Mlflow

🚀 MLflow MCP サーバー：機械学習の自然言語インターフェース

このプロジェクトは、Model Context Protocol (MCP) を通じて MLflow に接続する自然言語インターフェースを提供します。これにより、通常の英語で MLflow トラッキングサーバーをクエリし、機械学習の実験とモデルの管理と探索をより簡単に行うことができます。

🚀 クイックスタート

MLflow MCP サーバーを使用することで、自然言語で MLflow トラッキングサーバーを操作できます。以下の手順に従って、サーバーを起動し、クエリを実行しましょう。

✨ 主な機能

• 自然言語クエリ：通常の英語で MLflow トラッキングサーバーに関する質問を行います。
• モデルレジストリ探索：登録されたモデルに関する情報を取得します。
• 実験トラッキング：実験と実行を一覧表示し、探索します。
• システム情報：MLflow 環境の状態とメタデータを取得します。

📦 インストール

前提条件

• Python 3.8 以上
• 稼働中の MLflow トラッキングサーバー（デフォルト：http://localhost:8080）
• LLM 用の OpenAI API キー

インストール手順

1. このリポジトリをクローンします：

   git clone https://github.com/iRahulPandey/mlflowMCPServer.git
   cd mlflowMCPServer
   

2. 仮想環境を作成します：

   python -m venv venv
   source venv/bin/activate  # Windows の場合は：venv\Scripts\activate
   

3. 必要なパッケージをインストールします：

   pip install mcp[cli] langchain-mcp-adapters langchain-openai langgraph mlflow
   

4. OpenAI API キーを設定します：

   export OPENAI_API_KEY=your_key_here
   

5. （オプション）MLflow トラッキングサーバー URI を構成します：

   export MLFLOW_TRACKING_URI=http://localhost:8080
   

💻 使用例

基本的な使用法

MCP サーバーの起動

まず、MLflow MCP サーバーを起動します：

python mlflow_server.py

このサーバーは、MLflow トラッキングサーバーに接続し、MCP を通じて MLflow 機能を提供します。

クエリの実行

サーバーが起動したら、クライアントを使用して自然言語クエリを実行できます：

python mlflow_client.py "What models do I have registered in MLflow?"

高度な使用法

以下は、いくつかのクエリ例です：

• "MLflow で登録されているすべてのモデルを表示"
• "すべての実験を一覧表示"
• "名前が 'iris-classifier' のモデルの詳細情報を取得"
• "MLflow サーバーの状態はどうですか？"

📚 ドキュメント

概要

MLflow MCP エージェントは、2 つの主要なコンポーネントで構成されています：

1. MLflow MCP サーバー (mlflow_server.py)：MLflow トラッキングサーバーに接続し、Model Context Protocol (MCP) を通じて MLflow 機能を提供します。
2. MLflow MCP クライアント (mlflow_client.py)：自然言語インターフェースを提供し、対話型 AI アシスタントを使用して MLflow MCP サーバーとやり取りします。

設定

環境変数を使用して動作をカスタマイズできます：

• MLFLOW_TRACKING_URI：MLflow トラッキングサーバーの URI を指定します（デフォルト：http://localhost:8080）
• OPENAI_API_KEY：OpenAI API のキーを設定します
• PYTHONPATH：必要なパスを追加します

制限事項

現在、このプロジェクトには以下の制限があります：

• サポートされるモデルレジストリ操作が限られています。
• 最近の実験と実行のみをクエリできます。
• 複雑なクエリのサポートが限られています。

将来の改善点

計画されている将来の改善点には以下が含まれます：

• より多くの MLflow 機能のサポートを追加する。
• 複雑なクエリをサポートするために自然言語処理能力を向上させる。
• 多言語サポートやグラフィカルインターフェースなど、ユーザー体験を改善する。