用途：在分布式 E2B 沙箱环境中部署、训练和管理神经网络。可训练自定义模型，也可使用市场中的预训练模板。
安装与登录： claude mcp add flow-nexus npx flow-nexus@latest mcp start npx flow-nexus@latest register npx flow-nexus@latest login
主要能力：
- 单节点训练，支持 feedforward、lstm、gan、autoencoder、transformer 架构，训练档位分 nano、mini、small、medium、large。
- 模型推理 neural_predict，返回预测结果、推理耗时与模型版本。
- 模板市场，可按分类、档位与关键词检索并部署模板，例如 sentiment-analysis-v2。
- 分布式训练集群，支持 topology（mesh、ring、star、hierarchical）、共识机制与 WASM 优化，可部署 parameter_server、worker、aggregator 节点并启动分布式训练。
- 联邦学习，训练时数据保留在本地节点，支持聚合轮数与每轮最小节点数设置。
- 模型管理：列出模型、查看训练状态、性能基准测试、创建验证工作流。
- 发布与市场：将模型发布为模板、对模板评分。
使用方式：以 MCP 工具调用形式使用，例如 mcp__flow-nexus__neural_train、mcp__flow-nexus__neural_predict、mcp__flow-nexus__neural_cluster_init、mcp__flow-nexus__neural_train_distributed 等。
适用场景：图像分类、NLP 情感分析、时间序列预测，以及隐私敏感数据的联邦学习。
限制：分布式训练需要认证。文档提及可注册或使用 npx flow-nexus@latest register。其他前提、收费与价格信息暂未提供。