MFlowy flujo de trabajo de modelado y análisis de datos

MFlowy es un motor de flujos de trabajo de ML modular nativo de MCP: basado en ejecución por capas con DAG, impulsado por configuración, admite flujos de trabajo rastreables y trazables desde el procesamiento de datos, el entrenamiento de modelos hasta el análisis visual.

Características principales

• Nativo de MCP: todas las capacidades se exponen como herramientas MCP (pyfunc); el mismo conjunto de herramientas se invoca a través de tres entradas: servidor MCP (stdio), CLI de JSON runner (cmd) e import directo (incrustado en el host)

• Orquestación de flujos de trabajo DAG: admite estructuras topológicas complejas de grafos acíclicos dirigidos (DAG), definiendo de forma flexible las dependencias de las tareas

• Impulsado por configuración: define flujos de trabajo mediante archivos de configuración YAML, sin necesidad de escribir código

• Registro mediante decoradores: funciones puras + decorador @handler para registro automático; añadir funcionalidad solo requiere crear un archivo .py

• Sistema de middleware: patrón de cadena de responsabilidad para preocupaciones transversales (inyección de datos, registro en mlflow, detención ante errores, varios tipos de registro)

• Linaje de datos: la etiqueta de MLflow (mflowy.input_steps) registra automáticamente las dependencias de entrada entre pasos

• Ejecución observable: seguimiento completo de MLflow (parámetros/métricas/modelos/artefactos) + WorkflowResult estructurado (run_id/estado/salida por nodo); los registros de proceso se vinculan a stderr y se colorean por nivel en modo terminal

• Estrategia de ejecución extensible: el contrato JobProvider abstrae el entorno de ejecución de las herramientas compute; incluye una implementación local integrada, y la ejecución remota se conecta mediante implementaciones personalizadas (ver docs/REMOTE_MODELING.md)

Related MCP server: Procesio MCP Server

Arquitectura y formas de invocación

MFlowy utiliza MCP como cuerpo principal de la arquitectura: src/mflowy/mcp/tools.py define todas las herramientas compute (eda / modeling / explanation / predict / inverse_optimization, etc.), invocadas a través de tres entradas:

La CLI (cmd) es el canal de línea de comandos de la capa de herramientas MCP; comparte la misma implementación de herramientas y la delegación de JobProvider con el servidor MCP, no es una arquitectura independiente; la CLI independiente histórica (mflowy run/validate/list-modules, etc.) está obsoleta.

Inicio rápido

# 构建 wheel（→ dist/mflowy-<version>-py3-none-any.whl）
make build-whl

# MCP server (stdio) — 完全体（数据分析 + 建模）；<whl> 为 wheel 绝对路径（见下方说明）
uvx --index-strategy unsafe-best-match \
    --default-index https://mirrors.aliyun.com/pypi/simple/ \
    --index https://download.pytorch.org/whl/cpu \
    --from "mflowy[modeling] @ file://<whl绝对路径>" \
    mcpSrv

# JSON runner（CLI）— 本地调试
uv run cmd list_modules                                       # 查看支持的步骤及模块列表（base，无数据栈）
uv run cmd list_modules '{"step":"load"}'                     # 查看 load 步骤的模块列表
uv run cmd get_module_info '{"step":"load","module":"csv"}'   # 查看 load 步骤的 csv 模块信息
uv run --extra stats cmd data_profile '{"file_path": "..."}'           # 数据分析工具
uv run --extra modeling cmd modeling '{"modeling_steps_yaml": "...", "name": "...", "desc": "..."}'  # 建模工具

Variables de entorno

Ejemplo de configuración de cliente MCP

{
  "mcpServers": {
    "mflowy": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "--index-strategy", "unsafe-best-match",  // torch CPU 索引必需（见下方说明）
        "--default-index", "https://mirrors.aliyun.com/pypi/simple/",  // 可选：包索引镜像（网络可达 PyPI 时省略）
        "--index", "https://download.pytorch.org/whl/cpu",  // [modeling] 需要；仅 [stats] 可省略
        "--from", "mflowy[modeling] @ file:///path/to/mflowy-<version>-py3-none-any.whl",
        "mcpSrv"
      ],
      "env": {
        // "PYTHONPATH": "/path/to/custom_module_parent",
        // "MFLOWY_JOB_PROVIDER": "<custom_module>:<class>",
        // "MLFLOW_TRACKING_URI": "postgresql://user:pwd@host:5432/mlflow"
      }
    }
  }
}

Notas de inicio

• Nombre de entrada mcpSrv: evita deliberadamente la CLI mcp homónima incluida en el SDK de mcp (mcp.cli:app); al resolver el comando mcp con uvx, podría alcanzar el lado del SDK y provocar un fallo de inicio

• extras integrados en la especificación --from: --extra de uvx requiere una versión nueva de uv; la escritura en línea ofrece la mejor compatibilidad

• <whl> es una ruta absoluta: make build-whl produce dist/mflowy-<version>-py3-none-any.whl; los cambios de versión deben sincronizarse

• Índice de CPU de torch (--index pytorch-cpu + --index-strategy unsafe-best-match) es necesario para [modeling]: uvx no lee [tool.uv.sources] de pyproject; por defecto, torch se resuelve como el paquete completo de CUDA (2–3GB); unsafe-best-match debe usarse junto con el índice de pytorch; de lo contrario, la estrategia first-index falla al resolver debido a la versión antigua de requests en ese índice

• En desarrollo se puede omitir la wheel: .mcp.json.example en la raíz del repositorio usa rutas de código fuente y siempre está actualizado

Telemetría (Telemetry)

Recopilación de diagnósticos de invocaciones de herramientas MCP, basada en consentimiento, con ask como valor predeterminado; si el endpoint no está disponible, es totalmente transparente y no afecta a la invocación de herramientas; solo cubre la entrada MCP. El contrato de privacidad se encuentra en PRIVACY.md, y los detalles de integración y configuración en docs/TELEMETRY.md.

Contribuciones

Se agradece cualquier tipo de contribución (funcionalidades, correcciones, documentación, casos). Lea CONTRIBUTING.md (proceso de desarrollo y convenciones), CODE_OF_CONDUCT.md, PRIVACY.md (contrato de privacidad de telemetría) y SECURITY.md (divulgación de vulnerabilidades).

Licencia

Este proyecto es de código abierto bajo la MIT License.

Documentación

• Guía de arquitectura y contribuciones

• Registro de decisiones de arquitectura

• Metodología del flujo de investigación

• Hoja de ruta

• Integración de ejecución remota

• Telemetría

• Arquitectura del motor DAG