Mlflowagent

🚀 MLflow MCP 服務器：自然語言接口的機器學習流程

本項目為 MLflow 打造了自然語言界面，藉助模型上下文協議（MCP）與 MLflow 跟蹤服務器相連。您能用自然英語查詢 MLflow 跟蹤服務器，讓機器學習實驗和模型的管理與探索變得更輕鬆。

🚀 快速開始

MLflow MCP 代理涵蓋兩大主要組件：

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) 開放 MLflow 功能。
2. MLflow MCP 客戶端（mlflow_client.py）：提供自然語言界面，藉助對話式 AI 助手與 MLflow MCP 服務器展開交互。

✨ 主要特性

• 自然語言查詢：用自然英語詢問有關您的 MLflow 跟蹤服務器的問題。
• 模型 registry 探索：獲取已註冊模型的相關信息。
• 實驗跟蹤：列出並探索您的實驗和運行情況。
• 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）
• 用於大語言模型（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. 創建一個虛擬環境：

   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

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 開放 MLflow 功能。

執行查詢

服務器啟動後，您就能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：

• "顯示我註冊的所有模型"
• "列出所有我的實驗"
• "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

配置

您可利用環境變量自定義行為：

MLflow MCP 服務器腳本

MLflow MCP 服務器 (mlflow_server.py) 支持以下功能：

1. 模型 registry 探索：
   • 列出所有註冊的模型
   • 獲取特定模型的詳細信息
2. 實驗跟蹤：
   • 列出所有實驗
   • 獲取特定實驗的詳細信息
3. 系統信息：
   • 獲取 MLflow 服務器的狀態和元數據

🔧 技術細節

限制

• 目前僅支持基本的查詢功能
• 高級分析功能仍在開發中

未來改進

• 增加對更多 MLflow 功能的支持
• 提高查詢的複雜性和準確性
• 支持多語言界面

📄 許可證

此項目感謝以下項目的貢獻：

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

通過此項目，我們希望為 MLflow 用戶提供一個更直觀、更高效的交互方式。