MLOps MCP服务器
](https://badge.fury.io/py/mlops-mcp-server)  
通过Claude Code实现AI驱动的MLOps工作流
MCP（模型上下文协议）服务器，使Claude能够与流行MLOps平台上的ML实验跟踪、模型注册表和部署管道进行交互。
特性
- MLW集成 -列出实验、比较运行、找到最佳模型、使用过滤器搜索
- 模型注册表 -浏览已注册的型号，跟踪版本，检查部署阶段
- 交叉平台的 -MLflow、Weights&Biases和SageMaker的统一界面（即将推出）
快速开始
安装
# Install from PyPI
pip install mlops-mcp-server
# Or install with all optional dependencies
pip install mlops-mcp-server[all]配置
添加到您的Claude Code MCP配置中(~/.claude.json):
{
"mcpServers": {
"mlops": {
"command": "mlops-mcp-server",
"env": {
"MLFLOW_TRACKING_URI": "http://localhost:5000"
}
}
}
}环境变量
| 变量 | 描述 | 默认值 |
|---|---|---|
MLFLOW_TRACKING_URI | mlflow跟踪服务器类型 | ./mlruns |
WANDB_API_KEY | 权重和偏差API键 | - |
AWS_REGION | SageMaker的AWS区域 | us-east-1 |
可用工具
实验跟踪
| 工具 | 说明 |
|---|---|
mlflow_list_experiments | 列出所有血流实验 |
mlflow_get_runs | 获取指标实验的运行记录 |
mlflow_compare_runs | 比较多个运行中的指标 |
mlflow_get_best_run | 按指标查找最佳运行 |
mlflow_search_runs | 使用类似SQL的筛选器运行搜索 |
模型注册表
| 工具 | 说明 |
|---|---|
mlflow_list_models | 列出已注册的型号 |
mlflow_get_model_versions | 获取模型版本历史记录 |
使用示例
列出实验
User: Show me all my MLflow experiments
Claude: [Uses mlflow_list_experiments]
Found 5 experiments:
1. fraud-detection (ID: 1) - 23 runs
2. recommendation-engine (ID: 2) - 45 runs
...寻找最佳模特
User: Which model has the highest accuracy in the fraud-detection experiment?
Claude: [Uses mlflow_get_best_run]
Best run: run_abc123
- Accuracy: 0.956
- Model: XGBoost
- Parameters: max_depth=6, learning_rate=0.1比较跑步记录
User: Compare the last 3 runs in terms of accuracy and F1 score
Claude: [Uses mlflow_compare_runs]
| Run ID | Accuracy | F1 Score |
|--------|----------|----------|
| abc123 | 0.956 | 0.943 |
| def456 | 0.948 | 0.935 |
| ghi789 | 0.951 | 0.940 |发展
设置
# Clone the repository
git clone https://github.com/elliottdevo8/mlops-mcp-server.git
cd mlops-mcp-server
# Create virtual environment
python -m venv venv
source venv/bin/activate
# Install in development mode
pip install -e ".[dev]"运行测试
pytest tests/ -v本地运行
# Start the server
python -m mlops_mcp.server
# Or use the CLI entry point
mlops-mcp-server路线图
- \[x\] 流体流动实验跟踪
- \[x\] MLflow模型注册表
- \[\]权重和偏差整合
- \[\]SageMaker模型注册表
- \[\]SageMaker端点管理
- \[\]模型漂移监测
- \[\]成本分析工具
贡献
欢迎投稿！请阅读我们的 贡献指南 了解详情。
许可证
MIT许可证-请参阅 许可证 了解详情。
致谢
与 模型上下文协议 通过Anthropic。