Cloudera AI MCP

Cloudera ML 模型控制协议（MCP）

此 MCP 基于 Python 实现与 Cloudera Machine Learning 的集成，使 Claude 能以编程方式与 CML 服务交互。

功能

1. 上传文件夹：将整个文件夹上传到 CML 项目，同时保留目录结构
2. 创建作业：创建可自定义设置的新 CML 作业
3. 列出作业：查看项目中的所有作业及其当前状态
4. 删除作业：删除单个作业或项目中的所有作业
5. 获取项目 ID：通过项目名称获取项目 ID
6. 列出项目文件：查看项目中的文件和目录
7. 模型管理：创建、列出和管理 ML 模型及部署
8. 实验跟踪：记录和管理 ML 实验及运行
9. 应用管理：创建、更新和管理 CML 应用

安装

1. 克隆此仓库
2. 安装依赖项：

   pip install -r requirements.txt
   

配置

MCP 需要以下配置：

1. host：你的 CML 实例 URL（例如："https://ml-xxxx.cloudera.site"）
2. api_key：用于身份验证的 API 密钥
3. project_id：你的 CML 项目 ID（可选——现在也可以通过项目名称获取）

初始化 MCP 时，你可以在代码中提供此配置，也可以使用环境变量：

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 配置说明

• host URL 不应包含重复的 "https://" 前缀
• 系统会自动处理末尾的斜杠
• MCP 会自动正确格式化 URL

运行 MCP 服务

此 MCP 可以作为服务运行，以便 Claude 与 Cloudera ML 交互。

设置环境

复制示例 .env 文件并添加你的凭据：

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

启动服务

./server.py

服务默认使用 stdio 传输方式，因此可以直接连接到 Claude。

在 Claude Desktop 中使用

要在 Claude Desktop 应用中使用此服务，请将以下配置添加到 claude_desktop_config.json 的 "mcpServers" 部分：

{
  "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"
      }
    }
  }
}

将 /path/to 替换为此仓库所在的路径，并设置环境变量。

在自己的 Python 代码中使用

你也可以在自己的 Python 代码中导入并使用 MCP：

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"]
)

命令行测试

你可以使用提供的脚本从命令行测试 MCP 函数：

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

其中，COMMAND 可以是以下命令之一：

• list_jobs - 列出项目中的所有作业
• upload_folder - 将文件夹上传到项目
• create_job - 创建新作业
• delete_job - 删除指定作业
• delete_all_jobs - 删除项目中的所有作业
• get_project_id - 通过项目名称获取项目 ID（需要 --project-name）
• list_project_files - 列出项目中的文件
• list_models - 列出项目中的 ML 模型
• list_model_deployments - 列出模型部署
• list_experiments - 列出项目中的实验
• list_job_runs - 列出作业运行

示例：列出项目文件

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

要求

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

许可证

MIT