Servidor MCP do MLflow

O servidor MLflow MCP (Protocolo de Contexto de Modelo) permite que aplicativos de IA e assistentes de codificação interajam com seus rastreamentos programaticamente.

O servidor MCP do MLflow expõe todas as operações de gerenciamento de rastreamento do MLflow por meio do protocolo MCP, permitindo que os assistentes de IA:

  • Pesquisar e recuperar dados de rastreamento
  • Analisar o desempenho e o comportamento do rastreamento
  • Comentários e avaliações de log
  • Gerenciar marcas de rastreamento e metadados
  • Excluir rastreamentos e avaliações

Para obter a documentação completa sobre o servidor MCP do MLflow, incluindo instalação, configuração e ferramentas disponíveis, consulte a documentação do servidor MLflow MCP de software livre.

Pré-requisitos

  • Um cliente compatível com MCP, como VS Code, Cursor ou Claude.

  • Biblioteca MLflow Python versão 3.5.1 ou posterior com databricks e mcp extras. O mcp extra fornece as dependências do servidor MCP e o databricks extra fornece autenticação e conectividade do Azure Databricks:

    pip install 'mlflow[databricks,mcp]>=3.5.1'

Configurar para o Azure Databricks

Para usar o servidor MCP do MLflow com rastreamentos armazenados no Azure Databricks, defina seu cliente MCP com as seguintes configurações:

VS Code

Adicione essa configuração no .vscode/mcp.json do seu projeto:

{
  "servers": {
    "mlflow-mcp": {
      "command": "uv",
      "args": ["run", "--with", "mlflow[databricks,mcp]>=3.5.1", "mlflow", "mcp", "run"],
      "env": {
        "MLFLOW_TRACKING_URI": "databricks",
        "DATABRICKS_HOST": "<your-workspace-url>",
        "DATABRICKS_TOKEN": "<your-token>"
      }
    }
  }
}

Cursor

Adicione essa configuração ao .cursor/mcp.json no seu projeto:

{
  "mcpServers": {
    "mlflow-mcp": {
      "command": "uv",
      "args": ["run", "--with", "mlflow[databricks,mcp]>=3.5.1", "mlflow", "mcp", "run"],
      "env": {
        "MLFLOW_TRACKING_URI": "databricks",
        "DATABRICKS_HOST": "<your-workspace-url>",
        "DATABRICKS_TOKEN": "<your-token>"
      }
    }
  }
}

Claude Desktop

Adicione essa configuração ao arquivo de configurações do Claude Desktop:

  • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
  • Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "mlflow-mcp": {
      "command": "uv",
      "args": ["run", "--with", "mlflow[databricks,mcp]>=3.5.1", "mlflow", "mcp", "run"],
      "env": {
        "MLFLOW_TRACKING_URI": "databricks",
        "DATABRICKS_HOST": "<your-workspace-url>",
        "DATABRICKS_TOKEN": "<your-token>"
      }
    }
  }
}

Substitua <your-workspace-url> pela URL do workspace do Azure Databricks (por exemplo) https://your-workspace.cloud.databricks.come <your-token> pelo token de acesso pessoal.

Usar o servidor MCP de Rastreamento do MLflow

Depois de configurar o servidor MCP, seu assistente de IA pode interagir com rastreamentos armazenados no Azure Databricks. Por exemplo, você pode pedir ao assistente para:

  • Pesquisar vestígios do experimento ID 12345
  • "Mostre-me os rastreamentos mais recentes com erros"
  • "Obter detalhes de rastreamento para a ID de rastreamento tr-abc123"
  • Adicionar comentários ao trace tr-abc123 com uma classificação de 5

Consulte a documentação do servidor MCP do MLflow de software livre para obter mais informações.

Próximas etapas

  • Last updated on