SuperAPI AI 工具集

setup-af2ig-remote-tool

智能体与模型

查看项目

更新于 10-20 05:55

技能介绍

用途:本工具将 AlphaFold 2 初始猜测(af2_initial_guess,来源于 nrbennet/dl_binder_design 的 cafa3853 提交)封装为 ToolUniverse 远程工具,提供安装、启动、校验和排障流程,并可选择通过中继共享。

主要能力与输入输出:

  • “ig”指 initial guess(初始猜测),输入是一个结构(PDB 复合物),不是序列。
  • 链约定:第 1 条链为 binder,其后所有链为 target;顺序颠倒不会报错,但会静默评估错误的界面。单链文件按单体预测,界面分数返回 null。
  • 目标输出为 pae_interaction(单位埃,领域工作阈值低于 10)。
  • 不构建 MSA、不联系外部服务:alignment 即查询序列本身(make_msa_features(msas=[[seq]]),max_msa_clusters = 5),模板由输入坐标生成。
  • 种子固定为上游的 jax.random.PRNGKey(0) 与 random_seed=0,工具不暴露 seed 参数。
  • num_recycle 与 initial_guess 为编译期参数,改变会重建常驻模型,回复中会标记 config_rebuilt。

使用方式: 前置条件:Linux、Python 3.12.3,从 ToolUniverse 仓库根目录运行;需要 CUDA GPU;provider 数据、权重、缓存与凭据应放在 Git 之外;绑定 loopback,非 loopback 需 TOOLUNIVERSE_API_TOKEN。 先运行契约检查: python scripts/remote_validation/setup_skill_preflight.py --implementation af2ig 导出 provider 资源后加 --check-provider-env;服务启动后加 --live;共享前加 --check-connect-prereqs。 创建两个环境:MCP 服务在 ToolUniverse 环境中运行,模型在独立环境中运行(CPython 3.11.5,路径由 TOOLUNIVERSE_AF2IG_PYTHON 指定),后者由 tu remote setup --only environment 依据 requirements.lock 以 --no-deps 安装。 设置命令: export TOOLUNIVERSE_AF2IG_PYTHON=~/af2ig-venv/bin/python export AF2_PARAMS=~/.af2ig tu remote setup af2ig 可用 --only preflight|environment|kit|weights|smoke 逐步执行。smoke 步骤最重:约 120 秒(其中 114.5 秒为请求本身),会记录峰值 VRAM 到 ~/.cache/tooluniverse/measured/af2ig.json。 启动并验证: python -m tooluniverse.remote.af2ig.af2ig_tool Streamable HTTP 端点为 http://127.0.0.1:8053/mcp;确认 discovery 包含 af2ig_predict。 授权与共享: tu remote login tu remote share af2ig 可选 --name 与 --workers;也可用 tu remote check af2ig 做就绪检查,tu remote run af2ig 仅本地前台运行。

验证状态与性能:2026-10-01 在 NVIDIA GB10(aarch64,cc 12.1,驱动 580.173.02)上验证,五个 setup 步骤通过,验收套件通过(残基阶梯 100/200/400、混合形状、四次相同请求、800 残基独立干净 worker、两次重建引擎测试;29 个请求 29 个结构 0 失败)。常驻复用收益:100 残基 95.0 秒冷启动对 3.6 秒常驻(26x);195 残基 142.4 秒对 6.3 秒(23x);800 残基 272.1 秒对 163.1 秒(1.7x),规划应以 800 残基数字为准。声明预算 6.0 GiB(也是输入上限),阶梯为 100/200/400/800 残基对应 0.5/1.0/2.0/6.0 GiB(报告值),实际工作集为 0.49/0.62/1.23/4.36 GiB。

已知注意事项:该 provider 的 VRAM 读数量化方式与 torch provider 不同;环境存在一处具名偏差(用 tensorflow 替代 tensorflow-cpu,因后者无 aarch64 wheel)。kit 模式为 off,仅向上游驱动传入 -host_outputs(L6)参数;其他优化杠杆因测量原因被拒。上游补丁树位于 kit 检出之外;weights 为 params/params_model_1_ptm.npz(373,103,340 字节),AF2_PARAMS 指向包含 params/ 的目录。

限制:公开发布、跨用户隔离、并发、恢复与科学质量尚未测试,需保持私有部署;CPU 不是目标;包/网络相关命令应在干净环境中重跑后再标记技能完成。