mcp-registry

MLflow MCP Server Registry のエンドツーエンドの簡易ウォークスルーです。FastMCP で MCP サーバーを構築し、FastMCP クライアントで呼び出し、MLflow に登録して、バージョン、アクセスエンドポイント、自動検出されたツールと共に検出可能にします。

このリポジトリには 3 つのコンポーネントがあります:

要件

• Python ≥ 3.13

• ローカルで実行中の MLflow トラッキングサーバー（v3.15+） — レジストリ API はサーバーサイドにあります

• PostgreSQL（PostgreSQL サーバーを試す場合）

• uv（リポジトリには uv.lock が同梱されています）

依存関係（pyproject.toml）: fastmcp>=3.4.7、mlflow>=3.15.1、psycopg2 + psycopg2-binary、python-dotenv。

uv sync

Related MCP server: postgres-mcp-readonly

設定

PostgreSQL サーバーは、リポジトリルートの .env ファイルから接続設定を読み取ります（python-dotenv 経由で読み込み）。.env は gitignore されています — 自分で作成してください:

PGHOST=localhost
PGPORT=5432
PGUSER=root
PGPASSWORD=root
PGSSLMODE=prefer
PGADMINDB=postgres

src/simple_server.py は設定不要です。

1. MLflow トラッキングサーバーを起動する

mlflow_mcp_registry_util.py は http://127.0.0.1:5000 を指しています。リポジトリにはすでに SQLite バックアップの実行から mlflow.db（gitignore されています）が含まれています:

uv run mlflow server --backend-store-uri sqlite:///mlflow.db --host 127.0.0.1 --port 5000

サーバーが別の場所にある場合は、mlflow_mcp_registry_util.py の先頭にある mlflow.set_tracking_uri(...) 呼び出しを編集してください。

2. MCP サーバーを実行する

両方のサーバーは、ストリーミング可能な HTTP（http://localhost:8000/mcp）で ポート 8000 にバインドするため、一度に 1 つずつ実行するか、mcp.run(...) 呼び出しでポートを変更してください。

シンプルな挨拶サーバー — 2 つのツール、Greeting と Sendoff:

uv run python src/simple_server.py

PostgreSQL エクスプローラー — 実行中の PostgreSQL サーバーへの読み取り専用イントロスペクション:

uv run python src/postgresql_mcp.py

または FastMCP CLI 経由:

uv run fastmcp run src/postgresql_mcp.py --transport http --port 8000

PostgreSQL ツール

すべてのツールは _query() を経由し、名前付きデータベースへの新しい接続を開き、RealDictCursor を通して単一のパラメータ化された SELECT を実行し、接続を閉じます。書き込みは行いません。

3. クライアントからサーバーを呼び出す

ポート 8000 でサーバーが実行されている状態で:

uv run python clients/postgres_server_client.py   # calls ListDatabases, prints each database name
uv run python clients/simple_server_client.py     # calls the greeting tool with "Ford"

clients/postgres_server_client.py は FastMCP の結果を展開します: result.content の各アイテムには JSON text ペイロードが含まれており、それを解析して database を読み取ります。

注: clients/simple_server_client.py は client.call_tool("greet", ...) を呼び出しますが、src/simple_server.py のツールは Greeting という名前で登録されています（greet は Python 関数名にすぎません）。呼び出しを解決するには "Greeting" を使用してください。

4. サーバーを MLflow に登録する

mlflow_mcp_registry_util.py には 4 つのコルーチンがあり、それぞれが 1 つのレジストリ API を示しています:

register_postgresql_mcp_server()

リモート サーバー — すでに実行中で HTTP 経由で到達可能なサーバー — を登録します:

mlflow.genai.register_mcp_server(
    server_json={
        "name": "io.github.pavanjava/postgresql-server",
        "version": "0.1.0",
        "description": "PostgreSQL FastMCP server exposing DB tools",
        "remotes": [{"url": "http://localhost:8000/mcp", "type": "streamable-http"}],
    },
    status="active",
    source="local dev server via fastmcp",
    create_access_endpoints_from_remotes=True,
)

create_access_endpoints_from_remotes=True により、remotes 内の各エントリが MLflow アクセスエンドポイント に変換され、コンシューマーは接続 URL をハードコーディングする代わりにレジストリから解決できるようになります。

register_qdrant_mcp_server()

代わりに パッケージ化された サーバーを登録します — 実行中のプロセスは不要です。エントリは起動方法（uvx mcp-server-qdrant over stdio）を記述し、環境変数（必要なものと秘密のもの（QDRANT_API_KEY）を含む）を宣言します。

discover_tools()

refresh_mcp_server_version_tools(...) を呼び出します。MLflow は登録されたサーバーバージョンに接続し、そのツールを列挙し、バージョンに永続化します。その後、server_version.tools に検出されたツール名がリストされます。これにはサーバーが実際に到達可能である必要があります。

list_endpoints()

search_mcp_access_endpoints(server_name=...) を呼び出し、各エンドポイントの URL、トランスポートタイプ、および解決されるサーバーバージョンを出力します。

実行方法

__main__ ブロックは一度に 1 つのコルーチンを実行し、残りはコメントアウトされています。必要なコルーチンのコメントを解除してください:

if __name__ == "__main__":
    # asyncio.run(register_postgresql_mcp_server())
    asyncio.run(register_qdrant_mcp_server())
    # asyncio.run(discover_tools())
    # asyncio.run(list_endpoints())

uv run python mlflow_mcp_registry_util.py

登録されたサーバーは、MLflow UI の MCP Servers セクション（http://127.0.0.1:5000）に表示されます。

推奨エンドツーエンドパス

1. ポート 5000 で MLflow を起動します。

2. ポート 8000 で PostgreSQL MCP サーバーを起動します。

3. 応答を確認: uv run python clients/postgres_server_client.py。

4. 登録: register_postgresql_mcp_server() のコメントを解除してユーティリティを実行します。

5. ツールを検出: discover_tools() に切り替えて再度実行 — 上記の 6 つのツールが表示されるはずです。

6. アクセスエンドポイントを検査: list_endpoints() に切り替えます。

7. MLflow UI で結果を参照します。

リポジトリレイアウト

.
├── src/
│   ├── simple_server.py        # FastMCP "My MCP Server" — Greeting + Sendoff tools
│   └── postgresql_mcp.py       # FastMCP "PostgreSQL Explorer" — 6 read-only introspection tools
├── clients/
│   ├── simple_server_client.py     # calls a tool on the greeting server
│   └── postgres_server_client.py   # calls ListDatabases and prints database names
├── mlflow_mcp_registry_util.py # MLflow MCP registry: register / refresh tools / list endpoints
├── pyproject.toml
└── uv.lock

mlflow.db、.env、.venv、および .idea は gitignore されています。