关于 Model Ledger
Model Ledger 面向需要跨平台追踪已部署模型及其依赖关系的组织。它可发现模型资产、构建依赖图,并以仅追加事件日志记录变更,支持历史查看和特定时间点重建。
主要功能
- 01跨平台模型清单
- 02自动构建依赖图
- 03仅追加的变更历史
- 04特定时间点重建
- 05合规性验证配置
适用场景
- 01盘点部署在不同平台上的模型
- 02追踪模型或数据变更的下游影响
- 03查看特定时间点的部署历史
- 04依据合规配置验证模型清单
MCP 相关
Model Ledger 内置 MCP 服务,提供包含八种工具的 Agent 接口,用于操作模型清单和依赖图。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
工具
8收录的工具列表 · 更新于 2 周前
| 参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
| models | any | 否 | |
| file_path | any | 否 | |
| source_type | string | 是 | |
| auto_connect | boolean | 否 | |
| connector_name | any | 否 | |
| connector_config | any | 否 |
详细介绍
model-ledger
模型的 git ——了解你部署了哪些模型、它们运行在哪里、依赖什么,以及发生了哪些变化。
model-ledger 是一款适用于任何部署了模型的组织的模型清单工具。它能跨平台发现模型、启发式规则和 ETL,自动绘制依赖关系图,并将每次变更记录为不可变事件。与绑定单一平台(MLflow、SageMaker、W&B)的注册表不同,它覆盖所有平台——将它们整合为一张互联的图,并支持通过原生 MCP 服务由 AI Agent 驱动。
经生产规模基准测试:在包含 28.8k 个模型和 212k 个事件的账本上完整重建清单,耗时不到一秒(CHANGELOG,v0.7.4)。
安装
pip install model-ledger
图谱自动构建
每个模型都是一个带有类型化输入和输出端口的 DataNode。当输出端口名称与输入端口名称匹配时,connect() 会创建依赖边——无需手动连线。
from model_ledger import Ledger, DataNode
ledger = Ledger()
ledger.add([
DataNode("segmentation", platform="etl", outputs=["customer_segments"]),
DataNode("fraud_scorer", platform="ml", inputs=["customer_segments"], outputs=["risk_scores"]),
DataNode("fraud_alerts", platform="alerting", inputs=["risk_scores"]),
])
ledger.connect()
ledger.trace("fraud_alerts")
# ['segmentation', 'fraud_scorer', 'fraud_alerts']
每次变更都会记录为不可变的 Snapshot——一种仅追加的事件日志,可提供完整历史记录并支持按时间点重建,因为任何内容都不会被覆盖。
与你的清单交互
MCP 服务是一流的使用入口——让 Claude(或任何 MCP Agent)连接到它:
pip install "model-ledger[mcp]"
claude mcp add model-ledger -- model-ledger mcp --demo
**你:**如果我们弃用
customer_features,会有什么影响?**Claude:**有 3 个模型直接使用它,另外还有 2 个模型间接使用它。
文档
所有内容都托管在 block.github.io/model-ledger 上——API 参考由源代码生成,且每个示例都会在 CI 中运行,因此文档不会与实际实现脱节:
- 快速入门 ——从安装到追踪第一个依赖,仅需 60 秒
- 概念 ——通过三个概念了解 DataNode、Snapshot 和 Composite
- Agent(MCP) ——包含完整对话示例的八工具 Agent 接口
- 连接器 ——从 SQL、REST、GitHub 或你自己的平台中发现模型
- 后端 ——内存、SQLite、JSON、Snowflake 或远程 HTTP
- 治理 ——了解这些基本组件如何映射到 SR 11‑7/SR 26‑2、EU AI Act 和 NIST AI RMF
- API 参考 ——由源代码生成
架构
flowchart LR
subgraph Sources
C1[SQL / REST / GitHub / Prefect<br/>connectors]
end
subgraph Core
L[Ledger<br/>append-only event log,<br/>point-in-time reconstruction]
G[Dependency graph]
V[Compliance profiles<br/>SR 11-7/SR 26-2 · EU AI Act · NIST AI RMF]
end
subgraph Surfaces
S1[Python SDK]
S2[CLI]
S3[REST API]
S4[MCP server · 8 tools]
end
B1[(in-memory · SQLite · JSON ·<br/>Snowflake · remote HTTP)]
C1 --> L
L --> G
L --> V
L --- B1
S1 --> L
S2 --> L
S3 --> L
S4 --> L
面向组织
开源核心负责发现、图谱构建、变更跟踪、存储、Agent 协议和合规性验证——SR 11‑7/SR 26‑2、EU AI Act Annex IV 和 NIST AI RMF 配置已包含在 model_ledger.validate 中。你的内部包只需在此基础上提供轻量级功能:连接器配置、面向内部平台的自定义连接器,以及凭据。保持配置精简,无需重新实现逻辑。
贡献
请参阅 CONTRIBUTING.md。 所有提交都必须通过 DCO 签署。
安全
有关如何私下报告漏洞,请参阅 SECURITY.md。
许可证
Apache-2.0。请参阅 LICENSE。
由 Block 的 Vignesh Narayanaswamy 创建并维护。
评论
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。