remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

ZenML 的 MCP 服务器

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

什么是 MCP？

模型上下文协议 (MCP) 是一个开放协议，它规范了应用程序向大型语言模型 (LLM) 提供上下文的方式。它就像一个“AI 应用程序的 USB-C 端口”，提供了一种将 AI 模型连接到不同数据源和工具的标准化方法。

MCP 遵循客户端-服务器架构，其中：

MCP 主机：像 Claude Desktop 或 IDE 这样的程序，需要通过 MCP 访问数据
MCP 客户端：与服务器保持 1:1 连接的协议客户端
MCP 服务器：通过标准化协议公开特定功能的轻量级程序
本地数据源：MCP 服务器可以安全访问的您计算机上的文件、数据库和服务
远程服务：MCP 服务器可以通过互联网连接到的外部系统

什么是 ZenML？

ZenML 是一个用于构建和管理 ML 和 AI 流程的开源平台。它提供了用于管理数据、模型和实验的统一界面。

有关更多信息，请参阅ZenML 网站和我们的文档。

特征

该服务器提供 MCP 工具来访问 ZenML 服务器的核心读取功能，从而提供获取以下实时信息的方法：

用户
堆栈
管道
管道运行
管道步骤
服务
堆栈组件
口味
管道运行模板
时间表
工件（关于数据工件的元数据，而不是数据本身）
服务连接器
步骤代码
步骤日志（如果该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（如果存在运行模板）。

注意：这是一个测试版/实验版。我们仍在探索用户如何使用此集成，因此我们欢迎您的反馈和建议！请加入我们的Slack 社区，分享您的使用体验，帮助我们改进。

如何使用

先决条件

您需要访问 ZenML Cloud 服务器。如果您还没有，可以注册ZenML Cloud免费试用。

您还需要在本地安装uv 。更多信息，请参阅uv文档。我们建议通过其安装程序脚本进行安装，如果使用 Mac，则通过brew进行安装。

您还需要将此存储库克隆到本地某处：

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，用于指示 MCP 客户端如何连接到您的 MCP 服务器。不同的 MCP 客户端会以不同的方式使用或指定此配置文件。两个常用的 MCP 客户端是Claude Desktop和Cursor ，我们在下面提供了它们的安装说明。

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/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"
            }
        }
    }
}

您需要替换四个虚拟值：

本地安装的uv的路径（如果您通过brew安装，上面列出的路径就是它在 Mac 上的位置）
zenml_server.py文件的路径（该文件将在连接到 MCP 服务器时运行）。该文件位于此仓库的根目录下。您需要指定该文件的准确完整路径。
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，或者阅读这些文档了解如何创建它。对于 ZenML MCP 服务器，我们建议使用服务帐户。）

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

与 Claude Desktop 一起使用的安装

您需要安装Claude Desktop 。

安装并打开 Claude Desktop 后，您需要打开“设置”菜单，然后点击“开发者”选项卡。点击“编辑配置”按钮，即可打开文件资源管理器，查看配置文件的位置。

您应该将上面（正确填写的）配置文件的内容粘贴到文件资源管理器中显示的 JSON 文件中。然后只需重新启动 Claude Desktop，它就会使用新的配置。您应该能够在开发者设置菜单中看到 ZenML 服务器。与 Claude 聊天，它将使用您刚刚授予其访问权限的所有新工具。

可选：改进 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，使其以更易读的格式显示 JSON 响应。在 Claude 桌面版中，前往“设置”→“个人资料”，在“Claude 在响应中应该考虑哪些个人偏好？”部分，添加类似以下内容（或直接使用以下词语！）：

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!

这将鼓励 Claude 将 ZenML 工具输出格式化为 markdown 表，从而使信息更易于阅读和理解。

安装用于 Cursor

您将需要安装Cursor 。

Cursor 的工作方式与 Claude Desktop 略有不同，它需要为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，则需要在每个仓库中指定配置文件。

要为单个存储库进行设置，您需要：

在存储库的根目录中创建一个.cursor文件夹
在其中创建一个包含上述内容的mcp.json文件
进入您的光标设置并单击 ZenML 服务器以“启用”它。

根据我们的经验，即使它正在运行，有时也会显示红色错误指示。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。

This server cannot be installed

-

security - not tested

F

license - not found

-

quality - not tested

实现模型上下文协议的服务器使 LLM 能够与 ZenML 平台交互，提供对管道数据、堆栈信息的访问以及触发新管道运行的能力。

ZenML MCP Server