MCP Zenml

🚀 ZenML 的 MCP 服务器

本项目实现了一个 模型上下文协议 (MCP) 服务器，用于和 ZenML API 进行交互，为机器学习操作提供了便捷的集成方案。

🚀 快速开始

先决条件

1. 安装 Python 3.8 或更高版本。
2. 安装 pip 包管理工具。
3. 确保系统上安装了 uv 工具，用于运行服务器。

配置文件创建

需要创建一个配置文件 mcp.json，并填入以下内容（根据实际情况修改）：

{
    "MCP Server": {
        "name": "ZenML MCP 服务器",
        "description": "与 ZenML 平台集成的 MCP 服务器。",
        "server_url": "http://localhost:8000",
        "auth_token": "your_auth_token_here"
    }
}

安装和运行

1. 使用 uv 运行服务器：

   uv mcp_server.py
   

2. 服务器启动后，可以在浏览器中访问 http://localhost:8000 查看服务状态。

✨ 主要特性

项目简介

此项目旨在通过 MCP 协议与 ZenML 平台进行集成。MCP 是一种用于连接不同工具和服务的协议，而 ZenML 则是一个机器学习操作平台。

MCP 协议说明

MCP（模型上下文协议）是一种开放标准，允许应用程序和工具之间共享模型相关的信息。通过 MCP，ZenML 服务器可以与其他支持该协议的工具和服务进行交互。

ZenML 平台简介

ZenML 是一个开源机器学习操作平台，提供了一个统一的工作流引擎、实验跟踪、模型管理等功能。它可以帮助数据科学家更高效地构建和部署机器学习模型。

📦 集成指南

与 Claude Desktop 的集成

1. 安装并打开 Claude Desktop。
2. 进入设置菜单，选择“开发者”选项卡。
3. 点击“编辑配置”，找到或创建 mcp.json 文件。
4. 将上述内容填入文件中，并保存。
5. 重启 Claude Desktop。

与 Cursor 的集成

1. 在项目根目录下创建 .cursor 文件夹。
2. 在该文件夹中创建 mcp.json 文件，填入相关内容。
3. 打开 Cursor 设置，启用 ZenML 服务器配置。

💡 使用建议

为了提高输出的可读性，可以在 Claude Desktop 的个人设置中添加以下偏好：

当使用 ZenML 工具并返回 JSON 结果时，请考虑将结果以更易读的格式呈现，如表格。

这样可以确保输出信息更加清晰明了。

📚 总结

通过 MCP 协议与 ZenML 平台集成，可以在 Claude Desktop 和 Cursor 等工具中方便地使用 ZenML 的功能。按照上述步骤完成配置后，即可在聊天窗口中直接调用 ZenML 工具进行模型管理和操作。