К основному содержанию
скилл CX Codex

cuopt-install — скилл для Claude Code: что делает и как установить

Помогает развернуть NVIDIA cuOpt для Python, C или REST-сервера через pip, conda и Docker, а также проверить готовность среды. Пригодится при настройке GPU-оптимизации маршрутов.

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add NVIDIA/skills --skill cuopt-install -a claude-code
Открыть на GitHub

Что делает cuopt-install

Скилл ведёт через установку NVIDIA cuOpt. Сначала агент выясняет стек: нужен ли Python, чистая библиотека C или отдельный REST-сервер. Затем подбирает команды под пакетный менеджер (pip, conda или контейнер Docker) и сверяет суффикс пакета с версией CUDA — 12.x или 13.x. После установки скилл даёт команды для проверки импорта в Python, поиска C-заголовков или вызова /cuopt/health у сервера.

Для работы требуется видеокарта с NVIDIA Compute Capability от 7.0 (архитектура Volta или новее: V100, A100, H100, серии RTX 20xx, 30xx, 40xx). Карты поколения Pascal вроде GTX 10xx не поддерживаются, поэтому на старом GPU запустить cuOpt не выйдет. Если ставится Python-пакет cuopt-cuXX, C-библиотека libcuopt и заголовочные файлы подтянутся автоматически как зависимость.

Какие задачи решает

  • подобрать команды установки cuOpt под pip, conda или Docker
  • согласовать версию пакета cuOpt с установленной CUDA 12.x или 13.x
  • запустить REST-сервер cuOpt в контейнере или локальной среде
  • проверить корректность установки cuOpt в Python или через эндпоинт /cuopt/health

Примеры запросов агенту

  • Помоги установить cuOpt для Python с CUDA 12 через pip
  • Как развернуть REST-сервер cuOpt в Docker и проверить health-эндпоинт?
  • Установи C-библиотеку libcuopt через conda на машину с CUDA 13

Как установить cuopt-install

1Через Skills CLI (Vercel)

npx skills add NVIDIA/skills --skill cuopt-install -a claude-code

2Вручную: положить файлы

~/.claude/skills/cuopt-install/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/cuopt-install/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Из того же набора178

rag-blueprint Скилл помогает разворачивать, настраивать и диагностировать NVIDIA RAG Blueprint. Он пригодится для управления сервисами RAG в Docker, Kubernetes или библиотечном режиме. CX Codex +1 3 300установок accelerated-computing-cudf Скилл помогает писать код для cuDF и dask-cuDF: ускорять pandas-задачи на GPU, переносить ETL и проверять совпадение результатов. CX Codex +1 3 100установок cuopt-developer Направляет ИИ-агента при доработке ядра NVIDIA cuOpt: помогает собирать проект и править C++/CUDA или Python-код без нарушения соглашений репозитория. CX Codex +1 2 700установок cudaq-guide Проводит по установке CUDA-Q, выбору целей симуляции, доступу к QPU и написанию кернелов на Python. Пригодится, когда нужно быстро разобраться с квантовым стеком NVIDIA. CX Codex +1 2 500установок data-designer Создаёт синтетические наборы данных и Python-конвейеры генерации. Пригодится, когда нужно описать структуру данных и получить скрипт для Data Designer. CX Codex +1 2 500установок deepstream-dev Помогает агенту собирать видеоаналитику на NVIDIA DeepStream SDK: GStreamer-пайплайны, вывод через TensorRT, трекинг и отправка сообщений в брокер. CX Codex +1 2 400установок nemo-retriever Индексирует и ищет данные в документах через CLI NeMo Retriever 26.8.1. Пригодится для работы с локальной базой LanceDB или удалённым сервисом поиска без написания обвязочного кода. CX Codex +1 2 400установок rag-eval Оценивает качество RAG по файловому набору с corpus/ и train.json. Нужен для сравнения настроек поиска и генерации по метрикам RAGAS. CX Codex +1 2 400установок

Похожие

gpu-server-management devops-skills Скилл ведёт агента по установке драйверов NVIDIA, CUDA и Docker с GPU, делит A100/H100 через MIG и настраивает мониторинг. CX Codex +1 331установок pod-doctor runpod Находит причины сбоев в подах Runpod: ошибки прокси 502, пропажу GPU после перезагрузки и зависания контейнеров. Работает в режиме чтения через MCP-инструменты Runpod. CX Codex +1 2 600установок build-models replicate Помогает упаковать свою модель в контейнер Cog и запустить её локально. Пригодится, когда есть веса или чужой проект с HuggingFace и нужен predict.py. CX Codex +1 1 800установок cuopt-user-rules официальный NVIDIA cuOpt Team Скилл задаёт агенту правила, как помогать с NVIDIA cuOpt: маршрутизация, LP, MILP, QP, установка и сервер. CX Codex GP ChatGPT ★ 7 596звёзд репо vllm-server devops-skills Развёртывает серверы инференса vLLM с непрерывным батчингом и поддержкой тензорного параллелизма. Пригодится для запуска открытых моделей с API, совместимым с OpenAI. CX Codex +1 314установок

Рядом в теме «ИИ и ML»

Всё по теме «ИИ и ML» →

Вопросы о cuopt-install

Как установить cuopt-install в Claude Code?

Выполните в терминале команду npx skills add NVIDIA/skills --skill cuopt-install -a claude-code. Агент подключит скилл и сможет настраивать пакеты cuOpt.

Что делает cuopt-install?

Он подбирает команды для развёртывания cuOpt через pip, conda или Docker, учитывая версию CUDA и интерфейс — Python, C или REST-сервис. В него также входят шаги проверки окружения.

Какие видеокарты поддерживает cuOpt?

Нужен GPU с Compute Capability не ниже 7.0 (Volta, Ampere, Hopper или RTX 20xx/30xx/40xx) и совместимый драйвер. Видеокарты серии GTX 10xx на архитектуре Pascal не поддерживаются.

Исходный текст

SKILL.md · Apache-2.0
---
name: cuopt-install
version: "26.10.00"
description: Install cuOpt for Python, C, or server via pip, conda, or Docker; verify the install. For building cuOpt from source, see cuopt-developer.
license: Apache-2.0
metadata:
  author: NVIDIA cuOpt Team
  tags:
    - cuopt
    - install
    - deployment
    - python
    - server
---



# cuOpt Install (user)

Install cuOpt to *use* it from Python, C, or as a REST server. For building cuOpt from source to contribute or modify it, see `cuopt-developer`.

## System requirements

- **GPU**: NVIDIA Compute Capability ≥ 7.0 (Volta or newer). Examples: V100, A100, H100, RTX 20xx/30xx/40xx. Not supported: GTX 10xx (Pascal).
- **CUDA**: 12.x or 13.x. The package CUDA suffix must match the runtime CUDA (e.g. `cuopt-cu12` / `libcuopt-cu12` with CUDA 12).
- **Driver**: NVIDIA driver compatible with the CUDA version.
- `cuopt-cuXX` (Python) depends on `libcuopt-cuXX` (C), so installing the Python package also installs the C library and headers. Installing `libcuopt-cuXX` on its own does **not** install the Python API.

## Required questions

Ask these if not already clear:

1. **Interface** — Python, C, or REST server? Server can be called from any language via HTTP.
2. **CUDA version** — What is installed? Check with `nvcc --version` or `nvidia-smi`.
3. **Package manager** — pip, conda, or Docker preferred?
4. **Environment** — Local machine with GPU, cloud instance, Docker/Kubernetes, or remote/server (no local GPU)?

## Python API

**Choose one** — do not run both. The second install would override the first and can cause CUDA / package mismatch.

### pip

- **CUDA 13.x:**
  ```bash
  pip install --extra-index-url=https://pypi.nvidia.com cuopt-cu13
  ```
- **CUDA 12.x:**
  ```bash
  pip install --extra-index-url=https://pypi.nvidia.com 'cuopt-cu12==26.2.*'
  ```

### conda

```bash
conda install -c rapidsai -c conda-forge -c nvidia cuopt
```

### Verify

```python
import cuopt
print(cuopt.__version__)
from cuopt import routing
dm = routing.DataModel(n_locations=3, n_fleet=1, n_orders=2)
```

## C API

The C API ships in `libcuopt-cuXX`, which is also pulled in as a dependency of `cuopt-cuXX` — so if you already installed the Python package, the C library and headers are already present. Install `libcuopt` standalone only when you want the C API without Python. **Choose one** of pip or conda — do not run both.

### pip

- **CUDA 13.x:**
  ```bash
  pip install --extra-index-url=https://pypi.nvidia.com libcuopt-cu13
  ```
- **CUDA 12.x:**
  ```bash
  pip install --extra-index-url=https://pypi.nvidia.com 'libcuopt-cu12==26.2.*'
  ```

### conda

```bash
conda install -c rapidsai -c conda-forge -c nvidia libcuopt
```

### Verify

See [`references/verification_examples.md`](references/verification_examples.md)
for the canonical C-API header/library `find` commands (conda and pip/venv variants).

## Server (REST)

### pip

```bash
pip install --extra-index-url=https://pypi.nvidia.com cuopt-server-cu12 cuopt-sh-client
```

### conda

```bash
conda install -c rapidsai -c conda-forge -c nvidia cuopt-server cuopt-sh-client
```

### Docker

```bash
docker pull nvidia/cuopt:latest-cuda12.9-py3.13
docker run --gpus all -it --rm -p 8000:8000 nvidia/cuopt:latest-cuda12.9-py3.13
```

### Verify

```bash
python -m cuopt_server.cuopt_service --ip 0.0.0.0 --port 8000 &
sleep 5
curl -s http://localhost:8000/cuopt/health | jq .
```

## Common Issues

- `No module named 'cuopt'` → check `pip list | grep cuopt`, `which python`, reinstall with the correct extra-index-url.
- CUDA not available → run `nvidia-smi` and `nvcc --version`; ensure the package CUDA suffix (`cu12` vs `cu13`) matches the installed CUDA.
- Python vs C → `cuopt-cuXX` pulls in `libcuopt-cuXX` as a transitive dependency, so the C library (`libcuopt.so`) and headers (`cuopt_c.h`) are already available after installing the Python package. The reverse is **not** true: `libcuopt-cuXX` alone does not install the Python bindings.

## See also

- [verification_examples.md](references/verification_examples.md) — full verification recipes for Python, C, server, and Docker.
- `cuopt-developer` — build cuOpt from source and contribute to the codebase.

© NVIDIA cuOpt Team · Apache-2.0 · NVIDIA/skills

Смотрите также

Спонсоры проекта

Компании, которые помогают держать аналитику открытой