MCP Server for ZenML

MCP Server for ZenML

site icon
2025.03.24 18
PythonAI 集成机器学习管理开发效率
MCP Server for ZenML 是一个基于模型上下文协议(MCP)的服务,用于与 ZenML API 交互。ZenML 是一个开源的机器学习和 AI 管道管理平台,提供统一的数据、模型和实验管理接口。该 MCP 服务器通过标准化协议,使大型语言模型(LLMs)能够访问 ZenML 的核心功能,如用户、堆栈、管道、运行、步骤、服务、组件、风味、模板、计划、工件、服务连接器、步骤代码和日志等信息。此外,它还支持触发新的管道运行(如果有运行模板)。
View on GitHub

Overview

基本能力

产品定位

MCP Server for ZenML 是一个连接 ZenML 平台与大型语言模型的中间件,通过标准化协议提供 ZenML 的数据和功能访问能力。

核心功能

  • 访问 ZenML 的核心读取功能,包括用户、堆栈、管道、运行、步骤、服务、组件、风味、模板、计划、工件、服务连接器、步骤代码和日志等信息。
  • 触发新的管道运行(如果有运行模板)。

适用场景

  • 在开发过程中快速查询 ZenML 平台的状态和信息。
  • 自动化机器学习和 AI 管道管理任务。
  • 集成 ZenML 功能到大型语言模型的应用中。

工具列表

  • ZenML MCP 服务器:提供对 ZenML API 的访问能力。

常见问题解答

  • 这是一个测试/实验性版本,欢迎反馈和建议。
  • 需要 ZenML Cloud 服务器访问权限。
  • 需要 uv 工具进行安装和运行。

使用教程

使用依赖

  1. 需要访问 ZenML Cloud 服务器。
  2. 需要安装 uv 工具。 bash curl -LsSf https://astral.sh/uv/install.sh | sh 或通过 brew 安装(Mac): bash brew install uv
  3. 克隆仓库: bash git clone https://github.com/zenml-io/mcp-zenml.git

安装教程

  1. 创建 MCP 配置文件 mcp.json,格式如下: json { "mcpServers": { "zenml": { "command": "/usr/local/bin/uv", "args": ["run", "path/to/zenml_server.py"], "env": { "LOGLEVEL": "INFO", "NO_COLOR": "1", "PYTHONUNBUFFERED": "1", "PYTHONIOENCODING": "UTF-8", "ZENML_STORE_URL": "https://your-zenml-server-goes-here.com", "ZENML_STORE_API_KEY": "your-api-key-here" } } } }
  2. 替换配置文件中的四个关键值:
  3. uv 的本地路径
  4. zenml_server.py 的完整路径
  5. ZenML 服务器 URL
  6. ZenML 服务器 API 密钥

调试方式

  1. 对于 Claude Desktop:
  2. 打开设置 → 开发者标签
  3. 点击 'Edit Config' 按钮
  4. 粘贴配置文件内容并重启 Claude Desktop
  5. 对于 Cursor:
  6. 在仓库根目录创建 .cursor 文件夹
  7. 在其中创建 mcp.json 文件并粘贴配置内容
  8. 在 Cursor 设置中启用 ZenML 服务器

可选优化

在 Claude Desktop 的设置 → 个人资料中,添加以下偏好设置以改善 ZenML 工具输出的显示:

When using zenml tools which return JSON strings and you're asked a question, you might want to consider using markdown tables to summarize the results or make them easier to view!

许可证

None