Mlflowagent

🚀 MLflow MCP 服务器：自然语言接口的机器学习流程

本项目为 MLflow 打造了自然语言界面，借助模型上下文协议（MCP）与 MLflow 跟踪服务器相连。您能用自然英语查询 MLflow 跟踪服务器，让机器学习实验和模型的管理与探索变得更轻松。

🚀 快速开始

MLflow MCP 代理涵盖两大主要组件：

1. MLflow MCP 服务器（mlflow_server.py）：连接至您的 MLflow 跟踪服务器，通过 Model Context Protocol (MCP) 开放 MLflow 功能。
2. MLflow MCP 客户端（mlflow_client.py）：提供自然语言界面，借助对话式 AI 助手与 MLflow MCP 服务器展开交互。

✨ 主要特性

• 自然语言查询：用自然英语询问有关您的 MLflow 跟踪服务器的问题。
• 模型 registry 探索：获取已注册模型的相关信息。
• 实验跟踪：列出并探索您的实验和运行情况。
• 系统信息：获取 MLflow 环境的状态和元数据。

📦 安装指南

先决条件

• Python 3.8+
• 运行中的 MLflow 跟踪服务器（默认：http://localhost:8080）
• 用于大语言模型（LLM）的 OpenAI API 密钥

安装步骤

1. 克隆此仓库：

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

2. 创建一个虚拟环境：

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

3. 安装所需的包：

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

4. 设置您的 OpenAI API 密钥：

   export OPENAI_API_KEY=your_key_here
   

5. （可选）配置 MLflow 跟踪服务器 URI：

   export MLFLOW_TRACKING_URI=http://localhost:8080
   

💻 使用示例

启动 MCP 服务器

首先启动 MLflow MCP 服务器：

python mlflow_server.py

该服务器会连接到您的 MLflow 跟踪服务器，并通过 MCP 开放 MLflow 功能。

执行查询

服务器启动后，您就能使用客户端进行自然语言查询：

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

示例查询：

• "显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？"

📚 详细文档

配置

您可利用环境变量自定义行为：

MLflow MCP 服务器脚本

MLflow MCP 服务器 (mlflow_server.py) 支持以下功能：

1. 模型 registry 探索：
   • 列出所有注册的模型
   • 获取特定模型的详细信息
2. 实验跟踪：
   • 列出所有实验
   • 获取特定实验的详细信息
3. 系统信息：
   • 获取 MLflow 服务器的状态和元数据

🔧 技术细节

限制

• 目前仅支持基本的查询功能
• 高级分析功能仍在开发中

未来改进

• 增加对更多 MLflow 功能的支持
• 提高查询的复杂性和准确性
• 支持多语言界面

📄 许可证

此项目感谢以下项目的贡献：

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

通过此项目，我们希望为 MLflow 用户提供一个更直观、更高效的交互方式。