Servidor MCP de Feature Engineering

Un servidor MCP (Model Context Protocol) que expone el agente LangGraph existente ahutosh173/automated-feature-engineering como herramientas reutilizables.

El agente original toma un CSV, un objetivo de fraude/modus operandi, metadatos de esquema, columna de ID y columna de etiqueta, y luego:

1. analiza el objetivo de modelado,

2. propone características candidatas,

3. genera código de feature engineering con pandas,

4. ejecuta ese código, y

5. escribe un archivo de características en Excel.

Este proyecto añade una interfaz MCP sobre ese flujo de trabajo.

Arquitectura

                 MCP Host / LLM Client
                         |
                         | MCP
                         v
              +-----------------------+
              | Feature Engineering   |
              | MCP Server            |
              +-----------+-----------+
                          |
              +-----------+-----------+
              |                       |
              v                       v
       Dataset profiling      Existing LangGraph
                              Feature Engineering Agent
                                      |
                       +--------------+--------------+
                       |              |              |
                    Analyze MO   Propose features  Generate code
                                                       |
                                                       v
                                                Execute features
                                                       |
                                                       v
                                                 Excel output

Related MCP server: skillsmcp

Herramientas MCP

Decisión de diseño importante

La capa MCP no reemplaza al agente existente.

Es un adaptador alrededor del agente existente para que un host compatible con MCP pueda descubrir y llamar al flujo de trabajo de feature engineering como una herramienta.

El repositorio original está en:

https://github.com/ahutosh173/automated-feature-engineering

1. Requisitos previos

• Python 3.10+

• Git

• Acceso al repositorio original del agente de feature engineering

• La configuración de LLM requerida por el agente original

El SDK de Python de MCP actualmente requiere Python 3.10+.

2. Clonar ambos repositorios

Estructura recomendada:

projects/
├── automated-feature-engineering/
└── feature-engineering-mcp/

Clonar el repositorio original:

git clone https://github.com/ahutosh173/automated-feature-engineering.git

Clonar este repositorio:

git clone <YOUR-MCP-REPO-URL>

3. Crear un entorno virtual

Desde este repositorio:

python -m venv .venv

Windows:

.venv\Scripts\activate

Linux/macOS:

source .venv/bin/activate

Instalar dependencias:

pip install -r requirements.txt

Instalar las dependencias del agente original:

pip install -r ../automated-feature-engineering/requirements.txt

4. Configurar el agente original

El repositorio original actualmente espera su propia configuración .env, incluyendo HF_TOKEN.

Configure ese repositorio exactamente como se describe en su README.

No confirme claves de API ni tokens.

5. Configurar este servidor MCP

Copie:

cp .env.example .env

Windows PowerShell:

Copy-Item .env.example .env

Establezca:

FEATURE_ENGINEERING_REPO=../automated-feature-engineering

Si los dos repositorios están en otro lugar, use una ruta absoluta.

Ejemplo:

FEATURE_ENGINEERING_REPO=C:/projects/automated-feature-engineering

6. Ejecutar el servidor MCP

Para uso local por stdio:

python server.py

El proceso esperará a un cliente MCP a través de stdin/stdout.

Para desarrollo con MCP Inspector:

mcp dev server.py

El SDK oficial de Python de MCP proporciona el flujo de trabajo de desarrollo de Inspector y permite definir herramientas directamente a partir de funciones de Python tipadas.

7. Probar sin un host MCP externo

Ejecute:

pytest -q

Las pruebas usan la conexión en memoria del cliente de Python de MCP y, por lo tanto, prueban las definiciones de herramientas MCP sin iniciar un subproceso.

Ejemplo: perfilar un conjunto de datos

Un cliente MCP puede llamar a:

{
  "name": "profile_dataset",
  "arguments": {
    "csv_path": "../automated-feature-engineering/data/train.csv"
  }
}

Ejemplo de respuesta:

{
  "success": true,
  "rows": 10000,
  "columns": 25,
  "columns_info": [
    {
      "name": "amount",
      "dtype": "float64",
      "missing": 0,
      "missing_pct": 0.0,
      "unique": 9000
    }
  ]
}

Ejemplo: ejecutar el agente

{
  "name": "run_feature_engineering",
  "arguments": {
    "csv_path": "../automated-feature-engineering/data/train.csv",
    "mo_name": "Fraud Detection",
    "mo_description": "Identify fraudulent transactions based on account behavior",
    "data_schema": [
      {
        "name": "txn_id",
        "dtype": "object",
        "description": "Transaction ID"
      },
      {
        "name": "amount",
        "dtype": "float64",
        "description": "Transaction amount"
      }
    ],
    "id_column": "txn_id",
    "label_column": "fraud"
  }
}

Por qué MCP es útil aquí

Sin MCP, el flujo de trabajo de feature engineering es principalmente una aplicación de Python.

Con MCP, un host compatible con MCP puede descubrir las herramientas de feature engineering y decidir cuándo invocarlas.

Por ejemplo:

User:
"Analyze my fraud dataset and create account-level features."

LLM:
  -> profile_dataset
  -> run_feature_engineering
  -> inspect result
  -> explain generated features

Nota de seguridad

El agente original genera código Python con un LLM y lo ejecuta usando exec(). Esa es una operación de alto riesgo si una salida de modelo no confiable o usuarios no confiables pueden llegar al servidor.

Para producción:

• ejecute el agente en un contenedor aislado,

• use un sistema de archivos restringido,

• valide el código generado,

• restrinja las importaciones,

• restrinja las rutas de entrada/salida,

• use límites de recursos y de CPU/tiempo,

• no exponga acceso arbitrario al sistema de archivos,

• añada autenticación/autorización antes del despliegue remoto.

Este repositorio deliberadamente no afirma que la ejecución de código generado existente sea segura para producción.

Próximas mejoras sugeridas

1. Añadir una herramienta de evaluación de características.

2. Añadir comparación de rendimiento de modelos.

3. Añadir metadatos de linaje de características.

4. Añadir aprobación/revisión antes de que se ejecute el código generado.

5. Añadir despliegue HTTP Streamable.

6. Añadir autenticación.

7. Añadir identificadores de checkpoint/sesión de LangGraph en lugar del ID de hilo fijo usado por el flujo de trabajo original.