Cloudera AI MCP

🚀 Cloudera 機械学習モデル制御プロトコル（MCP）

この MCP は、Python と Cloudera 機械学習を統合し、Claude がプログラムで CML サービスとやり取りできるようにします。

🚀 クイックスタート

この MCP を使用することで、Claude は CML サービスとプログラムでやり取りできるようになります。以下に、基本的な使い方を説明します。

✨ 主な機能

1. フォルダのアップロード：ディレクトリ構造を保持したまま、フォルダ全体を CML プロジェクトにアップロードします。
2. ジョブの作成：カスタム設定を使用して、新しい CML ジョブを作成します。
3. ジョブの一覧表示：プロジェクト内のすべてのジョブとその現在の状態を表示します。
4. ジョブの削除：単一のジョブまたはプロジェクト内のすべてのジョブを削除します。
5. プロジェクト ID の取得：プロジェクト名からプロジェクト ID を検索します。
6. プロジェクトファイルの一覧表示：プロジェクト内のファイルとディレクトリを表示します。
7. モデル管理：ML モデルとデプロイの作成、一覧表示、管理を行います。
8. 実験トラッキング：ML 実験と実行の記録と管理を行います。
9. アプリケーション管理：CML アプリケーションの作成、更新、管理を行います。

📦 インストール

1. このリポジトリをクローンします。
2. 依存関係をインストールします。

   pip install -r requirements.txt
   

📚 ドキュメント

設定

MCP は以下の設定が必要です。

1. host：あなたの CML インスタンスの URL（例："https://ml-xxxx.cloudera.site"）
2. api_key：認証に使用する API キー
3. project_id：あなたの CML プロジェクト ID（オプション - 現在はプロジェクト名から取得できます）

この設定は、MCP を初期化する際にコードで提供するか、環境変数を使用することができます。

export CLOUDERA_ML_HOST="https://ml-xxxx.cloudera.site"
export CLOUDERA_ML_API_KEY="your-api-key"
# オプション：export CLOUDERA_ML_PROJECT_ID="your-project-id"

URL 設定の注意事項

• ホスト URL には重複する "https://" プレフィックスを含めないでください。
• 末尾のスラッシュは自動的に処理されます。
• MCP は URL を自動的に正しくフォーマットします。

MCP サーバーの実行

この MCP はサーバーとして実行でき、Claude が Cloudera ML とやり取りできるようになります。

環境の設定

サンプルの .env ファイルをコピーし、あなたの認証情報を追加します。

cp .env.example .env
# .env ファイルを編集してあなたの認証情報を提供します

サーバーの起動

./server.py

このサーバーは stdio トランスポートを使用し、デフォルトでは Claude に直接接続できます。

Claude Desktop との連携

このサーバーを Claude Desktop アプリと一緒に使用するには、claude_desktop_config.json の "mcpServers" セクションに以下の設定を追加します。

{
  // その他の設定...
  "mcpServers": {
    "my-mcp-server": {
      "type": "stdio",
      "command": ["python", "-m", "cloudera.mcp.server"],
      "args": []
    }
  }
}

要件

• Python 3.8+
• requests
• pathlib
• python-dotenv
• mcp[cli]

📄 ライセンス

MIT