xplainable-mcp-server

Xplainable MCP Server

Xplainable プラットフォーム向けの Model Context Protocol サーバーです。LLM エージェント（Claude、または任意の MCP クライアント）を使って、透明性の高い機械学習モデルのトレーニング、デプロイ、最適化、説明を行えます。エージェントがオーケストレーターとなり、データを調査し、特徴量と前処理を決定して、トレーニングを実行し、メトリクスを確認しながら反復します。

トレーニングは常に Xplainable プラットフォーム上のサーバー側で実行されます。MCP ホストがローカルでモデルを学習させることはありません。

2 つの使用方法

1. ホステッド — MCP クライアントを https://mcp.xplainable.io に接続します（OAuth ログイン、インストール不要）。
2. ローカル — Xplainable API キーを使い、stdio 経由でサーバーを自分で実行します。この README の以降の内容では、こちらの方法を説明します。

クイックスタート（ローカル）

1. API キーを取得する

platform.xplainable.io で作成します。

2a. Claude Code

claude mcp add xplainable \
  -e XPLAINABLE_API_KEY=your-api-key-here \
  -- uvx --from git+https://github.com/xplainable/xplainable-mcp-server.git xplainable-mcp

2b. Claude Desktop

MCP 設定ファイルに追加します。

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json
• Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "xplainable": {
      "command": "uvx",
      "args": ["--from", "git+https://github.com/xplainable/xplainable-mcp-server.git", "xplainable-mcp"],
      "env": {
        "XPLAINABLE_API_KEY": "your-api-key-here"
      }
    }
  }
}

uv がない場合は、代わりにクローンしてインストールします。

git clone https://github.com/xplainable/xplainable-mcp-server.git
cd xplainable-mcp-server
python -m venv .venv && source .venv/bin/activate
pip install -e .

その後、上記の設定で "command": "/path/to/xplainable-mcp-server/.venv/bin/xplainable-mcp"（引数なし）を使用します。

3. 試してみる

エージェントに 「どのモデルとデータセットを持っていますか？」 と尋ねます。models_list_team_models と datasets_list_team_datasets が呼び出されるはずです。

反復ループ

ツール群を使うことで、トレーニングに関するすべての判断をエージェントが行えます。

1. datasets_list_team_datasets / models_list_team_models / deployments_list_deployments — チームのアセットを確認します
2. datasets_preview_dataset_json(dataset_id) — 列、型、サンプル行を調べ、ターゲット、削除する列、前処理が必要かどうかを決定します
3. （任意）preprocessing_list_available_transformers → preprocessing_create_preprocessor_from_spec → preprocessing_preview_from_data を使い、変換後の出力を確認します 3b. データセットごとに特徴量の関係を一度宣言します。 datasets_infer_relationships で、根拠とともに派生列、含意、 単調性のヒントを提案します。datasets_set_relationships で確定します （古いバージョンには models_apply_relationships で再適用します）
4. models_train_model(dataset_id, target_column, model_name, ...) — サーバー側で同期トレーニングを実行し、モデル／バージョン ID、 トレーニング／テストのメトリクス、特徴量の重要度を返します
5. 確認します：models_get_feature_info / gpt_explain_model。トレーニングとテストのメトリクスを比較します
6. 反復します：特徴量ごとの調整には models_refit_features を使うか、特徴量／前処理を変えて再度トレーニングします
7. deployments_deploy(version_id) — 納得できたらデプロイします（その後、deployments_activate_deployment を実行します）
8. モデルを活用します：inference_predict / optimisers_run_optimiser / reports_create_report（および reports_get_job_status でステータスを確認します）

ツール群

ツールは、xplainable-client パッケージ内の @mcp_tool デコレーターが付いたメソッドからサーバー起動時に生成されます。生成済みファイルはリポジトリに含まれていません。ツール群はフラットで、レジストリ内のすべてのツールが公開されます。MCP アノテーションは各ツールのカテゴリ（read → 読み取り専用のヒント、write → 破壊的操作のヒント）から導出されます。

設定

変数	必須	説明
XPLAINABLE_API_KEY	はい（ローカル）	platform.xplainable.io の API キー
XPLAINABLE_HOST / XPLAINABLE_HOSTNAME	いいえ	プラットフォームホストの上書き値（既定値は https://platform.xplainable.io）。両方に同じ値を設定してください。
XPLAINABLE_INFERENCE_HOST	いいえ	直接推論ツール（inference_score_dataset、optimisers_run_portfolio）の推論サーバーの上書き値。既定値は https://inference.xplainable.io です。プラットフォームホストが本番環境以外の場合は、必ず設定してください。
XPLAINABLE_ORG_ID / XPLAINABLE_TEAM_ID	いいえ	API キーがチームに紐付けられていない場合に、組織／チームを紐付けます
MCP_TRANSPORT	いいえ	stdio（既定値）または streamable-http
LOG_LEVEL	いいえ	DEBUG、INFO（既定値）、WARNING、ERROR

.env.example を参照してください。API キーは環境変数からのみ読み込まれ、 ツールを通じて公開されることはありません。

CLI

xplainable-mcp-cli list-tools            # list all available tools
xplainable-mcp-cli validate-config       # check env configuration
xplainable-mcp-cli test-connection       # test API connectivity
xplainable-mcp-cli generate-docs         # generate tool documentation

Docker（HTTP モード）

cp .env.example .env   # fill in your API key
docker compose up --build

コンテナはポート 8000 で streamable-HTTP を提供し、/health エンドポイントを備えています。localhost 以外で使用する場合は、リバースプロキシで TLS を終端してください。

開発

git clone https://github.com/xplainable/xplainable-mcp-server.git
cd xplainable-mcp-server
pip install -e ".[dev]"

pytest            # run tests
ruff check .      # lint

実行時のツール生成

クライアントを利用するツールは、xplainable-client の @mcp_tool レジストリから xplainable_mcp/runtime_tools.py によってインポート時に生成されます。同期手順はありません。固定された xplainable-client のバージョンをアップグレードするだけで、新しいツールや変更された ツールを取り込めます。テストスイート（tests/test_surface.py）ではツール数を固定しているため、 ツール構成の変更は常に意図的に行われます。

互換性

MCP サーバー	xplainable-client	fastmcp
現行（main）	>=1.13.0	>=2.0.0,<3.0.0

コントリビューション

CONTRIBUTING.md を参照してください。

ライセンス

MIT ライセンス — LICENSE を参照してください。