Mlflowmcpserver

🚀 MLflow MCP サーバー：自然言語インターフェースによる機械学習フロー

このプロジェクトは、モデルコンテキストプロトコル（MCP）を通じて、MLflow に自然言語インターフェースを提供します。簡単な英語で MLflow トラッキングサーバーをクエリすることができ、機械学習の実験とモデルの管理と探索が容易になります。

🚀 クイックスタート

MLflow MCP サーバーを使用することで、自然言語を使って MLflow トラッキングサーバーを操作できます。以下に基本的な手順を示します。

サーバーの起動

python mlflow_server.py

クエリの実行

python mlflow_client.py "MLflow で登録されているすべてのモデルを表示してください"

✨ 主な機能

• 自然言語クエリ：簡単な英語で MLflow トラッキングサーバーに関する質問をすることができます。
• 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できます。
• 実験トラッキング：実験と実行を一覧表示し、探索することができます。
• システム情報：MLflow 環境の状態とメタデータを取得できます。

📦 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の URI を設定します。

   export MLFLOW_TRACKING_URI=http://localhost:8080
   

📚 ドキュメント

概要

MLflow MCP エージェントは、以下の 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、モデルコンテキストプロトコル（MCP）を通じて MLflow の機能を公開します。
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することができます。

MLflow MCP サーバーの API

MLflow MCP サーバーは、以下の API を公開しています。

• /api/v1/predict：予測リクエストを処理します。
• /api/v1/models：登録されているすべてのモデルを一覧表示します。

これらの API を使用するには、サーバーがポート 5000 で稼働しているため、http://localhost:5000 にリクエストを送信してください。

制限事項

現在のバージョンは、以下の機能のみをサポートしています。

• 登録されたモデルの一覧表示
• 予測の実行

以下の操作はサポートされていません。

• モデルのアップロード
• モデルのバージョン管理
• 実験トラッキング

問題の報告

何か問題が発生した場合は、GitHub リポジトリに報告してください。