Multi-GPU AI Orchestrator (RTX 3090 + RTX 2070 Super)

Date: 07/02/2026 21:00 Status: IMPLEMENTÉ - En attente de push

Modifications effectuées

ai-orchestrator/app/main.py

1. GPU_CONFIG : constantes GPU (id, nom, VRAM) pour RTX 3090 (0) et RTX 2070 Super (1)
2. Tool.gpu_id : nouveau champ pour assigner chaque outil à un GPU
   • GPU 0 (RTX 3090) : ollama, comfyui, fooocus, wan21
   • GPU 1 (RTX 2070S) : bark, musicgen, applio, sadtalker, facefusion, triposr
3. active_tools : dict per-GPU {0: None, 1: None} remplace active_tool
4. GPUStatus : enrichi avec gpu_id, gpu_name
5. get_all_gpu_status() : requête nvidia-smi multi-GPU + helper get_gpu_status(gpu_id)
6. start_tool() : conflit uniquement sur le même GPU + CUDA_VISIBLE_DEVICES wrapper
7. stop_tool() : cleanup per-GPU
8. GET /api/gpu : retourne {gpus: [...], active_tools: {...}}
9. Tous les endpoints : active_tool → active_tools (/, /health, /api/worker/, /api/tools/)
10. Version : 2.0.0 → 3.0.0

mcp-claude-tools/server.py

• ai_status() : corrigé pour parser le nouveau format multi-GPU
• Fix des clés cassées (memory_used → vram_used, etc.)

Demande utilisateur additionnelle

L'utilisateur souhaite une instance Ollama dédiée sur la RTX 2070 Super (petits modèles < 8 Go). → À traiter dans un prochain ticket (nécessite installation 2e instance Ollama sur win11)

Déploiement

1. git push ai-orchestrator → CI/CD auto
2. git push mcp-claude-tools → push manuel + restart MCP