用途：面向用户自有代码与基础设施，把 Python 函数、模型、数据库查询、工作流或已有的 Streamable HTTP MCP 服务托管并私有共享。工作负载保留在用户电脑或实验室服务器上，ToolUniverse Platform 只接收 MCP 工具清单和转发的调用。
路径选择：Python 函数、模型或工作流，用 @remote_tool 包装可调用对象，再执行 tu serve ... --share；已有 Streamable HTTP MCP 服务器，保持其运行在回环地址，使用 tuplatform-relay --forward ...；ToolUniverse 已评审的 30 个科学实现之一，使用其对应的 setup-<name>-remote-tool 技能和 tu remote share <name>。不要把任意 REST 端点当作 MCP，应先包装为带类型的 Python 函数或加一层已评审的 MCP 适配器。
安装：在 ToolUniverse Connect 的 Computers → Connect a computer（https://connect.aiscientist.tools/remote-servers）选择 Python 或已有 MCP 路径，复制其不可变安装命令，在新的 Python 3.12 虚拟环境中运行；命令固定了 ToolUniverse 与 relay 的来源，不要替换为移动分支。确认 tu --help 与 tuplatform-relay --help 可用；安装或源访问失败即停止。
本地验证：Python 模式先不带 --share 启动 tu serve my_tool.py --host 127.0.0.1 --port 8080，再从另一终端用 fastmcp Client 做一次发现与一次语义调用，检查工具名与 schema、有限且有意义的输出、非法输入行为、延迟，以及不泄露密钥或本地路径。GPU 模型需先验证 CUDA 张量执行，并跑一次真实小推理。
私有共享：停止仅本地命令后，用一条前台命令共享。Python：tu serve my_tool.py --share --name "My Model" --service https://tooluniverse-backend.onrender.com；已有 MCP：tuplatform-relay --forward http://127.0.0.1:8080 --name "My Server" --service https://tooluniverse-backend.onrender.com。无有效密钥时 CLI 打开浏览器授权链接，批准对应计算机名与代码；无头服务器加 --no-browser。显式无效的 TOOLUNIVERSE_SERVICE_KEY 与非交互任务会快速失败。
验证与运维：在 TU Platform 的 Computers 中等待服务器在线，作为所有者导入或打开远程工具并做一次小语义调用，确认与本地结果一致。默认保持连接私有；公开市场发布、他人授权与隔离、负载行为、长期守护属于另行验证。GPU 或有状态负载先从一个 relay worker 开始，测量冷启动、热延迟、内存/显存、排队、超时、取消与恢复后再增加并发。模型每个提供方进程只加载一次，限制输入、响应、下载大小、运行时间与并发；本地绑定回环，relay 为出站，无需公网 IP 或防火墙改动。权重、数据、缓存与凭据不要进 Git。Ctrl-C 停止前台共享；持久运行使用网站给出的 tuplatform-service install 命令。仅移除本地登录用 tu remote logout；撤销平台连接并删除本地副本用 tu remote logout --revoke；仅 SDK 的已有 MCP 用 tuplatform-auth logout --revoke。
限制：资料未提供具体收费、价格、平台支持范围与效果数据；不要把安装受阻或仅发现通过的结果表述为“可用”。