用途 该技能用于将 AlphaFold 3 的 JAX 分支（AF3-JAX，sokrypton/alphafold3 开放分支，运行 OpenFold3-preview2 公开权重）配置为 ToolUniverse 的远程工具，并可选择经由 ToolUniverse Connect 中继共享。资料将其定位为“远程工具标准”实现：MCP 服务器与模型运行在彼此隔离的两套 Python 环境中。
主要能力 提供一条从环境准备到本地验证的结构化流程：标准库契约检查（setup_skill_preflight.py）、两套虚拟环境创建、依赖锁定安装、权重与仓库准备、冒烟测试、启动 MCP 服务、调用 af3_jax_predict 预测接口，以及通过 tu remote 系列命令进行登录、分享、检查与本地运行。支持在单张 CUDA GPU 上常驻模型并复用已编译计算图，以减少重复请求耗时。
使用方式 前提为 Linux、Python 3.12.3、CUDA GPU；先从 ToolUniverse 仓库根目录运行预检。创建 ToolUniverse 环境（python3 -m venv .venvs/af3_jax，安装 -e . 与 fastmcp），并按 TOOLUNIVERSE_AF3_JAX_PYTHON 指定路径创建模型专用空解释器，再由 tu remote setup --only environment 依据 requirements.lock 安装。设置 TOOLUNIVERSE_AF3_JAX_PYTHON、AF3_JAX_REPO、AF3_JAX_PARAMS_ROOT 后运行 tu remote setup af3_jax，可拆分为 preflight、environment、kit、weights、smoke 五步。启动服务后使用 Streamable HTTP 端点 http://127.0.0.1:8045/mcp，通过 fastmcp Client 列出工具并确认 af3_jax_predict 存在；示例请求以 sequences 与 seed 参数调用，返回非空 structures 列表（按排名分数排序）及 weights_held_by="worker"，mmCIF 文本需通过 return_structures 显式开启。分享使用 tu remote login 与 tu remote share af3_jax；Connect 中继需安装带 SHA-256 固定的 tuplatform-connect 轮子，并使用 tu doctor 与 tu serve --share。
适用场景 适合在单卡 Linux 服务器上私有部署 AF3-JAX 推理服务，进行本地结构预测、接口验证与单机共享；资料明确建议保持私有部署。
限制与注意事项 该提供方必须使用上游标志 --tokamax_autotuning_cache_miss_fallback=autotune，否则因共享内存超限无法编译；VRAM 预算数值为粗粒度上界，需按清单与实测文件调度；单 worker 一次只服务一个请求；不同 padding 桶首次请求需支付编译与 autotune 成本。资料称公开发布、跨用户隔离、并发、恢复与科学质量未测试；Connect 中继尚未在 PyPI 发布；不要将密钥放入参数或结果，非回环绑定需 TOOLUNIVERSE_API_TOKEN。