cerebrixos-org/tuning-engines-cli

调优引擎 CLI 与 MCP 服务器

tuning-engines-cli MCP server

npm version
MCP Registry
License: MIT

通过一个 API 治理每一个 AI 工作流。

调优引擎 是一个受治理的 AI 运行时，适用于模型、智能体、技能和 MCP 工作流。通过一个兼容 OpenAI 的 API 路由推理，应用 RBAC 和流量策略，为高风险操作请求审批，检查追踪和使用情况，并连接 LangGraph 和 Temporal 等持久化编排框架。同一个 CLI 和 MCP 服务器还管理开源模型的领域特定微调。

训练智能体

调优引擎使用专门的智能体来控制如何分析你的数据并将其转换为训练数据。每个智能体都会生成一种不同类型的领域特定微调模型，并针对其用例进行优化。目前的智能体专注于代码，未来还会推出面向客户支持、数据提取、安全审查、运维和其他领域的智能体。

Cody (code_repo) — 代码自动补全智能体

Cody 通过 Axolotl 框架（HuggingFace Transformers + PEFT）使用 QLoRA（4 位量化 LoRA）在你的 GitHub 仓库上进行微调。它学习你的代码库的模式、命名约定和项目结构，从而生成一个快速、轻量、针对实时补全优化的适配器。

最适合： 代码自动补全、行内建议、Tab 补全、代码风格匹配、模式补全。

te jobs create --agent code_repo \
--base-model Qwen/Qwen2.5-Coder-7B-Instruct \
--repo-url https://github.com/your-org/your-repo \
--output-name my-cody-model

SIERA (sera_code_repo) — Bug 修复专家

SIERA（Synthetic Intelligent Error Resolution Agent，合成智能错误解决智能体）使用 AllenAI 的 Open Coding Agents 方法，从你的仓库生成有针对性的 bug 修复训练数据。它合成真实的错误场景及其解决方案，然后微调一个模型，使其学习你团队的调试风格、错误处理约定和修复模式。

最适合： 调试、错误解决、补丁生成、根因分析、修复建议。

te jobs create --agent sera_code_repo \
--quality-tier high \
--base-model Qwen/Qwen2.5-Coder-7B-Instruct \
--repo-url https://github.com/your-org/your-repo \
--output-name my-siera-model

质量层级（仅限 SIERA）：
- low — 更快，合成数据对更少（默认）
- high — 更深入的分析，更多训练数据，更好的结果

即将推出

| 智能体 | 角色 | 功能 |
|-------|---------|-------------|
| Resolve | Mira | 在支持工单、宏和知识库文章上进行微调，以实现工单自动解决 |
| Extractor | Flux | 针对从文档、PDF 和业务文本中进行严格模式提取而训练 |
| Guard | Aegis | 专注于安全的代码审查器，可捕获风险模式并提出更安全的修复建议 |
| OpsPilot | Atlas | 基于运行手册、事后复盘和值班笔记训练的 incident response agent |

支持的基座模型

| 规模 | 模型 |
|------|--------|
| 3B | Qwen/Qwen2.5-Coder-3B-Instruct |
| 7B | codellama/CodeLlama-7b-hf, deepseek-ai/deepseek-coder-7b-instruct-v1.5, Qwen/Qwen2.5-Coder-7B-Instruct |
| 13-15B | codellama/CodeLlama-13b-Instruct-hf, bigcode/starcoder2-15b, Qwen/Qwen2.5-Coder-14B-Instruct |
| 32-34B | deepseek-ai/deepseek-coder-33b-instruct, codellama/CodeLlama-34b-Instruct-hf, Qwen/Qwen2.5-Coder-32B-Instruct |
| 70-72B | codellama/CodeLlama-70b-Instruct-hf, meta-llama/Llama-3.1-70B-Instruct, Qwen/Qwen2.5-72B-Instruct |

快速开始

npm install -g tuningengines-cli

Or run without installing
npx -y --package tuningengines-cli@latest te auth status

Sign up or log in (opens browser — works for new accounts too)
te auth login

Add credits (opens browser to billing page)
te billing add-credits

Estimate cost before training
te jobs estimate --base-model Qwen/Qwen2.5-Coder-7B-Instruct

Train Cody on your repo
te jobs create --agent code_repo \
--base-model Qwen/Qwen2.5-Coder-7B-Instruct \
--repo-url https://github.com/your-org/your-repo \
--output-name my-model

Monitor training
te jobs status  --watch

View your trained models
te models list

Create a governed orchestration starter
te orchestration init langgraph
te orchestration init temporal
te orchestration init inngest
te orchestration init triggerdev
te orchestration init hatchet
te orchestration init restate
te orchestration init dbos
te orchestration init dapr
te orchestration init prefect
te orchestration init dagster
te orchestration init airflow

MCP 服务器设置

CLI 内置了一个包含 60 多个工具的 MCP 服务器。任何支持 MCP 的 AI 助手都可以通过自然语言微调模型、管理训练任务、运行评估、检查推理用量、查看 traces、审查审批，以及管理非机密的租户注册表元数据。

出于安全考虑，MCP 服务器有意不暴露内部代理路由。它也拒绝在 MCP 侧创建推理密钥以及包含原始机密的变更字段。对于有意创建一次性密钥、提交原始提供商机密、验证 S3 凭据，或使用原始凭据导入/导出 S3 资产的工作流，请使用 CLI 或 Web UI。

Claude Desktop

添加到 ~/Library/Application Support/Claude/claude_desktop_config.json：

{
"mcpServers": {
"tuning-engines": {
"command": "npx",
"args": ["-y", "--package", "tuningengines-cli@latest", "te", "mcp", "serve"],
"env": {json
"TE_API_KEY": "te_your_key_here"
}
}
}
}

Claude Code
bash
claude mcp add tuning-engines -- npx -y --package tuningengines-cli@latest te mcp serve

工作会话与结果

为项目标记期望的结果，而不会中断你的编码工作流：
bash
te goal start "Fix flaky checkout retries"
te goal show
te goal complete --result succeeded

为 Claude Code 或 Codex 安装可选的原生遥测钩子：
bash
te guard claude-code install --mode observe --project .
te guard claude-code doctor
te guard claude-code doctor --probe
te guard codex install
te guard codex doctor

Claude Code 会将项目本地的钩子写入 .claude/settings.local.json。在
Windows 上，使用 dir .\.claude、type .\.claude\settings.local.json
进行验证，然后从同一项目根目录重启 Claude Code 并查看 claude /hooks。
doctor --probe 在 tuningengines-cli 0.4.20 及更高版本中可用；它会通过已安装的命令运行
合成钩子事件，并检查该追踪对 Tuning Engines 是否可见。钩子调用还会在
.claude/tuning-engines-hook-status.jsonl 写入一份本地脱敏状态日志。
Codex 项目钩子需要从 /hooks 进行审查和信任。安装程序会将钩子固定到创建它们的
确切 CLI 可执行文件；te guard codex doctor 会报告该路径、CLI 版本、原生事件契约、
必需的生命周期钩子，以及在 PATH 上发现的任何冲突的 te 命令。每个 Codex 或 Claude
Code 用户提示都会启动一个新的追踪，同时为原生对话保留一个稳定的工作会话。Tuning Engines
默认发送假名化的会话和转录引用，而不是转录内容或本地绝对路径。

Claude Code 插件

该仓库还附带了一个围绕同一 MCP 服务器的 Claude Code 插件封装。它使安装保持可发现，
同时保留相同的 TE_API_KEY 环境变量边界：
bash
claude plugin marketplace add cerebrixos-org/tuning-engines-cli
claude plugin install tuning-engines@tuning-engines

同一插件目录包含一个 Codex 插件清单、市场条目、MCP 服务器和租户运营技能。
它使用 Tuning Engines Web 应用作为共享控制平面 UI，用于追踪、审批、策略、成本和审查。

DeepSeek Harness 插件

安装原生 Harness 包，以捕获轮次、模型步骤和工具生命周期遥测，并可选择在工具执行前
强制执行 TE 治理：
bash
export TE_API_KEY="your-tenant-token-or-inference-key"
dsh plugin --profile default add tuningengines-cli

该适配器默认使用基于磁盘的本地暂存、后台批处理、有界重试、稳定的工具调用关联，
以及仅元数据捕获。

VS Code / Cursor / Windsurf

添加到你的 MCP 设置中（.vscode/mcp.json 或等效文件）：
json
{
"servers": {
"tuning-engines": {
"command": "npx",
"args": ["-y", "--package", "tuningengines-cli@latest", "te", "mcp", "serve"],
"env": {
"TE_API_KEY": "te_your_key_here"
}
}
}
}

AI 助手可以做什么

连接后，你的 AI 助手可以：

- “使用 SIERA 代理以高质量在 my-org/my-repo 上微调 Qwen 7B”
- “在这个仓库上训练一个 32B 模型 3 个 epoch 需要多少钱？”
- “检查我最新训练任务的状态”
- “列出我训练过的模型”
- “将我的模型导出到 s3://my-bucket/models/”
- “显示我的账户余额”
- “在这个仓库上训练一个 bug 修复专家”（自动选择 SIERA）
- “为这个代码库创建一个自动补全模型”（自动选择 Cody）

create_job 工具描述包含完整的代理详情和模型列表，因此 AI 助手会根据你的请求自动选择合适的代理和模型。

统一 API 端点

Tuning Engines 可用于任何接受 OpenAI 兼容 API 基础 URL 的工具。将客户端指向：

https://api.tuningengines.com/v1

使用以 sk-te-... 开头的推理密钥进行实时模型调用，并使用以下命令显示的模型 ID：

te inference models

这使 OpenCode、Temporal 活动、LangGraph 应用、OpenAI SDK 客户端以及其他自定义提供商客户端能够通过同一个 Tuning Engines 控制平面进行路由，以实现模型 RBAC、路由、回退、护栏、AGT 策略、追踪、使用计量和成本归因。

有关 OpenCode、Temporal、Python、JavaScript 和其他 OpenAI 兼容客户端的可复制粘贴示例，请参阅 docs/unified-api-endpoint.md。

代理运行时 SDK 和编排启动器

当你需要为助手提供 npx 工具时，请使用 CLI/MCP 包。当你希望自己的应用运行持久代理工作流，同时 Tuning Engines 仍然是模型、代理、技能、MCP 工具、RBAC、AGT 策略、审计、使用情况和代币经济的受治理控制平面时，请使用 Python SDK。

OpenAI Agents SDK 用户可以安装原生模型和追踪集成：

pip install "tuning-engines[openai-agents]"

有关设置，请参阅 packages/tuning-agents/README.md。OpenAI Agents 运行时拥有循环；TE 提供受治理的端点，并通过其后台处理器接收仅包含元数据的 SDK 追踪。

安装已发布的 Python SDK：

pip install "tuning-engines[langgraph]"
pip install "tuning-engines[temporal]"

该包会安装 tuning_agents Python 模块。

LangGraph 示例：

from langgraph.checkpoint.memory import InMemorySaver

from tuning_agents import TuningClient
from tuning_agents.langgraph import create_tuning_langgraph_agent, invoke_with_trace

client = TuningClient(api_key="te_your_key_here")

agent = create_tuning_langgraph_agent(
client,
model="llama-3.3-70b-fp8",
agent_names=["billing-escalation"],
checkpointer=InMemorySaver(),
interrupt_before=["tools"],
)

result = invoke_with_trace(
client,
agent,
[{"role": "user", "content": "Triage this ticket and escalate if needed."}],
thread_id="ticket-123",
)

client.flush_trace(name="ticket-triage", runtime="langgraph", status="succeeded")

Temporal 示例：
python
from tuning_agents.temporal import (
TuningEnginesTemporalFeatures,
create_tuning_engines_plugin,
define_temporal_workflow,
)

plugin = create_tuning_engines_plugin(
features=TuningEnginesTemporalFeatures(
built_in_workflow=False,
model_calls=True,
skill_tools=True,
mcp_tools=True,
agents=True,
approvals=True,
traces=True,
state_references=True,
interventions=True,
model_catalog=True,
usage=True,
)
)
TuningAgentWorkflow = define_temporal_workflow()
Pass plugin to Client.connect(..., plugins=[plugin]) and register the workflow.

SDK 会从 LangGraph/Temporal 捕获运行时事件，并将它们发送到
POST /api/v1/traces。每个事件都携带 run_id、request_id 以及
规范化的事件类型，例如 model.call、mcp.tool_call、agent.message、
workflow.step、human.edit、action.finalized、outcome.recorded 或
state.reference。应用会将其与推理用量、请求捕获、
策略决策、审批请求、外部状态引用、审计和
计费日志配对。

JavaScript/TypeScript 用户还可以从
npm 包中导入轻量级追踪辅助工具：
ts
import { createOpenAIAgentsTraceAdapter } from "tuningengines-cli/adapters/openai-agents";
import { createClaudeAgentSdkTraceAdapter } from "tuningengines-cli/adapters/claude-agent-sdk";

这两个辅助工具都会将经过脱敏的运行、模型、工具、交接、错误、目标和结果
事件发送到现有的追踪 API。goal_key、goal_status 和 goal_score
会被规范化到与 outcome_key 相同的成功信号分析中。

对于决策追踪，请将脱敏信号存储在 metadata.decision 中，例如
proposal_summary、changed_fields、change_summary、final_action、
outcome_label 和 reason_summary。不要将原始提示词、提供商密钥、
租户密钥或完整客户数据放入追踪元数据中。

生成一个入门套件：
bash
te orchestration init langgraph --dir ./lg-te-demo
te orchestration init temporal --dir ./temporal-te-demo
te orchestration init inngest --dir ./inngest-te-demo
te orchestration init triggerdev --dir ./trigger-te-demo
te orchestration init hatchet --dir ./hatchet-te-demo
te orchestration init restate --dir ./restate-te-demo
te orchestration init dbos --dir ./dbos-te-demo
te orchestration init dapr --dir ./dapr-te-demo
te orchestration init prefect --dir ./prefect-te-demo
te orchestration init dagster --dir ./dagster-te-demo
te orchestration init airflow --dir ./airflow-te-demo

LangGraph 和 Temporal 入门套件使用 Python 运行时 SDK。Inngest、
Trigger.dev 和 Hatchet 入门套件会生成 TypeScript 项目，并带有一个小型
自包含的 Tuning Engines 辅助工具。Restate、DBOS 和 Dapr 启动器使用相同的 TypeScript 辅助工具。Prefect、Dagster 和 Airflow 启动器生成带有小型辅助模块的 Python 工作流示例。所有生成的示例都包含受治理的模型调用、追踪刷新、注册表清单、策略上下文元数据、决策元数据、运行时状态引用以及审批重试模式。

CLI 命令

身份验证

| 命令 | 描述 |
|---------|-------------|
| te auth login | 通过浏览器注册或登录 |
| te auth logout | 清除已保存的凭据 |
| te auth status | 显示当前身份验证状态（邮箱、余额） |

训练作业

| 命令 | 描述 |
|---------|-------------|
| te jobs list | 列出所有训练作业 |
| te jobs show  | 显示作业详情 |
| te jobs create | 提交训练作业（--agent、--quality-tier、--base-model、--repo-url、--output-name） |
| te jobs status  | 实时状态（--watch 用于持续轮询） |
| te jobs cancel  | 取消正在运行的作业 |
| te jobs retry  | 从上一个检查点重试 |
| te jobs estimate | 提交前的成本估算 |
| te jobs validate-s3 | 预验证 S3 凭据 |

模型

| 命令 | 描述 |
|---------|-------------|
| te models list | 列出你训练过的模型 |
| te models show  | 显示模型详情 |
| te models base | 列出支持的基础模型 |
| te models import | 从 S3 导入模型 |
| te models export  | 将模型导出到 S3 |
| te models delete  | 删除模型 |
| te models status  | 检查导入/导出状态 |

数据集

| 命令 | 描述 |
|---------|-------------|
| te datasets list | 列出所有数据集 |
| te datasets show  | 显示数据集详情 |
| te datasets create | 从 S3 创建数据集（--name、--s3-url、--for-evaluation） |
| te datasets delete  | 删除数据集 |
| te datasets status  | 检查导入/处理状态 |

评估

| 命令 | 描述 |
|---------|-------------|
| te evals list | 列出所有评估 |
| te evals show  | 显示评估详情和分数 |
| te evals create | 运行评估（--model、--dataset、--evaluators） |
| te evals cancel  | 取消正在运行的评估 |
| te evals status  | 实时评估进度 |
| te evals evaluators | 列出可用的评估器 |
| te evals estimate | 评估的成本估算 |

推理

| 命令 | 描述 |
|---------|-------------|
| te inference models | 列出可用的推理模型 |
| te inference usage | 显示推理 API 使用统计 |
| te inference jwt | 获取用于直接 API 访问的 JWT |
| te inference token | 将推理密钥（sk-te-...）兑换为短期推理 JWT |
| te inference chat --data '' | 运行 OpenAI 兼容的聊天补全 |
| te inference responses --data '' | 运行 OpenAI Responses 请求 |
| te inference embeddings --data '' | 创建嵌入 |
| te inference messages --data '' | 运行兼容 Anthropic 的 Messages 请求 |

运行时追踪与审批

| 命令 | 描述 |
|---------|-------------|
| te traces list | 列出 LangGraph、Temporal 和自定义运行时追踪 |
| te traces show  | 显示单个追踪，包括事件、策略决策以及关联时的审批 |
| te traces ingest --data '' | 使用用户 API 令牌或推理密钥摄取或更新追踪 |
| te outcomes list | 列出观察到的结果、目标、评估和工作流成功信号 |
| te outcomes record --run-id ... --key ... --label ... | 为一次运行记录成功信号 |
| te outcomes map --outcome-key ... --criteria '' | 将未映射的事件映射到结果键 |
| te insights list | 列出 Insight Loop 建议 |
| te insights accept  | 接受某条洞察为有效；不会更改生产环境 |
| te insights apply  | 为已接受的洞察应用或排队已批准的操作 |
| te doctor simulate --data '' | 模拟推理访问、角色、端点、策略和资源检查 |
| te policy-decisions list | 列出 AGT YAML 策略决策 |
| te policy-decisions show  | 显示单个策略决策，上下文已脱敏 |
| te policy-templates list | 列出精选的 AGT YAML 策略模板 |
| te policy-templates render  --params '' | 从安全的结构化参数渲染已禁用/影子策略 YAML |
| te policy-drafts generate --prompt '' | 生成 AI 辅助的已禁用/影子草稿，供审查和测试 |
| te approvals list --status pending | 列出策略审批请求 |
| te approvals show  | 显示审批详情和重试元数据 |
| te approvals approve  | 批准待处理的请求 |
| te approvals deny  | 拒绝待处理的请求 |
| te interventions list/show/request/ack/complete/fail | 管理运行时暂停、恢复、取消和重放请求 |
| te state list/show/upsert | 管理安全的外部工作流状态和内存引用 |
| te registry sync --file tuning-registry.yml --dry-run/--apply | 对比或应用 agent、skill 和 MCP 注册表清单 |
| te registry show  | 检查已应用的注册表同步 |
| te work-sessions list/show/complete/confirm-outcome | 检查并更新 Work Sessions |
| te initiatives list/show/create/update | 管理战略举措分组 |

编排启动器

| 命令 | 描述 |
|---------|-------------|
| te orchestration init langgraph | 创建一个连接到 Tuning Engines 治理和追踪的 LangGraph 启动器 |
| te orchestration init temporal | 创建一个连接到 Tuning Engines 治理和追踪的 Temporal worker 启动器 |
| te orchestration init inngest | 创建一个连接到 Tuning Engines 治理和追踪的 Inngest 函数启动器 |
| te orchestration init triggerdev | 创建一个连接到 Tuning Engines 治理与追踪的 Trigger.dev 任务启动器 |
| te orchestration init hatchet | 创建一个连接到 Tuning Engines 治理与追踪的 Hatchet 工作流启动器 |
| te orchestration init restate | 创建一个连接到 Tuning Engines 治理与追踪的 Restate 服务启动器 |
| te orchestration init dbos | 创建一个连接到 Tuning Engines 治理与追踪的 DBOS 工作流启动器 |
| te orchestration init dapr | 创建一个连接到 Tuning Engines 治理与追踪的 Dapr Workflow 启动器 |
| te orchestration init prefect | 创建一个连接到 Tuning Engines 治理与追踪的 Prefect 流程启动器 |
| te orchestration init dagster | 创建一个连接到 Tuning Engines 治理与追踪的 Dagster 资产启动器 |
| te orchestration init airflow | 创建一个连接到 Tuning Engines 治理与追踪的 Airflow DAG 启动器 |

代理

| 命令 | 描述 |
|---------|-------------|
| te agents list | 列出可用代理 |
| te agents show  | 显示代理详情与能力 |
| te agents message  --data '' | 发送受治理的 A2A 代理消息 |

技能与 MCP 执行

| 命令 | 描述 |
|---------|-------------|
| te skills list | 列出推理身份可见的技能 |
| te skills prepare  --data '' | 准备受治理的技能 |
| te skills invoke  --data '' | 调用受治理的技能 |
| te mcp call --server  --tool  --arguments '' | 调用已启用的受治理 MCP 工具 |
| te mcp rediscover  | 刷新 MCP 工具发现 |
| te mcp tools list/enable/disable/toggle | 管理已发现的 MCP 工具 |

合规自动化

| 命令 | 描述 |
|---------|-------------|
| te compliance validate --data '' | 根据已采用的规则包验证受限内容 |
| te compliance rewrite --data '' | 生成并重新验证安全改写 |
| te compliance evidence  | 检查合规证据 |
| te compliance risks list/show/create/update | 管理租户风险登记册 |
| te compliance risks assess/map-control/add-subject/remove-subject | 操作风险到控制的生命周期 |
| te compliance source-runs create/show/submit-results/complete | 摄取规范化扫描器或 webhook 结果 |
| te compliance certifications create/show | 运行并检查合规认证作业 |

租户管理自动化

这些命令需要租户所有者或租户管理员的 API 令牌。它们专为 CI
冒烟测试和端到端产品检查而设计。在服务器支持的情况下，创建/更新时可以
发送密钥字段，但响应绝不会打印存储的提供商密钥、AWS 密钥或邀请令牌。

| 命令 | 描述 |
|---------|-------------|
| te tenant resources | 列出支持的租户资源名称 |
| te tenant list  | 列出资源，例如 inference_keys、inference_roles、model_deployments、routing_profiles、guardrail_policies、governance_policies、mcp_servers、tenant_agents、tenant_skills 和 credential_sources |
| te tenant show   | 显示一个租户资源 |
| te tenant create  --data '' | 从 JSON 创建租户资源 |
| te tenant update   --data '' | 从 JSON 更新租户资源 |
| te tenant delete   | 删除租户资源；推理密钥会被撤销 |
| te tenant validate guardrail_policies --data '' --sample-text 'hello' | 在不创建记录的情况下验证/测试未保存的简单护栏 |
| te tenant validate governance_policies --data '' --context '' | 在不创建记录的情况下验证/测试未保存的治理规则 |
| te tenant test-policy  --context '' | 试运行治理规则 |
| te tenant test governance_policies  --context '' | 治理策略试运行的兼容别名 |
| te tenant team list | 列出租户成员、待处理邀请和允许的域 |
| te tenant team invite  --role member | 通过电子邮件邀请用户；邀请令牌会通过电子邮件发送，且绝不会打印 |
| te tenant team set-role  --inference-role-id  | 为成员分配推理角色 |
| te tenant team disable  | 禁用成员 |
| te tenant team enable  | 重新启用成员 |
| te tenant team remove  | 移除成员 |
| te tenant team cancel-invite  | 取消待处理邀请 |
| te tenant team domains --set "example.com,example.org" | 替换允许的电子邮件域 |
| te tenant capture show | 显示推理捕获设置 |
| te tenant capture update --data '' | 更新推理捕获设置 |

计费与账户

| 命令 | 描述 |
|---------|-------------|
| te billing show | 余额和交易历史 |
| te billing add-credits | 打开浏览器以添加积分 |
| te account | 账户信息 |

配置

| 命令 | 描述 |
|---------|-------------|
| te config set-token  | 手动设置 API 密钥 |
| te config set-url  | 覆盖 API URL |
| te config show | 显示当前配置 |

所有命令都支持 --json 以输出机器可读的结果。

MCP 工具参考

训练作业

| 工具 | 描述 |
|------|-------------|
| create_job | 在 GitHub 仓库上微调 LLM。支持代理选择（Cody、SIERA）、质量层级、基础模型、轮数和 S3 导出。 |
| estimate_job | 训练前的成本估算。返回成本范围、余额、充足性检查。 |
| list_jobs | 按状态筛选列出训练作业 |
| show_job | 完整作业详情，包括代理、模型、GPU 使用情况、成本、重试信息 |
| job_status | 实时状态，包括 GPU 分钟数、费用、交付进度 |
| cancel_job | 取消正在运行/排队的作业 |
| retry_job | 从上次检查点重试失败的作业 |

模型

| 工具 | 描述 |
|------|-------------|
| list_models | 列出已训练和已导入的模型 |
| show_model | 模型详情（状态、大小、基础模型、训练作业） |
| delete_model | 从云存储中删除模型 |
| model_status | 导入/导出进度 |
| list_supported_models | 可用的基础模型及每轮 GPU 小时数 |

市场

| 工具 | 描述 |
|------|-------------|
| list_catalog_models | 浏览预构建的模型和数据集 |
| get_catalog_model | 市场项目的详情 |
| catalog_export_status | 检查市场导出进度 |

数据集

| 工具 | 描述 |
|------|-------------|
| list_datasets | 列出用于训练和评估的数据集 |
| show_dataset | 数据集详情和状态 |
| create_dataset | 从 S3 创建数据集 |
| delete_dataset | 删除数据集 |
| dataset_status | 检查数据集导入/处理状态 |

评估

| 工具 | 描述 |
|------|-------------|
| list_evaluations | 列出模型评估 |
| show_evaluation | 评估详情、分数和指标 |
| create_evaluation | 针对数据集运行评估 |
| cancel_evaluation | 取消正在运行的评估 |
| evaluation_status | 实时评估进度 |
| list_evaluators | 可用的评估器（code_execution、similarity、llm_judge 等） |
| estimate_evaluation | 评估的成本估算 |

推理

| 工具 | 描述 |
|------|-------------|
| list_inference_models | 可用于推理的模型 |
| inference_usage | 推理 API 使用统计 |
| get_inference_jwt | 获取用于直接 API 访问的 JWT 令牌 |
| get_inference_token | 将推理密钥兑换为短期推理 JWT |
| call_inference | 使用配置的凭据调用 chat、Responses、embeddings 或 Messages |
| send_agent_message | 发送受管控的 A2A 代理消息 |
| list_skills / invoke_skill | 发现、准备或调用受管控的技能 |

运行时、策略和审批

| 工具 | 描述 |
|------|-------------|
| list_traces | 列出运行时追踪 |
| show_trace | 显示追踪及其关联事件、策略决策和审批 |
| create_trace | 摄取不含密钥的追踪负载 |
| list_outcomes | 列出归一化为成功信号的观测结果/目标 |
| list_insights | 列出 Insight Loop 建议 |
| show_insight | 显示一条 Insight Loop 建议 |
| doctor_simulate | 模拟推理访问、角色、端点、策略和资源检查 |
| record_outcome | 记录结果/目标信号；需要 --enable-registry-writes |
| map_outcome | 创建结果映射规则；需要 --enable-registry-writes |
| accept_insight | 接受建议以供审核；需要 --enable-registry-writes |
| apply_insight | 应用或排队已接受的建议；需要 --enable-registry-writes |
| list_policy_decisions | 列出 AGT YAML 策略决策 |
| show_policy_decision | 显示单个决策及其脱敏后的上下文 |
| list_policy_templates | 列出精选的 AGT YAML 策略模板 |
| render_policy_template | 根据安全的结构化参数渲染已禁用/影子策略 YAML |
| generate_policy_draft | 生成 AI 辅助的已禁用/影子草稿；疑似包含密钥的提示将被拒绝 |
| list_approvals | 列出策略审批请求 |
| show_approval | 显示单个审批请求 |
| approve_approval | 批准待处理的请求 |
| deny_approval | 拒绝待处理的请求 |
| list_runtime_interventions / show_runtime_intervention | 检查运行时控制请求 |
| create/ack/complete/fail_runtime_intervention | 操作干预生命周期；需要 --enable-registry-writes |
| list/show/upsert_runtime_state_reference | 管理安全的外部状态和内存指针 |
| registry_sync_dry_run / registry_sync_apply / show_registry_sync | 对比、应用和检查注册表清单 |
| list_work_sessions / show_work_session / complete_work_session | 检查并完成工作会话 |
| list_initiatives / show_initiative | 检查倡议分组 |
| list_compliance_risks / show_compliance_risk | 检查租户风险登记册 |
| validate_compliance / show_compliance_evidence | 验证内容并检查证据 |
| create/submit/complete_compliance_source_run | 摄取规范化后的外部测试结果；写入需要 --enable-registry-writes |
| show_compliance_certification | 检查认证运行 |

租户管理员 MCP 工具

这些工具需要租户所有者/管理员 API 令牌。MCP 服务器会拒绝内部
代理路由、推理密钥创建以及携带原始密钥的变更字段。

| 工具 | 描述 |
|------|-------------|
| list_tenant_resources | 列出允许的租户资源名称 |
| tenant_resource_list | 列出模型、角色、策略、MCP 服务器、代理、技能、凭证来源及相关元数据 |
| tenant_resource_show | 显示单个资源，但不返回存储的密钥 |
| tenant_resource_create | 创建非密钥的租户注册表/配置元数据 |
| tenant_resource_update | 更新非密钥的租户注册表/配置元数据 |
| tenant_resource_delete | 删除或撤销租户资源 |
| tenant_resource_validate | 验证/测试未保存的护栏或 AGT 策略负载，而不创建记录 |
| test_governance_policy | 试运行 AGT YAML 治理策略 |
| tenant_team_list | 列出成员、邀请和允许的域 |
| tenant_team_invite | 邀请用户，但不返回邀请令牌 |
| tenant_team_set_inference_role | 分配或清除推理角色 |
| tenant_team_disable / tenant_team_enable | 禁用或重新启用成员 |
| tenant_team_remove | 移除租户成员 |
| tenant_invitation_cancel | 取消待处理的邀请 |
| tenant_domains_update | 替换允许的电子邮件域 |
| inference_capture_show / inference_capture_update | 使用凭证源引用管理请求捕获设置 |

代理

| 工具 | 描述 |
|------|-------------|
| list_agents | 列出可用的代理 |
| show_agent | 代理详情和功能 |

账户

| 工具 | 描述 |
|------|-------------|
| get_balance | 账户余额和近期交易 |
| get_account | 账户详情 |

环境变量

| 变量 | 描述 |
|----------|-------------|
| TE_API_KEY | API 密钥（覆盖配置文件） |
| TE_API_URL | API URL（默认：https://app.tuningengines.com） |
| TE_INFERENCE_KEY | 可选的 sk-te- 密钥，用于直接模型、代理、技能和 MCP 调用 |
| TE_INFERENCE_URL | 推理基础 URL（默认：https://api.tuningengines.com/v1） |

租户管理命令会将配置的 te_ API 令牌保留在本地，并在调用 API 之前将其交换为短期的管理 JWT。推理密钥（sk-te-）用于仅推理流程，例如 te inference token 和代理调用；它们不被租户注册管理命令接受。

推理冒烟测试

使用 te-inference-smoke 以租户管理员身份以及（可选）真实租户用户身份来检验推理行为。默认运行是只读的。设置 TE_SMOKE_MUTATE=1 可创建临时的推理角色、密钥、策略、护栏、MCP 服务器、代理和技能，然后测试权限排列并清理它们。

如果你只有 sk-te- 推理密钥，请设置 TE_INFERENCE_KEY 以进行仅代理检查。完整的角色/用户/策略排列需要以 te_ 开头的租户管理员应用 API 密钥。
bash
TE_API_URL=https://app.tuningengines.com \
TE_ADMIN_API_KEY=te_admin_key_here \
TE_USER_API_KEY=te_user_key_here \
npx -y --package tuningengines-cli@latest te-inference-smoke

对于实际的代理模型调用，请显式启用实时调用：
bash
TE_API_URL=https://app.tuningengines.com \
TE_INFERENCE_BASE=https://api.tuningengines.com/v1 \
TE_ADMIN_API_KEY=te_admin_key_here \
TE_SMOKE_MUTATE=1 \
TE_SMOKE_LIVE_CALLS=1 \
TE_SMOKE_CREATE_MODEL_DEPLOYMENT=1 \
TE_SMOKE_ALLOWED_MODEL=llama-3.1-8b-fast \
TE_SMOKE_DENIED_MODEL=llama-3.3-70b-fp8 \
TE_SMOKE_AGENT_URL=https://httpbin.org/post \
npx -y --package tuningengines-cli@latest te-inference-smoke

TE_SMOKE_CREATE_MODEL_DEPLOYMENT=1 对于尚未拥有已启用模型的一次性租户很有用。默认情况下，运行器将允许模型上的提供商身份验证失败视为 Tuning Engines RBAC 已允许请求通过到提供商的证明。当租户拥有真实提供商凭证且允许的调用必须返回 200 时，请设置 TE_SMOKE_ALLOW_PROVIDER_AUTH_FAILURE=0。

要测试多个租户用户，请提供他们的 API 令牌：
bash
TE_SMOKE_USERS_JSON='[
{"email":"member1@example.com","api_key":"te_user_key_1"},
{"email":"member2@example.com","api_key":"te_user_key_2"}
]' \
TE_ADMIN_API_KEY=te_admin_key_here \
TE_SMOKE_MUTATE=1 \
npx -y --package tuningengines-cli@latest te-inference-smoke

预览覆盖范围：
bash
npx -y --package tuningengines-cli@latest te-inference-smoke --list

每次运行都会在 te-smoke-results/ 下写入一份脱敏的 JSON 报告，或者当设置了
TE_SMOKE_REPORT 环境变量时，写入该变量指定的位置。

身份验证

te auth login 使用安全的设备授权流程（与 gh auth login 相同的模式）：

1. CLI 生成设备代码并打开你的浏览器
2. 注册或登录（邮箱/密码、Google 或 GitHub）
3. 点击“授权”以授予 CLI 访问权限
4. 令牌自动回传——无需复制粘贴

适用于新注册和现有账户。令牌保存到 ~/.tuningengines/config.json，权限为 0600。

链接

- 网站
- MCP 注册表
- npm
- GitHub

许可证

MIT