Optuna MCP

🚀 Optuna MCP Server

Optuna MCP Serverは、Optunaを使用して最適化と分析を自動化するModel Context Protocol (MCP)サーバーです。このサーバーを利用することで、様々なタスクのハイパーパラメータ最適化や結果分析を効率的に行うことができます。

🚀 クイックスタート

Optuna MCP Serverは、以下のようなユースケースで利用できます。詳細については、Examplesセクションを参照してください。

• LLMsによる自動ハイパーパラメータ最適化
• チャットインターフェースを介したOptunaの最適化結果のインタラクティブな分析
• 他のMCPツールの入出力の最適化

✨ 主な機能

Optuna MCP Serverは、Optunaの機能を活用して、最適化と分析を自動化します。具体的には、以下のようなツールを提供します。

• Study：新しいOptunaスタディの作成、サンプラーの設定、スタディ名の取得など
• Trial：新しいパラメータの提案、試行結果の報告、ユーザー属性の設定など
• Visualization：最適化履歴、パラメータ重要度、パレートフロントなどの可視化
• Web Dashboard：Optunaダッシュボードの起動

📦 インストール

Optuna MCPサーバーは、uvまたはDockerを使用してインストールできます。このセクションでは、MCPクライアントの例としてClaude Desktopを使用して、Optuna MCPサーバーのインストール方法を説明します。

uvを使用した場合

インストールプロセスを開始する前に、Astralからuvをインストールしてください。 その後、MCPクライアントにOptuna MCPサーバーの設定を追加します。Claude Desktopに含めるには、Claude > Settings > Developer > Edit Config > claude_desktop_config.jsonに移動し、以下を追加します。

{
  "mcpServers": {
    "Optuna": {
      "command": "uvx",
      "args": [
        "optuna-mcp"
      ]
    }
  }
}

さらに、結果を永続化するために--storage引数でOptunaストレージを指定することができます。

{
  "mcpServers": {
    "Optuna": {
      "command": "uvx",
      "args": [
        "optuna-mcp",
        "--storage",
        "sqlite:///optuna.db"
      ]
    }
  }
}

これを追加した後、Claude Desktopアプリケーションを再起動してください。Claude Desktopの詳細については、クイックスタートページを確認してください。

Dockerを使用した場合

Dockerを使用してOptuna MCPサーバーを実行することもできます。Dockerがマシンにインストールされ、実行されていることを確認してください。

{
  "mcpServers": {
    "Optuna": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "--net=host",
        "-v",
        "/PATH/TO/LOCAL/DIRECTORY/WHICH/INCLUDES/DB/FILE:/app/workspace",
        "optuna/optuna-mcp:latest",
        "--storage",
        "sqlite:////app/workspace/optuna.db"
      ]
    }
  }
}

💻 使用例

2D-Sphere関数の最適化

ここでは、2D-Sphere関数を最適化する簡単な例を示します。ユーザーのプロンプトとClaudeでの出力の例を以下に示します。

ユーザープロンプト	Claudeでの出力
(Claude Desktopを起動)
最小化のために、"Optimize-2D-Sphere"という名前のOptunaスタディを作成してください。
[-1, 1]の範囲で2つの浮動小数点数パラメータx, yを提案してください。
目的関数の値x**2 + y**2を報告してください。値を計算するには、JavaScriptインタープリタを使用し、値を丸めないでください。
別のパラメータセットを提案し、評価してください。
これまでの最適化履歴をプロットしてください。

Optunaダッシュボードの起動と最適化結果の分析

MCPサーバーを介してOptunaダッシュボードを起動し、最適化結果をインタラクティブに分析することもできます。

ユーザープロンプト	Claudeでの出力
Optunaダッシュボードを起動してください。

デフォルトでは、Optunaダッシュボードはポート58080で起動されます。Webブラウザでhttp://localhost:58080にアクセスすることで、以下のようにアクセスできます。 Optunaダッシュボードは、最適化履歴、パラメータ重要度など、最適化結果を分析するための様々な可視化機能を提供します。

FFmpegエンコーディングパラメータの最適化

このデモでは、Optuna MCPサーバーを使用して、最適なFFmpegエンコーディングパラメータを自動的に見つける方法を紹介します。x264エンコーディングオプションを最適化して、映像品質（SSIMスコアで測定）を最大化しつつ、エンコーディング時間を合理的に保ちます。 詳細については、examples/ffmpeg.mdを参照してください。

クッキーレシピの最適化

この例では、論文 "Bayesian Optimization for a Better Dessert" を参照して、クッキーレシピを最適化します。 詳細については、examples/cookie-recipeを参照してください。

Matplotlib設定の最適化

Optuna MCPによるデフォルトと最適化された図。

この例では、Matplotlibの設定を最適化します。 詳細については、[examples/auto-matplotlib](https://github.com/optuna/optuna-mcp/tree/main/examples/auto-matplotlib/README.md)を参照してください。

📚 ドキュメント

Optuna MCPは、以下のツールを提供します。具体的には、Study、Trial、Visualization、DashboardなどのOptunaの基本関数を提供します。MCPクライアントはツールのリストと各ツールの詳細を知っているため、ユーザーはそれらの詳細を覚える必要はありません。

Study

• create_study：指定されたstudy_nameとdirectionsで新しいOptunaスタディを作成します。スタディがすでに存在する場合は、単に読み込まれます。
  • study_name : スタディの名前 (文字列、必須)。
  • directions: 最適化の方向 (minimize/maximizeのリテラル文字列のリスト、オプション)。
• set_sampler：スタディのサンプラーを設定します。
  • name : サンプラーの名前 (文字列、必須)。
• get_all_study_names：ストレージからすべてのスタディ名を取得します。
• set_metric_names：metric_namesを設定します。metric_namesは、各目的値が何であるかを区別するために使用されるラベルです。
  • metric_names : 各目的のメトリック名のリスト (文字列のリスト、必須)。
• get_metric_names：metric_namesを取得します。
  • パラメータは不要です。
• get_directions：スタディの方向を取得します。
  • パラメータは不要です。
• get_trials：すべての試行をCSV形式で取得します。
  • パラメータは不要です。
• best_trial：最良の試行を取得します。
  • パラメータは不要です。
• best_trials：スタディのパレートフロントに位置する試行を返します。
  • パラメータは不要です。

Trial

• ask：Optunaを使用して新しいパラメータを提案します。
  • search_space : Optunaの探索空間 (辞書、必須)。
• tell：試行の結果を報告します。
  • trial_number : 試行番号 (整数、必須)。
  • values : 試行の結果 (浮動小数点数または浮動小数点数のリスト、必須)。
• set_trial_user_attr：試行のユーザー属性を設定します。
  • trial_number: 試行番号 (整数、必須)。
  • key: ユーザー属性のキー (文字列、必須)。
  • value: ユーザー属性の値 (任意の型、必須)。
• get_trial_user_attrs：試行のユーザー属性を取得します。
  • trial_number: 試行番号 (整数、必須)。

Visualization

• plot_optimization_history：最適化履歴のプロットを画像として返します。
  • target: 表示する値を指定するインデックス (整数、オプション)。
  • target_name: 軸ラベルに表示するターゲットの名前 (文字列、オプション)。
• plot_hypervolume_history：ハイパーボリューム履歴のプロットを画像として返します。
  • reference_point : ハイパーボリュームを計算するための参照点のリスト (浮動小数点数のリスト、必須)。
• plot_pareto_front：多目的最適化のパレートフロントのプロットを画像として返します。
  • target_names: 軸タイトルとして使用される目的名のリスト (文字列のリスト、オプション)。
  • include_dominated_trials: すべての支配された試行の目的値を含めるフラグ (ブール値、オプション)。
  • targets: 表示する目的値を指定するインデックスのリスト (整数のリスト、オプション)。
• plot_contour：等高線プロットを画像として返します。
  • params : 可視化するパラメータのリスト (文字列のリスト、オプション)。
  • target : 表示する値を指定するインデックス (整数、必須)。
  • target_name : カラーバーに表示するターゲットの名前 (文字列、必須)。
• plot_parallel_coordinate：平行座標プロットを画像として返します。
  • params : 可視化するパラメータのリスト (文字列のリスト、オプション)。
  • target : 表示する値を指定するインデックス (整数、必須)。
  • target_name : 軸ラベルと凡例に表示するターゲットの名前 (文字列、必須)。
• plot_slice：スライスプロットを画像として返します。
  • params : 可視化するパラメータのリスト (文字列のリスト、オプション)。
  • target : 表示する値を指定するインデックス (整数、必須)。
  • target_name : 軸ラベルに表示するターゲットの名前 (文字列、必須)。
• plot_param_importances：パラメータ重要度のプロットを画像として返します。
  • params : 可視化するパラメータのリスト (文字列のリスト、オプション)。
  • target : 表示する値を指定するインデックス (整数/null、オプション)。
  • target_name : 凡例に表示するターゲットの名前 (文字列、必須)。
• plot_edf：EDFプロットを画像として返します。
  • target : 表示する値を指定するインデックス (整数、必須)。
  • target_name : 軸ラベルに表示するターゲットの名前 (文字列、必須)。
• plot_timeline：タイムラインプロットを画像として返します。
  • パラメータは不要です。
• plot_rank：ランクプロットを画像として返します。
  • params : 可視化するパラメータのリスト (文字列のリスト、オプション)。
  • target : 表示する値を指定するインデックス (整数、必須)。
  • target_name : カラーバーに表示するターゲットの名前 (文字列、必須)。

Web Dashboard

• launch_optuna_dashboard：Optunaダッシュボードを起動します。
  • port: サーバーポート (整数、オプション、デフォルト: 58080)。

📄 ライセンス

MITライセンス (詳細はLICENSEを参照)。