MFlowy データモデリング分析ワークフロー

MFlowy は MCP-native のモジュール型 ML ワークフローエンジンです。DAG 階層実行に基づき、設定駆動で、データ処理からモデルトレーニング、可視化分析まで追跡・トレース可能なワークフローをサポートします。

コア機能

• MCP-native：すべての機能は MCP ツール（pyfunc）として公開され、同じツールセットを3つのエントリポイントから呼び出せます——MCP server（stdio）、JSON runner CLI（cmd）、直接 import（ホスト組み込み）

• DAG ワークフローオーケストレーション：複雑な有向非巡回グラフ（DAG）トポロジーをサポートし、タスクの依存関係を柔軟に定義可能

• 設定駆動：YAML 設定ファイルでワークフローを定義。コード記述は不要

• デコレータ登録：純関数 + @handler デコレータで自動登録。新機能は .py ファイルを作成するだけ

• ミドルウェアシステム：責任連鎖パターンで横断的関心事（データ注入、mlflow 記録、エラー即停止、各種ログ）を処理

• データ系統：MLflow タグ（mflowy.input_steps）でステップ間の入力依存関係を自動記録

• 可観測実行：MLflow による全量追跡（パラメータ/メトリクス/モデル/成果物）+ 構造化 WorkflowResult（ノードごとの run_id/ステータス/出力）；プロセスログは stderr にバインドされ、ターミナルモードではレベルに応じて色分け

• 拡張可能な実行戦略：JobProvider 契約で compute ツールの実行環境を抽象化。組み込みのローカル実装を提供し、リモート実行はカスタム実装で接続（docs/REMOTE_MODELING.md 参照）

Related MCP server: Procesio MCP Server

アーキテクチャと呼び出し方法

MFlowy は MCP をアーキテクチャの主体としています：src/mflowy/mcp/tools.py で全ての compute ツール（eda / modeling / explanation / predict / inverse_optimization など）を定義し、3つのエントリポイントから呼び出します：

CLI（cmd）は MCP ツール層のコマンドラインチャネルであり、MCP server と同じツール実装と JobProvider 委譲を共有します。独立したアーキテクチャではありません。過去の独立 CLI（mflowy run/validate/list-modules など）は廃止されました。

クイックスタート

# 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

環境変数

MCP クライアント設定例

{
  "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"
      }
    }
  }
}

起動時の注意

• エントリ名 mcpSrv：mcp SDK 付属の同名 mcp CLI（mcp.cli:app）を意図的に回避——uvx が mcp コマンドを解決する際に SDK 側にヒットして起動失敗する可能性があります

• extras は --from spec にインライン：uvx の --extra は新しい uv が必要。インライン記法が最も互換性が高いです

• <whl> は絶対パス：make build-whl は dist/mflowy-<version>-py3-none-any.whl を生成します。バージョン番号の変更は同期が必要です

• torch CPU インデックス（--index pytorch-cpu + --index-strategy unsafe-best-match）は [modeling] に必須：uvx は pyproject の [tool.uv.sources] を読みません。デフォルトでは torch は CUDA フルセット（2–3GB）として解決されます。unsafe-best-match は pytorch インデックスと併用する必要があります。そうしないと first-index 戦略がそのインデックス上の古い requests の解決に失敗します

• 開発時は wheel をスキップ可能：リポジトリルートの .mcp.json.example はソースパス形式で、常に最新です

テレメトリ

MCP ツール呼び出しの診断収集。同意制で、デフォルトは ask。エンドポイントに到達できない場合は完全に透過的でツール呼び出しに影響しません。MCP エントリポイントのみを対象とします。プライバシー契約は PRIVACY.md を参照。接続と設定の詳細は docs/TELEMETRY.md を参照してください。

貢献

機能、修正、ドキュメント、ユースケースなど、あらゆる形の貢献を歓迎します。CONTRIBUTING.md（開発プロセスと規約）、CODE_OF_CONDUCT.md、PRIVACY.md（テレメトリのプライバシー契約）、SECURITY.md（脆弱性の開示）をお読みください。

ライセンス

このプロジェクトは MIT License でオープンソース化されています。

ドキュメント

• アーキテクチャと貢献ガイド

• アーキテクチャ決定記録

• 研究フローの方法論

• ロードマップ

• リモート実行の接続

• テレメトリ

• DAG エンジンのアーキテクチャ