Mlflowagent

🚀 MLflow MCP サーバー：自然言語インターフェース付きの機械学習フロー

このプロジェクトは、モデルコンテキストプロトコル（MCP）を介して MLflow トラッキングサーバーに接続する、MLflow 用の自然言語インターフェースを提供します。これにより、plain English を使って MLflow トラッキングサーバーをクエリでき、機械学習の実験や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 サーバーを使って、自然言語で MLflow トラッキングサーバーをクエリすることができます。以下の手順に従って、セットアップと使用を行いましょう。

✨ 主な機能

• 自然言語クエリ：plain English で MLflow トラッキングサーバーに関する質問を行えます。
• モデルレジストリの探索：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+
• 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
   

💻 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 を介して MLflow 機能を公開します。

クエリの実行

サーバーが起動したら、クライアントを使っ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?"

クエリの例

• "表示我注册的所有模型"
• "列出所有我的实验"
• "获取名为 'iris-classifier' 的模型的详细信息"
• "我的 MLflow 服务器的状态如何？"

📚 ドキュメント

設定

環境変数を使っ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（デフォルト：http://localhost:8080）
• OPENAI_API_KEY：OpenAI API とのやり取りに使用するキー
• PYTHONPATH：mlflow や他の依存関係をインポートできるようにするためのパス

MLflow MCP サーバースクリプト

MLflow MCP サーバー (mlflow_server.py) は以下の機能をサポートしています：

1. モデルレジストリの探索：
   • すべての登録されたモデルを一覧表示する
   • 特定のモデルの詳細情報を取得する
2. 実験トラッキング：
   • すべての実験を一覧表示する
   • 特定の実験の詳細情報を取得する
3. システム情報：
   • MLflow サーバーの状態とメタデータを取得する

🔧 技術詳細

制限事項

• 現在は基本的なクエリ機能のみをサポートしています。
• 高度な分析機能は開発中です。

将来的な改善点

• より多くの MLflow 機能のサポートを追加する
• クエリの複雑さと精度を向上させる
• 多言語インターフェースのサポートを追加する

📄 ライセンス

このプロジェクトは以下のプロジェクトの貢献を感謝しています：

• Model Context Protocol (MCP)：mlflow
• LangChain：langchain
• MLflow：mlflow

このプロジェクトを通じて、MLflow ユーザーにより直感的で効率的なやり取り方法を提供することを目指しています。