Ops MCP
需要 Node.js 18+。支持 macOS Apple/Intel、Windows x64、Linux x64。
npm install -g @fragments_awe/ops-mcp
ops-mcp login us_east
国内登录用 ops-mcp login cn，新加坡用 ops-mcp login singapore。在浏览器完成飞书授权。
AI 客户端的 MCP 配置：
{
"mcpServers": {
"wgops": {
"command": "ops-mcp",
"args": []
}
}
}
Claude Code 可执行 claude mcp add --transport stdio --scope user wgops -- ops-mcp。
如果图形客户端找不到命令，使用 which ops-mcp（Windows 用 where ops-mcp）输出的完整路径。
对 AI 说“先绑定美东路演，再列出测试集合”。区域分别是 cn_dev、singapore_dev、us_east_exhibition。
MCP 启动后立即在后台查询 npm latest，长驻进程每 30 秒再次检查；本地版本缓存仅在查询失败时兜底。
发现新版后，在接下来的工具返回中附带更新提醒，由 AI 转述。每个新版最多提醒 3 次，次数保存在
~/.wgops-mcp/update-notices/<版本>/，多个客户端和进程重启共用上限；更高版本有新的 3 次名额。
没有工具调用时不会主动唤醒对话，不保证客户端弹出通知。
npm install -g @fragments_awe/ops-mcp@latest
更新后重启客户端里的 MCP。登录凭据仍保存在 ~/.wgops-mcp/session.json，不包含在 npm 包中。
维护者从仓库 backend 目录构建，再进入 npm/ops-mcp 发布：
GOTOOLCHAIN=auto go run ./cmd/package-ops-mcp --npm-output ../npm/ops-mcp
cd ../npm/ops-mcp
npm test
npm pack
npm publish --access public
发布前同步修改 backend/internal/opsmcp/version.go 与 package.json 的版本，构建及 prepack 都会验证版本一致。
通过 Ops 调用理解、生图和视频模型
这组工具复用 Ops 登录态和 bind_region，不需要个人 ModelHub API Key。
使用前须部署支持生成接口的 Ops 后端，并安装相应版本的 MCP。后端只调用本部署的 ModelHub，环境不匹配时会拒绝请求。
先登录、绑定美东路演，再查询本环境的模型目录：
bind_region({"region":"us_east_exhibition"})
list_generation_models({"category":"video"})
list_generation_models({"category":"image"})
list_generation_models({"category":"text"})
文本和图片理解使用 generate_text 和 get_text_generation。
text 目录包含当前环境的 llm 和 multimodal 模型，不限于 Gemini。
从目录选择真实模型 ID；llm 只接受文本，multimodal 可带图片。
generate_text({"model":"目录返回的模型 ID","prompt":"概括这段文字的含义"})
generate_text({"model":"gemini-4-argon","prompt":"分析这段代码","thinking_level":"high"})
generate_text({"model":"目录返回的 multimodal 模型 ID","prompt":"描述图片中的衣物","images":["/absolute/path/reference.png"]})
get_text_generation({"task_id":"生成返回的本机任务编号"})
images 支持本机绝对路径或 HTTP/HTTPS 图片 URL，内联图片总大小最多 16 MiB。
thinking_level 可选，接受 minimal、low、medium、high；不传时沿用模型默认值。
档位由 ModelHub 按模型处理，例如 Argon/Carbon 的 minimal 会映射为 low。
使用此参数需要支持该字段的 Ops 后端，发布时先更新后端，再更新 MCP。
MCP 在本机等待 Ops 返回，最长 10 分钟；等待期间须保持 MCP 运行并保持原环境绑定。
running 表示仍在等待，succeeded 才表示收到完整文本。
结果保留文本、模型响应编号、结束原因和 token 用量；失败或中断不自动重提。
generate_video 接受 model、prompt，以及可选的 images、aspect_ratio、duration_seconds 和 resolution。
从目录选择真实模型 ID；美东路演的 Vmind 穿搭视频也使用这个入口。
images 支持本机图片绝对路径或 HTTP/HTTPS URL，上传的图片总大小最多 16 MiB。
具体时长、分辨率和参考图数量由模型校验。
generate_video({"model":"Vmind_outfit_video_v1.0","prompt":"保持全身入画，缓慢转身","images":["/absolute/path/reference.png"]})
get_video_generation({"task_id":"提交返回的任务引用","output_dir":"/absolute/path/deliverables"})
accepted 只表示视频任务受理。返回 pending 或 running 时，按 poll_after_ms 再查询同一个任务。
成功后返回完整 MP4 文件路径，文件最大 200 MiB。查询需要原提交用户的 Ops 登录态和相同环境；任务引用与提交时的登录会话同时到期。
查询失败不重新生成。提交结果不确定时保留返回的 request_id；确认需要重试提交时，使用原 UUID 和完全相同的参数。
生图使用 generate_image 和 get_image_generation，支持文生图和参考图编辑：
generate_image({"model":"gpt-image-2","prompt":"一张简洁的服装展示海报","aspect_ratio":"3:4","image_size":"1K"})
get_image_generation({"task_id":"生成返回的本机任务编号","output_dir":"/absolute/path/deliverables"})
生图同样要先确认模型在本环境目录中。可选参数为 images、aspect_ratio、image_size 和 temperature，显式的 temperature: 0 会原样传递。
MCP 在本机后台等待 Ops 的生图事件流，最长 10 分钟，等待期间须保持 MCP 运行。
结果包含全部图片、诊断文字和生成状态，原始有序事件保存在本机任务文件中。
断连、进程退出或缺少完整终态时返回失败或中断，不自动重新生成。
生成结果默认保存在 ~/.wgops-mcp/ops-generation/ 或 ~/.wgops-mcp/ops-generated/；
查询时可用 output_dir 将完整媒体保存到交付目录，新文件不会覆盖已有文件。
这些工具仅供个人 Ops 登录会话使用，不向扫描或压测 Worker 开放。
Wardrobe 深度推荐
从 0.21.0 起，get_recommendation_task 同时接受 Ops 独立推荐编号和 Wardrobe 原始任务编号。
原始编号查询 Hub 已登记的任务，完整 pipeline.final_result 需要配套 Ops 后端版本。
美东路演先运行 ops-mcp login us_east，在 AI 客户端重启升级后的 MCP，再调用：
bind_region({"region":"us_east_exhibition"})
list_users({"q":"用户昵称或已知 user_id","limit":10})
使用查询返回的真实 user_id。每次新推荐生成一个 UUID，作为 request_id；同一次请求重试沿用原 UUID 和完整参数。
generate_recommendation({"request_id":"本次请求的 UUID","user_id":"本环境的真实用户编号","query":"适合通勤的简洁搭配","outfit_count":2,"use_vton_video":false})
get_recommendation_task({"task_id":"返回的 ops-recommend-... 编号"})
get_recommendation_task({"task_id":"同一环境的 Wardrobe 原始 task_id"})
独立推荐的 status=success 表示完成，完整回调和产物在 result 中，最终产物在 result.final_result。
业务任务保留 Hub 的 status，如 running、succeeded、failed；Wardrobe 回调状态在 pipeline.overall_status，步骤在 pipeline.steps，最终产物在 pipeline.final_result。
查询只访问当前绑定环境；中国区编号不能在美东路演查询。缺少回调或查询失败不代表生成失败，也不能据此换编号重新生成。
generate_recommendation 会消耗模型资源并保存产物，使用 APP 模式，不推送镜子 UI。
accepted、processing 表示仍在进行；submission_unknown、result_unknown 表示尚未确认。
继续查询原编号，直到确认终态。服务端成功不代表镜子已经展示。
自动发版
相关代码合入 dev 后，Publish Ops MCP to npm 自动运行：检查两处版本一致且高于 npm latest，
跑测试、编译四平台、验证 npm 包，再使用仓库 Actions Secret NPM_TOKEN 发布并回查 latest 与 gitHead。
同一源码提交重跑会跳过已发布版本，其他提交复用已发布版本会失败，要求先提升版本。
Token 仅在发布步骤注入 NODE_AUTH_TOKEN，不进入安装包；到期后更新仓库 Secret。
Secret 只需包级发布权限，无需组织管理权限。
AI 压测历史与小数 QPS
绑定 us_east_exhibition 后：
list_ai_load_tests({scenario:"deep_recommend",limit:5})：按功能查询整轮 AI 历史目录与飞书报告摘要/链接。get_ai_load_test({ai_load_run_id:"目录返回的ID"})：按需读取整轮配置、报告和各档 Run 事实。- 继续用子
run_id读取样本、Trace 和资源指标。历史工具只读，不启动测试。
start_load_test 的 target_qps 支持正小数，例如 0.5 表示每两秒新增一个任务。窗口开始即发首个请求，短窗口的实际速率须看 Run 真实计数。AI 发压身份仍只传 QPS 和时长，用户与生成配置由 Ops 冻结；个人会话需传用户名单。