neural-mcp

scicomp-neural-mcp

mcp-name: io.github.andylbrummer/neural-mcp

ニューラルネットワークのトレーニングと実験のための MCP サーバーです。

概要

このサーバーは、ニューラルネットワークの構築、トレーニング、分析のためのツールを提供します。

• モデルの構築 - 学習済みモデル（ResNet、MobileNet）とカスタムアーキテクチャ
• データセットの読み込み - 標準的な前処理を備えた CIFAR-10、MNIST、ImageNet データセット
• トレーニング - 学習率やバッチサイズを設定できるトレーニングループ
• 評価 - モデルの評価、指標の計算、分析
• ハイパーパラメーター調整 - ハイパーパラメーターの自動探索
• エクスポート - モデルを ONNX および TorchScript 形式にエクスポート
• GPU アクセラレーション - トレーニングで利用できるオプションの CUDA アクセラレーション

インストールと使用方法

# Run directly with uvx (no installation required)
uvx scicomp-neural-mcp

# Or install with pip
pip install scicomp-neural-mcp

# With GPU support (recommended for training)
pip install scicomp-neural-mcp[gpu]

# Run as command
scicomp-neural-mcp

利用可能なツール

モデル管理

• define_model - ニューラルネットワークモデル（ResNet18、MobileNet、カスタム）を作成
• load_pretrained - torchvision または Hugging Face から学習済みモデルを読み込み
• get_model_summary - レイヤーごとの詳細な内訳を取得
• export_model - ONNX または TorchScript にエクスポート

データの読み込み

• load_dataset - 標準的なデータセット（CIFAR-10、MNIST、ImageNet）を読み込み
• create_dataloader - シャッフル機能付きのバッチ処理データローダーを作成

トレーニング

• train_model - 設定可能なパラメーターを使用してデータセットでモデルをトレーニング
• get_experiment_status - トレーニングの進行状況を監視
• evaluate_model - テストセットで評価

分析

• compute_metrics - 詳細な性能指標を計算
• confusion_matrix - 混同行列を生成
• plot_training_curves - 損失と精度の曲線を可視化
• visualize_predictions - サンプルに対するモデルの予測を確認

ハイパーパラメーター最適化

• tune_hyperparameters - ハイパーパラメーターを自動探索

設定

環境変数を使って GPU アクセラレーションを有効にします。

MCP_USE_GPU=1 scicomp-neural-mcp

例

📖 コード例

EXAMPLES.md に実践的なチュートリアルがあります。

• MNIST の数字認識（ワークフロー全体）
• ResNet を使った転移学習
• ハイパーパラメーター最適化
• 混同行列の分析
• 段階的な学習パス（初級 → 上級）

📚 完全なドキュメント

完全な API リファレンスについては、API ドキュメントを参照してください。

Math-Physics-ML MCP System の一部

科学技術計算のための包括的なシステムの一部です。エコシステム全体については、ドキュメントを参照してください。