"Claude, A100 하나 띄워줘" — AI와 연동되는 CLI, vesslctl 출시

GPU 인스턴스, 왜 웹에서만 관리하세요?

Workspace 하나 만드는데 브라우저를 열고, 대시보드에 로그인하고, 설정을 클릭하고... 익숙하지만 느려요.

vesslctl은 VESSL Cloud의 공식 CLI예요. 터미널에서 Workspace 생성, Batch Job 실행, 데이터 업로드까지 모두 할 수 있어요. 그리고 한 가지 더, AI 코딩 도구에서 CLI 문서를 참조할 수 있는 MCP 서버를 바로 연결할 수 있어요.

30초 설치

# 설치
curl -fsSL https://api.cloud.vessl.ai/cli/install.sh | bash

# 로그인 (브라우저 OAuth)
vesslctl auth login

# 인증 상태 확인
vesslctl auth status

이게 끝이에요.

크레딧 확인하기
로그인이 끝나면 vesslctl billing show로 조직의 크레딧 잔액을 확인해 주세요. 잔액이 0이면 workspace create와 job create가 실행 직전에 차단돼요. 부족하면 VESSL Cloud에서 먼저 충전할 수 있어요.

핵심 워크플로우

Workspace 관리

# Workspace 생성 (PyTorch 이미지)
vesslctl workspace create \
  --cluster <cluster-name> \
  --resource-spec <spec-name> \
  --image "pytorch/pytorch:2.3.0-cuda12.1-cudnn8-devel" \
  --name "my-workspace"

# 상태 확인
vesslctl workspace show my-workspace

# SSH 접속
vesslctl workspace ssh my-workspace

# 잠시 중단 (과금 정지, 데이터 유지)
vesslctl workspace pause my-workspace

# 다시 시작
vesslctl workspace start my-workspace

vesslctl cluster list로 사용 가능한 클러스터를, vesslctl resource-spec list로 리소스 스펙을 확인할 수 있어요.

데이터 업로드

# Object storage Volume 생성
vesslctl volume create \
  --name my-dataset \
  --storage <storage-name> \
  --teams <team>

# S3 자격 증명 받기
vesslctl volume token my-dataset

# AWS CLI로 데이터 업로드
aws s3 cp ./data s3://my-dataset/ --recursive --endpoint-url <endpoint>

# 업로드 확인
vesslctl volume ls my-dataset

vesslctl storage list로 사용 가능한 Storage를 확인할 수 있어요.

Batch Job 실행

# Job 생성
vesslctl job create \
  --name my-training \
  --resource-spec <spec-name> \
  --image "pytorch/pytorch:2.3.0-cuda12.1-cudnn8-devel" \
  --cmd "python train.py --epochs 100"

# 실시간 로그
vesslctl job logs <job-id> --follow

Job 다섯 개로 Gemma 4를 파인튜닝하고 총 $1.72 쓴 실전 워크스루는 아래 포스트에서 이어 보세요.

노트북 닫아도 학습은 계속된다: CLI 한 줄로 시작하는 Batch Job

워크스페이스에서 개발하고, Batch Job으로 학습하세요. vesslctl CLI 한 줄이면 GPU 학습이 시작돼요.

VESSL AI Blog

AI 도구와 연결하기(MCP)

VESSL Cloud 문서가 MCP 서버로 제공되기 때문에, AI 코딩 어시스턴트가 vesslctl 명령어를 정확하게 참조하면서 도와줄 수 있어요.

MCP(Model Context Protocol)를 지원하는 AI 코딩 도구에서 자연어로 GPU 인프라를 관리할 수 있어요.

MCP 서버 URL

https://docs.cloud.vessl.ai/mcp

설정 방법

Claude Code

claude mcp add vessl --url https://docs.cloud.vessl.ai/mcp

Cursor

Settings > MCP Servers에서 아래 URL을 추가하세요:

https://docs.cloud.vessl.ai/mcp

Windsurf와 VS Code(Copilot)

MCP 설정 파일에 아래 내용을 추가하세요:

{
  "mcpServers": {
    "vessl": {
      "url": "https://docs.cloud.vessl.ai/mcp"
    }
  }
}

이렇게 쓸 수 있어요

AI 도구 채팅에서 자연어로 물어보면 vesslctl 명령어가 자동으로 생성돼요.

코드를 작성하다가 GPU가 필요해지면, 에디터를 떠나지 않고 바로 인프라를 관리할 수 있어요.

Claude Skill 설치

Claude Code를 쓰는 분이라면 vesslctl이 번들로 제공하는 Claude Skill을 함께 설치할 수 있어요. 한 번 설치하면 Claude Code가 vesslctl 명령어 사용법, 안전 규칙, 인자 형식을 미리 학습해서 더 정확하게 도와줘요.

vesslctl skill install --target claude-code

설치 후에는 Claude Code 세션에서 "A100 Workspace 만들어줘" 같이 자연어로 부탁하면 정확한 명령어가 실행돼요. MCP 서버와 같이 쓰면 더 풍부한 컨텍스트로 답변을 받을 수 있어요.

명령어 한눈에 보기

FAQ

참고 자료

• vesslctl CLI 문서
• MCP 서버 설정 가이드
• GPU 가격표(A100 SXM $1.55/hr, H100 SXM $2.39/hr, L40S $1.80/hr, CPU $0.20/hr)

이어 읽기

노트북 닫아도 학습은 계속된다: CLI 한 줄로 시작하는 Batch Job

노트북을 닫아도 Job은 계속 돌아요. vesslctl job create 한 줄로 원격 GPU에 학습을 던지고, Smart Pausing으로 크레딧 낭비까지 막아요.

VESSL AI Blog

15분 만에 끝내는 Gemma 4 파인튜닝

Google Gemma 4 E4B를 A100 한 장과 Unsloth로 15분 만에 파인튜닝해요. Object Storage 설정부터 평가까지 전 과정 가이드.

VESSL AI Blog