用途：该技能用于在 ToolUniverse 框架中把 Evo 2 配置并运行为一个远程工具（MCP 服务），可选通过 ToolUniverse Connect 中继对外共享。Evo 2 是面向基因组序列的模型，本工具暴露评分与嵌入两类调用。
主要能力：
- run_evo2_score：输入 DNA 序列，返回逐条记录的对数似然（scores 数组）与序列长度（sequence_lengths）。
- run_evo2_embed：默认返回 4096 维平均池化向量；对超大的 position_range 按浮点数量拒绝而非截断（4096 宽度下即四个位置），完整矩阵以 .npy 文件路径返回，不内联。
- 服务以 Streamable HTTP 形式监听 http://127.0.0.1:8041/mcp，模型在请求之间常驻显存。
验证状态（资料标注为 2026-10-01）：Evo 2 7B 在 NVIDIA GB10（aarch64，cc 12.1）上按优化套件的精确模式跑通。需为该架构额外构建两项：从源码编译 flash-attn（约 2 小时；缺少时 import evo2 无法工作，因为 vortex/model/rotary.py 未加保护地导入它，所以 mode = "off" 并不能绕过），以及为 Triton 准备 CUDA 12.9 的 ptxas（自带版本低于该卡要求）。在四次连续相同请求加一段混合形状序列上验证：首次调用耗时 243 秒（读取 12.8 GiB 检查点），之后每个 1024 bp 窗口 5.6–6.5 秒。显存峰值在 1024 bp 时为 16.82 GiB，8192 bp 时仅升至 19.98 GiB（长度 8 倍、显存 1.19 倍，7B 参数项占主导）。evo2_40b 不适用于此提供商：其权重 76.6 GiB，需要两张可见设备做 vortex 层切分，并通过 Transformer Engine 使用 FP8，本机均不具备。公开出版、跨用户隔离、并发、恢复与评分质量均未测试，资料建议保持私有部署。
使用方式：
- 前置条件：在 Linux、Python 3.12.3 下从 ToolUniverse 仓库根目录运行；需要 CUDA GPU（模型常驻，CPU 不是目标）；提供商数据、权重、缓存与凭证须放在 Git 之外；绑定回环地址，非回环绑定需要 TOOLUNIVERSE_API_TOKEN 且不得写入参数或结果。
- 契约检查：python scripts/remote_validation/setup_skill_preflight.py --implementation evo2；导出提供商资源后加 --check-provider-env，服务启动后加 --live 验证 MCP 工具集（不跑模型），共享前加 --check-connect-prereqs（仅报告密钥是否设置）。
- 创建两个环境：MCP 服务器环境与模型环境彼此不可互相导入。服务器侧：python3 -m venv .venvs/evo2，激活后升级 pip，python -m pip install -e .，再装 fastmcp。模型侧位于 TOOLUNIVERSE_EVO2_PYTHON 所指向路径，需先在该路径建空解释器（如 python3 -m venv ~/evo2-venv），再由 tu remote setup --only environment 依据 requirements.lock 以 --no-deps 填充。
- 导出 EVO2_OPT_WEIGHTS 与 TOOLUNIVERSE_EVO2_PYTHON，运行 tu remote setup evo2（五步：preflight、environment、kit、weights、smoke，可用 --only 单步执行）。smoke 步会持有模型、发一次请求、校验输出并把实测显存峰值写入 ~/.cache/tooluniverse/measured/evo2.json。
- 权重：EVO2_OPT_WEIGHTS 指向存放 evo2_7b.pt（12.8 GiB，sha256 校验）的平铺目录；请求时不拉取任何文件，清单声明每个权重文件的大小与 sha256，启动时若不符则拒绝。
- 本地启动：python -m tooluniverse.remote.evo2.evo2_tool，然后在另一 shell 用 fastmcp 客户端列出工具，确认包含 run_evo2_score。
- 共享：先安装 tuplatform-connect 0.3.0 的固定 SHA-256 轮子（未发布到 PyPI），再 tu remote login（支持浏览器设备授权，无头机器加 --no-browser），之后 tu remote share evo2 即可；也可用 tu remote check / tu remote run 做只读检查或纯本地前台服务。
- 示例调用：经本地 MCP 端点调用 run_evo2_score，传入 sequence 参数，返回 scores 与 sequence_lengths。
性能与调优：使用单 worker，常驻 worker 设计上一次只服务一个请求，第二个在途请求会在锁上排队而非翻倍显存；在同卡共置其他负载前先读 vram_budget_gb 与实测文件；测试需覆盖冷启动、至少四次连续相同请求、混合形状序列，再做 1/2/4/8（内存允许时 16）级并行，记录成功率、p50/p95、峰值内存/显存、利用率、排队、取消清理与恢复；只有单飞初始化与可恢复的 OOM/超时行为被证明后才增加 worker。
限制与排查：每一步拒绝都会指明问题并给出修复，退出码 3 为拒绝、1 为失败；worker 日志在 ~/.cache/tooluniverse/remote-logs/evo2-resident.log；模型侧导入失败可重跑 --only environment；权重不符时保留文件供检查后手动删除并重跑 --only weights；非回环绑定出现 401/403 需配置匹配的 bearer 认证；服务与中继用 Ctrl-C 停止，可用 tuplatform-service uninstall --name validation-evo2 卸载；注意 worker 可能比服务器存活更久，用 nvidia-smi 查询确认显存释放；撤销临时密钥后只删除 .venvs/evo2 与提供商缓存目录，切勿宽泛递归删除。该实现未经过 Platform 矩阵验证，所有证据均为单卡回环端点本地测试；请只使用实现 README 链接的官方上游文档，不要换用第三方模型镜像。