# XCE MCP 演示设计（面向领导与同事）

## 目标

展示「自然语言操作 HPC 集群」：不用命令行、不用记语法，通过 MCP 让 AI 助手直接查询、提交、诊断、调整作业。观众无需理解 XCE/集群内部机制，只需看到「一句话 → 集群动作 → 结果」。

## 叙事主线（一个工程师的日常）

> 一位工程师（"我"）用对话的方式管理一批计算作业：查状态 → 看为什么排队 → 提交新作业 → 观察运行 → 诊断失败 → 清理。全程用自然语言，AI 助手调用集群工具完成。

## 环境与前置

| 项 | 状态 |
|---|---|
| 集群 | t1/t2/t3（3 计算节点），controller/scheduler/apiserver 健康 |
| MCP server | `/tmp/xce-mcp`（最新构建）|
| API key | `export XCE_API_KEY=<mcp_operator key>`（90 天，见 `/tmp/xce_apikey`）|
| 演示机 | 任意可 ssh 到 t1 的终端，用 python 驱动 MCP stdio 或直接对话 |

**演示前清理**：删除历史 EXIT/DONE 作业（保持列表干净），确保 worker 在线。

## 演示流程（约 10 分钟）

### 场景 1：总览——"我的集群现在怎么样"（2 分钟）
- **问**：「看看集群现在有哪些节点、资源怎么样」
- **工具**：`scheduler_cluster_metrics` + `scheduler_list_nodes`
- **展示**：3 节点在线、总核数、空闲资源，直观的集群健康度
- **讲解点**：AI 能读懂集群状态并总结，不用查文档

### 场景 2：作业队列——"都有什么作业在跑/排队"（1 分钟）
- **问**：「列出当前所有作业，特别是排队的」
- **工具**：`scheduler_list_jobs`
- **展示**：作业列表（名字/状态/队列/提交人），PEND 的作业一眼可见
- **讲解点**：MCP 把「作业列表」这种高频操作变成一句话

### 场景 3：为什么排队——"这作业为什么还没跑"（2 分钟）
- **问**：「有一个作业一直 pending，帮我看看为什么」
- **工具**：`scheduler_pend_reasons`（bjobs -p 等价）
- **展示**：返回「waiting: no host matches... host t1: match_fail」可读解释
- **讲解点**：**核心价值**——以前要翻日志猜原因，现在 AI 直接给出原因（配额/资源/匹配）

### 场景 4：提交作业——"帮我把这个任务跑起来"（2 分钟）
- **问**：「提交一个 sleep 60 的作业到 xce 队列」
- **工具**：`scheduler_submit`（先 dry_run 预览 → 再真实提交）
- **展示**：先展示「将要提交的规格」，确认后提交，返回 jobid
- **讲解点**：写操作有**预览 + 确认**安全机制，不是盲目执行

### 场景 5：等待完成——"帮我等这个作业跑完"（1 分钟）
- **问**：「等刚才那个作业跑完」
- **工具**：`scheduler_wait_job`
- **展示**：阻塞等待 → 返回最终状态（succeeded）
- **讲解点**：AI 能「等待并汇报结果」，交互式而非一次性

### 场景 6：资源建议——"帮我估算一下要多少资源"（1 分钟）
- **问**：「我要跑一个 8 小时的科学计算，帮我看看要多少核/内存」
- **工具**：`scheduler_suggest_resources` + `scheduler_estimate_wait_time`
- **展示**：根据集群容量给出建议核数/预估等待
- **讲解点**：AI 结合集群实时状态给建议，不只是套公式

### 场景 7：清理——"把不需要的作业都取消"（收尾，1 分钟）
- **问**：「取消刚才提交的那个测试作业」
- **工具**：`scheduler_cancel`
- **展示**：干净收尾，展示「有确认机制」的安全感
- **讲解点**：破坏性操作有保护

## 讲解要点（给观众的价值主张）

1. **效率**：5 个常用操作（查/排/看/提/等）从「命令+文档」变成「一句话」
2. **透明**：PEND 原因、资源建议都有可读解释，不再黑盒
3. **安全**：写操作（提交/取消/挂起）先预览、需确认，不会误操作
4. **可扩展**：MCP 协议标准，未来可接更多集群操作

## 演示脚本（MCP stdio 驱动，python）

见 `mcp-demo-run.py`（同目录）——自动执行场景 1-7，输出每一步的「用户问 → 工具 → 结果」。

## 备选/延伸（时间充裕时）

- **多作业调度**：提交 3 个作业，展示负载均衡（各节点分配）
- **故障演示**：模拟一个作业失败（命令故意报错），`scheduler_analyze_failure` 诊断
- **挂起/恢复**：`scheduler_hold`/`release` 演示管理员控制

## 风险与规避

| 风险 | 规避 |
|---|---|
| 演示中作业意外失败 | 用 `sleep 60` 这类可靠命令，避免真实计算 |
| 网络/集群抖动 | 演示前确认 3 节点 OK + worker 在线 |
| 观众不懂 HPC | 全程用「作业/排队/节点」类比「任务/等待/机器」，不讲协议 |
| key 失效 | 演示前重新生成 mcp_operator key |