Cloudera AI MCP

Cloudera ML Model Control Protocol（MCP）

この MCP は、Cloudera Machine Learning と Python ベースで連携し、Claude が CML サービスとプログラムからやり取りできるようにします。

機能

1. フォルダーのアップロード：ディレクトリー構造を保持したまま、フォルダー全体を CML プロジェクトにアップロードします
2. ジョブの作成：カスタマイズ可能な設定で、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現在のステータスを表示します
4. ジョブの削除：個々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 を取得します
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ーを表示します
7. モデル管理：ML モデルとデプロイメントを作成、一覧表示、管理します
8. 実験の追跡：ML 実験と実行を記録、管理します
9. アプリケーション管理：CML アプリケーションを作成、更新、管理します

インストール

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

   pip install -r requirements.txt
   

設定

MCP には次の設定が必要です：

1. host：CML インスタンスの URL（例："https://ml-xxxx.cloudera.site"）
2. api_key：認証用の API キー
3. project_id：CML プロジェクト ID（任意。プロジェクト名から取得することもできます）

この設定は、MCP の初期化時にコード内で指定するか、環境変数を使用して設定できます：

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

URL 設定に関する注意事項

• ホスト URL に "https://" の重複した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 を自動的に正しい形式に整えます

MCP サーバーの実行

この MCP は、Claude が Cloudera ML とやり取りできるサーバーとして実行できます。

環境の設定

サンプルの .env ファイルをコピーし、認証情報を追加します：

cp .env.example .env
# Edit .env with your credentials

サーバーの起動

./server.py

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

Claude Desktop での使用

このサーバーを Claude Desktop アプリで使用するには、claude_desktop_config.json の "mcpServers" セクションに次の設定を追加します：

{
  "mcpServers": {
    "cloudera-ml-mcp-server": {
      "command": "python",
      "args": [
        "/path/to/MCP_cloudera/server.py"
      ],
      "env": {
        "CLOUDERA_ML_HOST": "https://ml-xxxx.cloudera.site",
        "CLOUDERA_ML_API_KEY": "your-api-key"
      }
    }
  }
}

/path/to をこのリポジトリーへのパスに置き換え、環境変数を設定してください。

独自の Python コードでの使用

独自の Python コードに MCP をインポートして使用することもできます：

from MCP_cloudera.src import ClouderaMCP

# Initialize the MCP
config = {
    "host": "https://ml-xxxx.cloudera.site",
    "api_key": "your-api-key"
}
cloudera = ClouderaMCP(config)

# Get project ID by name
project_info = cloudera.get_project_id(project_name="my-project-name")
project_id = project_info["project_id"]
print(f"Project ID: {project_id}")

# List project files
files = cloudera.list_project_files(project_id=project_id)
print(files)

# Upload a folder
result = cloudera.upload_folder(
    folder_path="/path/to/local/folder",
    ignore_folders=["node_modules", ".git"]
)

コマンドラインでのテスト

付属のスクリプトを使って、コマンドラインから MCP の機能をテストできます：

./run_mcp.py [--host HOST] [--api-key API_KEY] [--project-id PROJECT_ID] COMMAND [command options]

COMMAND には次のいずれかを指定します：

• list_jobs - プロジェクト内のすべてのジョブを一覧表示します
• upload_folder - フォルダーをプロジェクトにアップロードします
• create_job - 新しいジョブを作成します
• delete_job - 指定したジョブを削除します
• delete_all_jobs - プロジェクト内のすべてのジョブを削除します
• get_project_id - プロジェクト名からプロジェクト ID を取得します（--project-name が必要です）
• list_project_files - プロジェクト内のファイルを一覧表示します
• list_models - プロジェクト内の ML モデルを一覧表示します
• list_model_deployments - モデルのデプロイメントを一覧表示します
• list_experiments - プロジェクト内の実験を一覧表示します
• list_job_runs - ジョブの実行を一覧表示します

例：プロジェクトファイルの一覧表示

./run_mcp.py --host "https://ml-xxxx.cloudera.site" --api-key "your-api-key" list_project_files --project-id "your-project-id"

要件

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

ライセンス

MIT