Mlflow

🚀 MLflow MCP 服務器：機器學習的自然語言接口

本項目藉助 Model Context Protocol (MCP) 為 MLflow 打造了自然語言接口。通過使用普通英語查詢 MLflow 跟蹤服務器，能讓您更輕鬆地管理與探索機器學習實驗和模型。

🚀 快速開始

MLflow MCP 代理涵蓋兩個主要組件：

1. MLflow MCP 服務器 (mlflow_server.py)：連接至您的 MLflow 跟蹤服務器，通過 Model Context Protocol (MCP) 提供 MLflow 功能。
2. MLflow MCP 客戶端 (mlflow_client.py)：提供自然語言接口，藉助對話式 AI 助手與 MLflow MCP 服務器交互。

✨ 主要特性

• 自然語言查詢：用普通英語詢問關於 MLflow 跟蹤服務器的問題。
• 模型註冊表探索：獲取已註冊模型的相關信息。
• 實驗跟蹤：列出並探索實驗和運行情況。
• 系統信息：獲取 MLflow 環境的狀態和元數據。

📦 安裝指南

先決條件

• Python 3.8+
• 運行中的 MLflow 跟蹤服務器（默認：http://localhost:8080）
• 用於 LLM 的 OpenAI API 密鑰

安裝步驟

1. 克隆此倉庫：

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

2. 創建虛擬環境：

   python -m venv venv
   source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate
   

3. 安裝所需的包：

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

4. 設置您的 OpenAI API 密鑰：

   export OPENAI_API_KEY=your_key_here
   

5. （可選）配置 MLflow 跟蹤服務器 URI：

   export MLFLOW_TRACKING_URI=http://localhost:8080
   

💻 使用示例

基礎用法

啟動 MCP 服務器

首先啟動 MLflow MCP 服務器：

python mlflow_server.py

該服務器會連接到您的 MLflow 跟蹤服務器，並通過 MCP 提供 MLflow 功能。

執行查詢

一旦服務器運行，您可以使用客戶端進行自然語言查詢：

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

示例查詢：

• "顯示所有在 MLflow 中註冊的模型"
• "列出我的所有實驗"
• "獲取名為 'iris-classifier' 的模型的詳細信息"
• "我的 MLflow 服務器的狀態如何？"

📚 詳細文檔

您可以使用環境變量自定義行為：

• MLFLOW_TRACKING_URI：指定 MLflow 跟蹤服務器的 URI（默認：http://localhost:8080）
• OPENAI_API_KEY：設置 OpenAI API 的密鑰
• PYTHONPATH：添加必要的路徑

🔧 技術細節

限制

目前，該項目存在以下限制：

• 支持的模型註冊表操作有限。
• 只能查詢最近的實驗和運行。
• 對複雜查詢的支持有限。

未來改進

計劃中的未來改進包括：

• 增加對更多 MLflow 功能的支持。
• 提高自然語言處理能力以支持更復雜的查詢。
• 改善用戶體驗，例如支持多語言和圖形界面。