mcp-模型流水线

Name: mcp-模型流水线
Author: zenml-io

作者：zenml-io36 星标更新：2025-10-21

安装使用来源：spider==github.com

项目介绍

ZenML 的 MCP 服务器

该项目实现了一个用于与 ZenML API 交互的模型上下文协议 (MCP) 服务器。

ZenML MCP 服务器

什么是 MCP？

模型上下文协议 (MCP) 是一个开放协议，标准化了应用程序如何向大型语言模型 (LLMs) 提供上下文。它就像“AI 应用程序的 USB-C 接口”——提供了一种标准化的方法来连接 AI 模型到不同的数据源和工具。

MCP 遵循客户端-服务器架构，其中：

MCP 主机：想要通过 MCP 访问数据的应用程序，如 Claude Desktop 或 IDE。
MCP 客户端：维护与服务器一对一连接的协议客户端。
MCP 服务器：轻量级程序，通过标准化协议暴露特定功能。
本地数据源：您的计算机文件、数据库和服务，MCP 服务器可以安全访问。
远程服务：可以通过互联网访问的外部系统，MCP 服务器可以连接到这些系统。

什么是 ZenML？

ZenML 是一个开源平台，用于构建和管理机器学习和人工智能管道。它提供了一个统一的界面来管理数据、模型和实验。

更多详情，请参阅 ZenML 网站和我们的文档。

功能

该服务器提供了 MCP 工具，以访问 ZenML 服务器的核心读取功能，提供了一种获取实时信息的方式：

用户
堆栈
管道
管道运行
管道步骤
服务
堆栈组件
风味
管道运行模板
时间表
艺术品（关于数据艺术品的元数据，而不是数据本身）
服务连接器
步骤代码
步骤日志（如果步骤是在基于云的堆栈上运行的）

它还允许您触发新的管道运行（如果有运行模板）。

注意：这是一个测试版/实验性发布。我们仍在探索人们将如何使用这种集成，因此我们欢迎您的反馈和建议！请加入我们的 Slack 社区，分享您的经验并帮助我们改进。

测试与质量保证

此项目包括自动化测试，以确保 MCP 服务器的功能：

🔄 自动冒烟测试：每三天通过 GitHub Actions 运行一次全面的冒烟测试。
🚨 创建问题：失败的测试会自动创建带有详细调试信息的 GitHub 问题。
⚡ 快速 CI：使用带有缓存的 UV 进行快速依赖安装和测试。
🧪 手动测试：您可以使用以下命令在本地运行冒烟测试：uv run scripts/test_mcp_server.py server/zenml_server.py

自动化测试验证：

MCP 协议连接和握手
服务器初始化和工具发现
基本工具功能（当 ZenML 服务器可访问时）
资源和提示枚举

如何使用

先决条件

您需要访问已部署的 ZenML 服务器。如果您没有，可以在 ZenML Pro 注册免费试用，我们将为您管理部署。

您还需要（可能）在本地安装 uv。更多信息，请参阅 uv 文档。我们推荐通过其安装脚本或通过 brew（如果您使用的是 Mac）进行安装。（从技术上讲，您不需要它，但它使安装和设置变得容易。）

您还需要将此存储库克隆到本地某个位置：

git clone https://github.com/zenml-io/mcp-zenml.git

您的 MCP 配置文件

MCP 配置文件是一个 JSON 文件，告诉 MCP 客户端如何连接到您的 MCP 服务器。不同的 MCP 客户端会使用或指定这个文件不同。两个常用的 MCP 客户端是 Claude Desktop 和 Cursor，我们提供了安装说明如下。

您需要按照以下格式指定您的 ZenML MCP 服务器：

{
    "mcpServers": {
        "zenml": {
            "command": "/usr/local/bin/uv",
            "args": ["run", "path/to/server/zenml_server.py"],
            "env": {
                "LOGLEVEL": "WARNING",
                "NO_COLOR": "1",
                "ZENML_LOGGING_COLORS_DISABLED": "true",
                "ZENML_LOGGING_VERBOSITY": "WARN",
                "ZENML_ENABLE_RICH_TRACEBACK": "false",
                "PYTHONUNBUFFERED": "1",
                "PYTHONIOENCODING": "UTF-8",
                "ZENML_STORE_URL": "https://your-zenml-server-goes-here.com",
                "ZENML_STORE_API_KEY": "your-api-key-here"
            }
        }
    }
}

有四个占位符值需要替换：

您本地安装的 uv 的路径（上面列出的路径是在您通过 brew 安装的情况下 Mac 上的位置）
zenml_server.py 文件的路径（这是您连接到 MCP 服务器时将运行的文件）。此文件位于此存储库的根目录下。您需要指定此文件的确切完整路径。
ZenML 服务器 URL（这是您的 ZenML 服务器的 URL。您可以在 ZenML Cloud UI 中找到它）。它看起来像 https://d534d987a-zenml.cloudinfra.zenml.io。
ZenML 服务器 API 密钥（这是您的 ZenML 服务器的 API 密钥。您可以在 ZenML Cloud UI 中找到它或阅读这些文档了解如何创建一个。对于 ZenML MCP 服务器，我们建议使用服务账户。）

您可以自由更改运行 MCP 服务器 Python 文件的方式，但使用 uv 可能是最简单的选项，因为它为您处理环境和依赖安装。

与 Claude Desktop 一起使用的安装

您需要安装最新版本的 Claude Desktop。

您只需打开设置菜单，将此存储库根目录下的 mcp-zenml.mcpb 文件拖放到菜单中，它将引导您完成安装和设置过程。您需要添加您的 ZenML 服务器 URL 和 API 密钥。

注意：MCP 包（.mcpb）替换了旧的桌面扩展（.dxt）格式；现有的 .dxt 文件仍然可以在 Claude Desktop 中工作。

可选：改善 ZenML 工具输出显示

为了获得更好的 ZenML 工具结果体验，您可以配置 Claude 将 JSON 响应以更易读的格式显示。在 Claude Desktop 中，转到设置 → 配置文件，在“Claude 在响应中应考虑哪些个人偏好？”部分，添加类似以下内容（或使用这些确切的词！）：

当使用返回 JSON 字符串的 ZenML 工具并被询问一个问题时，您可能希望考虑使用 Markdown 表格来总结结果或使其更容易查看！

这将鼓励 Claude 将 ZenML 工具输出格式化为 Markdown 表格，使信息更容易阅读和理解。

与 Cursor 一起使用的安装

您需要安装 Cursor。

Cursor 与 Claude Desktop 的工作方式略有不同，您需要根据每个仓库指定配置文件。这意味着如果您想在多个仓库中使用 ZenML MCP 服务器，您需要在每个仓库中指定配置文件。

要为单个仓库设置它，您需要：

在仓库根目录下创建一个 .cursor 文件夹
在里面创建一个 mcp.json 文件，内容如上所述
进入您的 Cursor 设置并点击 ZenML 服务器以“启用”它。

据我们的经验，有时即使它正在工作，也会显示红色错误指示器。您可以通过在 Cursor 聊天窗口中聊天来尝试一下。它会告诉您是否能够访问 ZenML 工具。

Docker 镜像

您可以作为 Docker 容器运行服务器。进程通过标准 I/O 通信，因此它会等待 MCP 客户端连接。通过环境变量传递您的 ZenML 凭证。

预构建镜像（Docker Hub）

拉取最新的多架构镜像：

docker pull zenmldocker/mcp-zenml:latest

版本化的发布标记为 vX.Y.Z：

docker pull zenmldocker/mcp-zenml:v1.0.0

使用您的 ZenML 凭证运行（标准 I/O 模式）：

docker run -i --rm \
  -e ZENML_STORE_URL="https://your-zenml-server.example.com" \
  -e ZENML_STORE_API_KEY="your-api-key" \
  zenmldocker/mcp-zenml:latest

使用 Docker 的标准 MCP 配置

{
  "mcpServers": {
    "zenml": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "ZENML_STORE_URL=https://...",
        "-e", "ZENML_STORE_API_KEY=ZENKEY_...",
        "-e", "ZENML_ACTIVE_PROJECT_ID=...",
        "-e", "LOGLEVEL=WARNING",
        "-e", "NO_COLOR=1",
        "-e", "ZENML_LOGGING_COLORS_DISABLED=true",
        "-e", "ZENML_LOGGING_VERBOSITY=WARN",
        "-e", "ZENML_ENABLE_RICH_TRACEBACK=false",
        "-e", "PYTHONUNBUFFERED=1",
        "-e", "PYTHONIOENCODING=UTF-8",
        "zenmldocker/mcp-zenml:latest"
      ]
    }
  }
}

本地构建

从存储库根目录开始：

docker build -t zenmldocker/mcp-zenml:local .

运行本地构建的镜像：

docker run -i --rm \
  -e ZENML_STORE_URL="https://your-zenml-server.example.com" \
  -e ZENML_STORE_API_KEY="your-api-key" \
  zenmldocker/mcp-zenml:local

MCP 包（.mcpb）

此项目使用 MCP 包（.mcpb）——Anthropic 的桌面扩展（DXT）的继任者。MCP 包将整个 MCP 服务器（包括依赖项）打包成一个用户友好的配置文件。

关于重命名的注意事项：MCP 包替换了旧的 .dxt 格式。Claude Desktop 仍与现有的 .dxt 文件兼容，但我们现在发布了 mcp-zenml.mcpb 并建议今后使用它。

存储库根目录下的 mcp--zenml.mcpb 文件包含了运行 ZenML MCP 服务器所需的一切，消除了复杂的手动安装步骤的需求。这使得强大的 ZenML 集成对用户来说无需技术设置专业知识即可访问。

当您将 .mcpb 文件拖放到 Claude Desktop 的设置中时，它会自动处理：

运行时依赖安装
安全配置管理
跨平台兼容性
用户友好的设置过程

更多详情，请参阅 Anthropic 的桌面扩展（DXT）公告及其文档中的相关 MCP 包装指导：https://www.anthropic.com/engineering/desktop-extensions

发布到 Anthropic MCP 注册表

此 MCP 服务器发布到了官方的 Anthropic MCP 注册表，并且可以被兼容主机发现。在每次 标签发布 时，我们的 CI 通过注册表的 mcp-publisher CLI 使用 GitHub OIDC 更新注册表条目，因此您可以在支持注册表的地方（例如 Claude Desktop 的扩展目录）直接安装或发现 ZenML MCP 服务器。

始终更新：注册表条目从标签提交的 manifest.json 和 server.json 刷新。
替代安装路径：您仍然可以通过打包的 .mcpb 包（见上文）或运行 Docker 镜像进行本地安装。

了解更多关于注册表的信息：

Anthropic MCP 注册表（社区仓库）：https://github.com/modelcontextprotocol/registry