Cloudera AI MCP

🚀 Cloudera 機器學習模型控制協議（MCP）

Cloudera 機器學習模型控制協議（MCP）實現了 Python 與 Cloudera 機器學習的集成，讓 Claude 能夠以編程方式與 CML 服務進行交互，為機器學習工作流帶來了極大的便利。

🚀 快速開始

安裝

1. 克隆此倉庫
2. 安裝依賴項：

pip install -r requirements.txt

配置

MCP 需要以下配置：

1. host：您的 CML 實例 URL（例如，"https://ml-xxxx.cloudera.site"）
2. api_key：用於身份驗證的 API 密鑰
3. project_id：您的 CML 項目 ID（可選 - 現在可以通過項目名稱獲取）

您可以在初始化 MCP 時通過代碼提供此配置，或使用環境變量：

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

URL 配置注意事項

⚠️ 重要提示

• 主機 URL 不應包含重複的 "https://" 前綴
• 自動處理尾部斜槓
• MCP 會自動正確格式化 URL

運行 MCP 服務器

此 MCP 可以作為服務器運行，允許 Claude 與 Cloudera ML 交互。

設置環境

複製示例 .env 文件並添加您的憑證：

cp .env.example .env
# 編輯 .env 文件以提供您的憑證

啟動服務器

./server.py

該服務器使用 stdio 運輸，默認情況下可以直接連接到 Claude。

與 Claude Desktop 結合使用

要將此服務器與 Claude Desktop 應用一起使用，請在 claude_desktop_config.json 的 "mcpServers" 部分中添加以下配置：

{
  // 其他配置...
  "mcpServers": {
    "my-mcp-server": {
      "type": "stdio",
      "command": ["python", "-m", "cloudera.mcp.server"],
      "args": []
    }
  }
}

✨ 主要特性

1. 上傳文件夾：將整個文件夾上傳到您的 CML 項目，同時保留目錄結構
2. 創建作業：使用自定義設置創建新的 CML 作業
3. 列出作業：查看項目中的所有作業及其當前狀態
4. 刪除作業：刪除單個作業或項目中的所有作業
5. 獲取項目 ID：通過項目名稱檢索項目 ID
6. 列出項目文件：查看項目中的文件和目錄
7. 模型管理：創建、列出和管理 ML 模型和部署
8. 實驗跟蹤：記錄和管理 ML 實驗和運行
9. 應用程序管理：創建、更新和管理 CML 應用程序

📦 安裝指南

克隆倉庫與安裝依賴

1. 克隆此倉庫
2. 安裝依賴項：

pip install -r requirements.txt

🔧 技術細節

配置要求

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

服務器運行

此 MCP 可以作為服務器運行，使用 stdio 運輸，默認情況下可直接連接到 Claude。

📄 許可證

本項目採用 MIT 許可證。