mcpField
M
Model Ledger

Model Ledger

本地服务
block.github.io开发工具1714 周前更新

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

  1. 01跨平台模型清单
  2. 02自动构建依赖图
  3. 03仅追加的变更历史
  4. 04特定时间点重建
  5. 05合规性验证配置

适用场景

  1. 01盘点部署在不同平台上的模型
  2. 02追踪模型或数据变更的下游影响
  3. 03查看特定时间点的部署历史
  4. 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。

mcp.json · 通用配置
{
"mcpServers": {
"block-model-ledger": {
"command": "uvx",
"args": [
"model-ledger"
]
}
}
}
启动命令uvx model-ledger

本地服务需要在你的电脑上安装运行环境(如 Node.js 18+)。各客户端的配置文件位置不同,请参考客户端文档。

安装包
pypimodel-ledger0.7.13

工具

8

收录的工具列表 · 更新于 2 周前

参数类型必填说明
modelsany否
file_pathany否
source_typestring是
auto_connectboolean否
connector_nameany否
connector_configany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。

CI License Python PyPI Downloads Docs

📖 文档 · 快速入门 · 概念 · 治理


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

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。