Autogluon MCP

AutoGluon MCP

⚠️ 开发发布通知 这是一个 开发发布 （开发版）。该软件是： - 非 beta版本 - 非 释放候选人 - 非 稳定的释放 该软件正在积极开发中，可能包含错误、不完整的功能和破坏性的更改。使用风险自负。请勿在生产环境中使用。

基于Elixir的MCP（模型上下文协议）服务器，使用AutoGluon提供机器学习功能。

特性

• 表格预测：使用分类和回归的表格数据进行训练和预测
• 多模态学习：支持文本、图像和组合文本+图像数据
• 时间序列预测：预测时间序列数据中的未来值
• 模型评价：根据测试数据评估经过训练的模型
• 易于集成：用于培训、预测和评估的简单API

开发发布

⚠️ 这是一个开发版本，而不是测试版、候选版本或稳定版本。请勿在生产中使用。

快速开始

先决条件

• 灵丹妙药1.18+
• OpenSSL开发库

备注Python 3.8+和AutoGluon在编译过程中通过PythonX自动安装。

安装

git clone https://github.com/V-Sekai-fire/autogluon-mcp.git
cd autogluon-mcp
mix deps.get
mix compile

用法

STDIO传输（默认）

对于当地发展：

mix mcp.server

或使用release：

./_build/prod/rel/autogluon_mcp/bin/autogluon_mcp start

HTTP传输

对于web部署：

PORT=8081 MIX_ENV=prod ./_build/prod/rel/autogluon_mcp/bin/autogluon_mcp start

终点：

• POST / -JSON-RPC 2.0 MCP请求
• GET /sse -服务器发送流媒体事件
• GET /health -健康检查

可用工具

• autogluon_fit_tabular -根据训练数据训练一个表格预测器
• autogluon_predict_tabular -使用训练好的表格模型进行预测
• autogluon_fit_multimodal -训练多模态预测器（文本/图像/表格）
• autogluon_fit_timeseries -训练时间序列预测器进行预测
• autogluon_evaluate_model -根据测试数据评估训练好的模型

示例

工作室：

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "autogluon_fit_tabular",
    "arguments": {
      "train_data_path": "train.csv",
      "label": "class",
      "time_limit": 60
    }
  }
}

HTTP：

curl -X POST http://localhost:8081/ \
  -H "Content-Type: application/json" \
  -H "mcp-protocol-version: 2025-06-18" \
  -d '{"jsonrpc": "2.0", "id": 1, "method": "tools/call", "params": {"name": "autogluon_fit_tabular", "arguments": {"train_data_path": "train.csv", "label": "class"}}}'

配置

可选MCP配置：

服务器在初始化过程中支持可选配置：

• timeout_ms （整数，可选）：AutoGluon操作允许的最长时间（毫秒）。如果没有提供，则不会强制超时。必须在100到300000之间。防止资源耗尽和DoS攻击。

- 示例值： 5000, 10000, 30000

环境变量：

• MCP_TRANSPORT -运输类型("http" 或 "stdio")
• PORT -HTTP服务器端口（默认值：8081）
• HOST -HTTP服务器主机（默认值： 0.0.0.0 如果设置了端口，否则 localhost)
• MIX_ENV -环境(prod, dev, test)
• ELIXIR_ERL_OPTIONS -Erlang选项（设置为 "+fnu" 对于UTF-8）

运输选择：

1. 如果 MCP_TRANSPORT 已设置，请使用该传输
2. 如果 PORT 已设置，请使用HTTP传输
3. 否则，使用STDIO传输（默认）

AutoGluon功能

表格预测

为分类和回归任务训练结构化数据模型：

from autogluon.tabular import TabularDataset, TabularPredictor

train_data = TabularDataset('train.csv')
predictor = TabularPredictor(label='class').fit(train_data)
predictions = predictor.predict(test_data)

多模态学习

支持文本、图像和组合数据类型：

• 文本分类
• 图像分类
• 命名实体识别（NER）
• 目标检测
• 语义匹配

时间序列预测

预测时间序列中的未来值：

from autogluon.timeseries import TimeSeriesDataFrame, TimeSeriesPredictor

data = TimeSeriesDataFrame('timeseries.csv')
predictor = TimeSeriesPredictor(target='target', prediction_length=48).fit(data)
predictions = predictor.predict(data)

故障排除

未找到Python/AutoGluon：构建过程通过PythonX自动安装Python和AutoGluon。跑 mix clean && mix compile 如果问题持续存在。

端口已在使用中：更改 PORT 环境变量或停止冲突的服务。

编译错误：运行 mix deps.get && mix clean && mix compile.

调试模式：使用 MIX_ENV=dev mix mcp.server 用于详细日志记录。

内存问题：AutoGluon可能会占用大量内存。考虑设置时间限制或使用较小的数据集进行测试。

许可证

MIT许可证-有关详细信息，请参阅License.md。

贡献

看 开发.md 用于开发设置和贡献指南。

参考文献

• AutoGluon文档
• PythonX文档
• MCP协议