncher-mcp@0.5.0 の登録はありません

このバージョンのパッケージ本体のみ確認。すべての依存関係ではありません · 確認日 2026年11月16日

確認していること → · JSON

作者の方へ:再確認の依頼・情報の誤りの報告
作者向け:README にバッジを付ける

作者の方は、このコードを README に貼れます。バッジはこのページにリンクします。

[![Featured on PopNx MCP](https://mcp.popnx.com/badge/ilya-a-sergeyev-ger-krauncher-mcp.svg)](https://mcp.popnx.com/en/servers/ilya-a-sergeyev-ger-krauncher-mcp)

話し合い

質問、コツの共有、使えないことの報告ができます。「役に立った」の多い順です。

まだ投稿はありません。最初の質問や共有をどうぞ。

ここの投稿は利用者によるもので、PopNx チームのものではありません。

ログインして投稿

ユーザーレビュー

まだレビューはありません

ログインしてレビューを書く

開発者ツールのほかのサーバーとの比較i

  • このカテゴリのほかの6116件のうち0%よりスターが多い
  • このカテゴリのほかの6116件のうち26%より最近レジストリに公開
  • 基本チェックの結果が、このカテゴリのほかの6116件のうち99%と同じかそれ以上

レジストリでこのカテゴリにある有効なすべてのサーバーと比較しています。スターは、公開者がリポジトリの所有者である場合だけ数えます。

よくある質問

Krauncher analyzerは安全ですか?

当てはまる基本チェック3項目のうち3項目に合格しました。コードは読んでいません。キーやトークンを追加する前に、サーバーがどんなアクセスを求めているかを確認し、必要な権限だけを持つキーを使ってください。

どんなキーやコードが必要ですか?

レジストリには必須のキーは載っていません。ただし、最初に使うときにサインインを求めるサーバーもあります。

パソコンで動きますか、それともクラウドですか?

あなたのパソコンで動きます。必要なときにAIアプリが起動し、データは作者のサーバーを通りません(サーバー自体がオンラインサービスを呼び出す場合を除きます)。

今もメンテナンスされていますか?

GitHubリポジトリの最終更新は43 日前、最新バージョン(0.5.0)がレジストリに届いたのは3 か月前です。

どのアプリで使えますか?

Claude Desktop、Claude Code、Cursor、VS CodeなどのMCP対応アプリで使えます。パソコンにPython (uv)も必要です。

代わりに使えるものは?

同じカテゴリには:GitDiagram, Appllama, Cloudflare MCP, Omnara, Repowise

似た働きのほかの候補

同じカテゴリでほかの作者のもの。コマンドは確認済み。公式を先に、次にスター順。

カードの見方:↓ 週あたりのダウンロードi★ GitHubスターi3つの柱:レビュー · チェック · 利用状況i更新=最新バージョンをレジストリに公開した日i

GitDiagram

Architecture diagrams, explanations and Mermaid source for public GitHub repositories.

作者:ahmedkhaleel2004広く使われている★ 1.9万2 か月前更新

クラウドで動く✓ 提供元 · gitdiagram.comPopNx チームが実際に試用

Appllama

Study screens, flows and paywalls from top-earning iOS apps, then build from what wins.

作者:Appllama広く使われている★ 52303 か月前更新

クラウドで動く✓ 提供元 · appllama.io

Omnara

Deploy durable AI agents with Omnara, an open-source managed-agent platform.

作者:omnara-ai広く使われている★ 34172 か月前更新

クラウドで動く✓ 提供元 · omnara.com

Repowise

Codebase intelligence for AI coding agents: graph, git history, docs, decisions, code health.

作者:repowise-dev広く使われている↓ 6506/週★ 8180 リポジトリ全体のスター6 日前更新

パソコンでもクラウドでも✓ 提供元 · repowise.dev
似たものと比べる
これ
Krauncher analyzer
GitDiagramAppllamaCloudflare MCPOmnaraRepowise
動く場所パソコンにインストールが必要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドで動き、インストール不要クラウドでもパソコンにインストールでも使える
キーが必要いいえいいえいいえいいえいいえいいえ
Claude で + から追加いいえいいえいいえはいいいえいいえ
基本チェック3/34/44/44/44/45/5
ライセンスMITMITMITApache-2.0Apache-2.0AGPL-3.0
料金登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし登録情報に費用の記載なし

作者のREADME

READMEを開く

作者のリポジトリから書かれたとおりにコピーしたものです。PopNx MCPは内容を確認・推奨していません。HTML、画像、スクリプトは取り除いています。リンクはこのサイトの外へ移動します。

Krauncher

Run your training script on a remote GPU. Nothing more.

Krauncher is a minimal Python library for researchers who have a working local script and need a GPU — not a platform.

Website & API keys: [krauncher.com](https://krauncher.com)


Quickstart

pip install krauncher

export CAS_API_KEY="cas_..." # krauncher.com → Account → API Keys

Requires Python 3.11+.

import asyncio

from krauncher import KrauncherClient

client = KrauncherClient() # reads CAS_API_KEY / CAS_BROKER_URL from env or .env

@client.task(vram_gb=1, timeout=120) def multiply(size: int): import numpy as np # imports go INSIDE the function a, b = np.random.rand(size, size), np.random.rand(size, size) return {"mean": float((a @ b).mean())}

async def main(): handle = await multiply(size=1000) # submit → TaskHandle print("task:", handle.task_id) result = await handle # await the handle → TaskResult print("output:", result.output) print("gpu:", result.actual_gpu, "·", f"{result.execution_time_sec:.1f}s")

asyncio.run(main())

The decorated function becomes async: calling it submits the task and returns a TaskHandle; awaiting the handle (or await handle.wait(...)) returns a TaskResult.

Using an LLM / coding agent? Read [AGENTS.md](AGENTS.md) — a single

accurate reference of the API, parameters, result fields, errors and

constraints. Runnable examples live in [tutorial/](tutorial/).


The problem with serverless ML platforms

Serverless orchestration platforms are genuinely impressive pieces of infrastructure. They handle container builds, secret management, artifact storage, scheduling, persistent volumes, and team dashboards.

They also charge you for all of it — whether you use it or not.

If you're fine-tuning a small model, running ablations, or iterating on a research experiment with a dataset under 2 GB, you're likely paying for an orchestration layer you don't need.

Krauncher does less, on purpose. It runs your existing Python function on a remote GPU, returns the result, and gets out of the way.


What Krauncher is (and isn't)

Good fit:

  • Fine-tuning, LoRA, small-scale experiments with training datasets up to ~2 GB
  • Researchers who already have a working local script
  • Anyone tired of rewriting their code to fit a platform's abstractions
  • Teams where "infrastructure" means one person and a credit card

Not the right tool if:

  • You need managed versioned artifact storage
  • Your team requires persistent shared volumes across runs
  • Your dataset is hundreds of GBs with complex multi-node sharding
  • You want a UI dashboard for experiment tracking

How it works

Add a decorator. Await your function. Get a result. Your existing code doesn't change — no base images, no volume mounts, no platform imports.

import asyncio

from krauncher import KrauncherClient

client = KrauncherClient()

@client.task(gpu_name="RTX4090", group_id="mistral-run", timeout=3600) def finetune(): from transformers import AutoModelForCausalLM, Trainer, TrainingArguments from datasets import load_dataset

Weights download to worker storage on first run (~15 GB for 7B);

later runs in the same group_id reuse the cached weights.

model = AutoModelForCausalLM.from_pretrained("mistralai/Mistral-7B-v0.1") dataset = load_dataset("tatsu-lab/alpaca", split="train[:2000]")

... your training logic, unchanged from local ...

model.save_pretrained("/tmp/output")

Worker storage is ephemeral — sync checkpoints out before returning.

upload_to_s3("/tmp/output", "my-checkpoints/run-1") return {"status": "done", "checkpoint": "s3://my-checkpoints/run-1"}

async def main(): result = await finetune() # submit and wait print(result.output)

asyncio.run(main())

The decorated function is async — always call it from an async

context and await the handle (which submits and waits). See the

Quickstart for the canonical shape.

Choosing a GPU
Decorator argumentEffect
vram_gb=24Require at least 24 GB VRAM
gpu_name="H100"Require a specific model (case-insensitive substring)
gpu_arch="Ada"Require a GPU architecture
*(omit vram_gb)*Auto-classify: the analyzer inspects your code and picks the VRAM tier for you

Leaving vram_gb unset is the recommended default — Krauncher analyzes your code statically and sizes the GPU automatically.


Security model

Krauncher doesn't store anything. Your API key and training code are encrypted on your machine before leaving it, and decrypted only inside the ephemeral worker. The relay that routes your jobs cannot read the payload — it doesn't have the keys.

WhatVisible to Krauncher
Your storage credentialsNo
Your training codeNo
Your model weights/outputsNo
Job timing and GPU typeYes

Storage keys are part of that: the S3 / HuggingFace credentials a task needs (AWS_*, HF_TOKEN) are read from your environment and travel sealed inside the same payload as the code, straight to the worker. Set CAS_SEND_CREDENTIALS=false to attach none.

This isn't a feature we added. It's a consequence of not wanting to be in the data custody business. E2E encryption is mandatory — there is no opt-out.


Data locality

Tasks with the same group_id are routed to the same physical host, so whatever your first run downloaded to local NVMe is still there for the next.

@client.task(gpu_name="RTX4090", group_id="my-experiment-v1")

def train_epoch(epoch: int): import os cache_path = "/tmp/dataset.bin" if not os.path.exists(cache_path): download_from_s3("my-bucket", "dataset.bin", cache_path)

subsequent tasks in this group skip this step

run_training(cache_path, epoch=epoch) return {"epoch": epoch, "status": "complete"}

async def main(): for epoch in range(10): await train_epoch(epoch=epoch)

For larger or registered datasets, use the data bridge (data_urls= / data=), which downloads into /data inside the sandbox — see tutorial/06 and tutorial/15.


Beyond a single function

  • Notebook / editor cells. await client.run_code(code, inputs={...}, outputs=[...]) runs a code *string* instead of a decorated function: named local values go in, named variables come back (JSON-safe, 16 MB budget). This is the primitive the krauncher-jupyter %%krauncher magic is built on. See tutorial/50.
  • Multi-phase runs. group = await client.group(task_a, task_b) derives a shared-requirements envelope (VRAM floor, GPU pins, disk) from the tasks and keeps them on one warm worker; submit with await group.submit(task, ...). See tutorial/52.
  • Files in, files out. Pass files={"input.csv": b"..."} when calling the task and set artifacts=True to get back what it wrote beside itself (result.artifacts, result.download("received")). Both directions ride the encrypted payload — no storage to configure. See tutorial/54.
  • Price it before you run it. Analysis and execution are separate phases: await client.estimate_code(code, ...) returns the classification without submitting, and run_code(code, ..., classification=...) then executes without a second analysis. CAS_ESTIMATE_ONLY=true does the same for decorated tasks; POST /api/estimate returns per-GPU predicted time and cost.

Inspecting a finished task

After a task completes, the broker keeps a structured record — the same one the web UI renders on the task detail page.

task   = await client.get_task(task_id)         # what GET /tasks/{id} returns

report = await client.get_task_report(task_id) # task + extended report

get_task returns status, timing breakdown (queue / download / pip / setup / execution), classification, costs, GPU and worker specs, and the result.

get_task_report adds an extended report field: peak/average GPU utilization, peak VRAM, the actual GPU's hardware specs, and an estimated time/cost comparison across all known GPUs at the worker's measured host capabilities. It is intended as feedback for an LLM author of the user code — pure data, no interpretation.


Examples

Numbered, runnable tutorials in tutorial/:

#FileDemonstrates
0101_remote_simple.pyMinimal submit + await
0202_remote_with_deps.pypip= dependencies in the sandbox
0303_error_handling.pyCatching TaskError / remote tracebacks
0404_timeout.pyExecution timeout behaviour
0505_task_groups.pygroup_id host affinity
0606_data_bridge.pydata_urls= downloads into /data
0909_streaming_logs.pyLive logs via wait(on_log=...)
1010_progress_bar.pyProgress reporting
1111_e2e_encryption.pyEnd-to-end encryption
1212_helper_functions.pyShipping helper functions with the task
1313_bert_finetune.pyReal ML code → analyzer classification
1515_data_sources_s3.pyRegistered S3 data sources
1717_multiphase_training.pyMulti-phase training in one group
1818_resnet152_food101.pyResNet-152 on Food-101
1919_huggingface_dataset.pyHuggingFace dataset bridge
2020_bert_imdb.pyBERT fine-tuning on IMDB
2121_qwen25_7b_lora_alpaca.pyQwen2.5-7B LoRA fine-tuning
2222_qwen25_7b_inference_gsm8k.pyQwen2.5-7B inference
2323_gnn_node_classification_cora.pyGCN node classification
30+30_…–36_…LLM inference and batched inference
5050_run_code_values.pyrun_code with named in/out values
5252_group_envelope.pyclient.group() multi-phase envelope
5353_hf_native.pyHuggingFace-native auto pre-fetch
5454_artifact_roundtrip.pyFiles in / artifacts out
5555_assay_ladder.pyAssay and per-GPU time ladder, before running

Install

pip install krauncher

export CAS_API_KEY="your_api_key"

Requires Python 3.11+.


License

MIT