mcpField
O
OpenML MCP Server

OpenML MCP Server

ローカル
github.com/mallochio科学・教育079 週間前に更新

OpenML MCP Server について

OpenML MCP Serverは、MCPクライアントからOpenMLの公開APIを利用するためのサーバーです。データセットやタスク、実験フロー、実行記録などを検索でき、APIが対応する場合は絞り込みも可能です。

主な機能

  1. 01データセットと説明の検索
  2. 02タスク、フロー、実行記録の参照
  3. 03評価、セットアップ、研究の取得
  4. 04対応する条件での一覧絞り込み

活用シーン

  1. 01MCPクライアントでOpenMLのデータセットを確認
  2. 02分類タスクを条件で絞り込む
  3. 03実験の実行記録の詳細を取得

MCP 対応

OpenMLの主要なGETエンドポイントをツールとしてMCPクライアントに公開するMCPサーバーです。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

⛑️ 作業中です!

OpenML MCP Server

PyPI Python Versions License: MIT

クライアント(Claude Desktop など)が公開 OpenML API とやり取りできるようにする、MCP(Model Context Protocol)サーバーです。

このサーバーは、OpenML API のさまざまなエンドポイントを MCP ツールとして公開し、MCP 対応クライアントからデータセット、タスク、フロー、実行、その他の情報を直接照会できるようにします。

目次

機能

  • OpenML の主要な GET エンドポイントに対応する MCP ツールを提供します。
  • データセット、タスク、フロー、実行、評価、セットアップ、研究を照会できます。
  • エンティティをフィルタリング機能付きで一覧表示できます(API が対応している場合)。
  • mcp Python SDK(FastMCP)を使用して構築されています。

インストールと使い方

エンドユーザー向け

この手順では、Claude Desktop などの MCP クライアントでこのサーバーを使用する方法を説明します。

前提条件:

  1. Claude Desktop: 最新バージョンがインストールされていることを確認してください(こちらからダウンロード)。
  2. uv(Python パッケージインストーラー): このサーバーは uv を使って実行します。まだインストールしていない場合は、一度インストールしてください。
    • macOS / Linux:
      curl -LsSf https://astral.sh/uv/install.sh | sh
      
      (インストール後、ターミナルを再起動してください)
    • Windows(PowerShell):
      powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
      
      (インストール後、PowerShell ターミナルを再起動してください)
開発者向け
  1. リポジトリをクローンする:
    git clone https://github.com/your-repo/openml-mcp-server.git
    cd openml-mcp-server
    
  2. 依存関係をインストールする:
    uv sync
    

設定

  1. Claude Desktop の設定を編集する:

    • Claude Desktop を開き、メニュー -> 設定... -> 開発者 -> 設定を編集を選択します。
    • claude_desktop_config.json が開きます。
  2. サーバー設定を追加する:

    • 次のブロックを mcpServers オブジェクト内に追加します(存在しない場合は mcpServers を作成してください)。

      {
        "mcpServers": {
          "openml-explorer": {
            "command": "uv",
            "args": [
              "run",
              "openml-mcp-server"
            ],
            "env": {
              "OPENML_API_KEY": "YOUR_ACTUAL_OPENML_API_KEY"
            }
          }
        }
      }
      
  3. 保存して再起動する:

    • claude_desktop_config.json を保存します。
    • Claude Desktop を完全に終了してから再起動します。
  4. 確認する:

    • Claude のチャット入力欄にハンマーアイコン README の画像 が表示されていることを確認します。
    • アイコンをクリックすると、利用可能な「OpenML Explorer」ツール(例:get_dataset_description、list_tasks)が表示されます。

例

  • 「OpenML データセット ID 61 の説明を表示してください。」
  • 「データセット 31 の特徴を一覧表示してください。」
  • 「OpenML で最初の 3 件の分類タスクを検索してください。」
  • 「実行 ID 100 の説明を取得してください。」

開発

以下のテスト手順を参照してください。

テストの実行

テストスイートを実行するには(pytest と pytest-asyncio が必要です):

uv run pytest

コントリビューション

コントリビューションを歓迎します!詳細については、コントリビューションガイドラインをご覧ください。

ライセンス

このプロジェクトは MIT License の下でライセンスされています。詳細については LICENSE ファイルをご覧ください。

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。