MLflow MCP Server: Natural Language Interface for MLflow

MLflow MCP 服务：MLflow 的自然语言界面

本项目通过模型上下文协议（MCP）为 MLflow 提供自然语言界面。你可以使用通俗的英语查询 MLflow 跟踪服务，从而更轻松地管理和探索机器学习实验及模型。

概览

MLflow MCP Agent 包含两个主要组件：

1. MLflow MCP 服务（mlflow_server.py）：连接到你的 MLflow 跟踪服务，并通过模型上下文协议（MCP）提供 MLflow 功能。

2. MLflow MCP 客户端（mlflow_client.py）：通过对话式 AI 助手提供自然语言界面，以便与 MLflow MCP 服务交互。

功能

• 自然语言查询：使用通俗的英语询问有关 MLflow 跟踪服务的问题
• 模型注册表探索：获取有关已注册模型的信息
• 实验跟踪：列出并探索你的实验和运行
• 系统信息：获取 MLflow 环境的状态和元数据

先决条件

• Python 3.8+
• 正在运行的 MLflow 服务（默认：http://localhost:8080）
• 用于大模型的 OpenAI API 密钥

安装

通过 Smithery 安装

通过 Smithery 自动为 Claude Desktop 安装 MLflow 自然语言界面服务：

npx -y @smithery/cli install @iRahulPandey/mlflowMCPServer --client claude

手动安装

1. 克隆此仓库：

   git clone https://github.com/iRahulPandey/mlflowMCPServer.git
   cd mlflowMCPServer
   

2. 创建虚拟环境：

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
   

3. 安装所需的软件包：

   pip install mcp[cli] langchain-mcp-adapters langchain-openai langgraph mlflow
   

4. 设置 OpenAI API 密钥：

   export OPENAI_API_KEY=your_key_here
   

5. （可选）配置 MLflow 跟踪服务 URI：

   export MLFLOW_TRACKING_URI=http://localhost:8080
   

使用方法

启动 MCP 服务

首先，启动 MLflow MCP 服务：

python mlflow_server.py

该服务会连接到你的 MLflow 跟踪服务，并通过 MCP 提供 MLflow 功能。

发起查询

服务运行后，你可以使用客户端发起自然语言查询：

python mlflow_client.py "What models do I have registered in MLflow?"

查询示例：

• “显示 MLflow 中所有已注册的模型”
• “列出我的所有实验”
• “获取名为 'iris-classifier' 的模型的详细信息”
• “我的 MLflow 服务状态如何？”

配置

你可以使用环境变量自定义行为：

• MLFLOW_TRACKING_URI：MLflow 跟踪服务的 URI（默认：http://localhost:8080）
• OPENAI_API_KEY：你的 OpenAI API 密钥
• MODEL_NAME：要使用的 OpenAI 模型（默认：gpt-3.5-turbo-0125）
• MLFLOW_SERVER_SCRIPT：MLflow MCP 服务脚本的路径（默认：mlflow_server.py）
• LOG_LEVEL：日志级别（默认：INFO）

MLflow MCP 服务（mlflow_server.py）

该服务连接到你的 MLflow 跟踪服务，并通过 MCP 提供以下工具：

• list_models：列出 MLflow 模型注册表中的所有已注册模型
• list_experiments：列出 MLflow 跟踪服务中的所有实验
• get_model_details：获取特定已注册模型的详细信息
• get_system_info：获取有关 MLflow 跟踪服务和系统的信息

限制

• 目前仅支持 MLflow 的部分功能
• 客户端需要访问互联网才能使用 OpenAI 模型
• 对于复杂的 MLflow 操作，错误处理能力可能有限

后续改进

• 添加对 MLflow 模型预测的支持
• 改进自然语言理解，以处理更复杂的查询
• 添加指标和参数的可视化功能
• 支持更多 MLflow 操作，例如运行管理和制品处理

致谢

• 模型上下文协议（MCP）：提供协议规范
• LangChain：提供 Agent 框架
• MLflow：提供跟踪和模型注册表功能