关键词

渲染管理AI助手集成任务调度自动化云渲染工作流自动化

项目简介

AWS Deadline Cloud客户端库提供了一个内置的MCP服务器，用于将AWS Deadline Cloud的渲染管理能力暴露给AI助手。它允许LLM客户端通过结构化协议访问和管理渲染农场、队列、作业等资源，并调用相关工具执行操作，从而实现自然语言驱动的渲染工作流自动化。

主要功能点

  • 资源托管与数据访问: 能够托管和管理AWS Deadline Cloud中的各种资源，如渲染农场（Farms）、队列（Queues）和作业（Jobs），并提供LLM客户端访问这些资源数据的能力。
  • 工具注册与执行: 注册并提供一系列可供LLM调用的工具，例如：
    • 'deadline_list_farms'：列出所有可用的渲染农场。
    • 'deadline_list_queues'：列出指定农场中的渲染队列。
    • 'deadline_submit_job'：提交渲染作业到指定队列。
    • 'deadline_check_authentication_status'：检查当前AWS认证状态。
  • Prompt模板支持: 支持定义和渲染Prompt模板，以构建可定制的LLM交互模式。
  • 标准协议通信: 通过JSON-RPC协议与LLM客户端进行通信，确保数据交换的标准化和互操作性。
  • 会话管理与能力声明: 负责LLM客户端会话的生命周期管理，并向客户端声明其提供的功能和能力。

安装步骤

  1. 确保您的系统已安装Python 3.8至3.13。
  2. 通过pip安装AWS Deadline Cloud客户端库，并指定安装MCP相关依赖： 
    pip install "deadline[mcp]"

服务器配置

MCP客户端需要配置MCP服务器的启动信息，以便建立连接。以下是配置示例：

{
  "server_name": "AWS Deadline Cloud MCP Server",
  "command": "python",
  "args": ["-c", "from deadline._mcp.server import main; main()"],
  "description": "通过MCP协议与AWS Deadline Cloud资源进行自然语言交互。"
}
  • 'server_name': 服务器的显示名称，例如 "AWS Deadline Cloud MCP Server"。
  • 'command': 启动MCP服务器的可执行文件路径，通常是系统中的Python解释器，例如 "python"。
  • 'args': 传递给 'command' 的参数，用于执行启动MCP服务器的Python脚本，例如 '["-c", "from deadline._mcp.server import main; main()"]'。
  • 'description': 服务器功能的简要说明，以便用户理解其用途。

基本使用方法

安装并配置MCP服务器后，它将作为后台进程运行，通过标准输入输出（Stdio）与MCP客户端通信。AI助手（即MCP客户端）会向此服务器发送JSON-RPC请求来调用其提供的工具，例如：

  • 向AI助手提问： "List all my AWS Deadline Cloud farms" (列出我所有的AWS Deadline Cloud农场)。
  • AI助手响应： AI助手会通过配置连接到MCP服务器，并调用相应的'deadline_list_farms'工具获取农场信息，然后以自然语言形式返回给用户。
  • 向AI助手提问： "Submit the render job in /path/to/my-job-bundle" (提交/path/to/my-job-bundle中的渲染作业)。
  • AI助手响应： AI助手会调用'deadline_submit_job'工具，将渲染作业提交到AWS Deadline Cloud。

信息

分类

AI与计算

访问项目