ZenML MCPサーバー連携

「ZenML」MCPサーバーの役割とは？

ZenML MCPサーバーは、Model Context Protocol（MCP）を実装したもので、CursorやClaude DesktopなどのAIアシスタントと、あなたのZenML MLOps・LLMOpsパイプラインの橋渡しを行います。ZenMLのAPIをMCP標準で公開することで、AIクライアントがZenMLサーバー上のユーザー、パイプライン、パイプライン実行、ステップ、サービスなどのライブ情報へアクセスできるようになります。この連携により、開発者やAIワークフローはメタデータの取得、新規パイプライン実行のトリガー、ZenMLのオーケストレーション機能との直接的なやりとりが可能となります。特に、LLM搭載アシスタントを強力なMLOps基盤へ繋ぐことで、MLライフサイクル全体の効率化を促進します。

プロンプト一覧

リポジトリ内にプロンプトテンプレート情報は見つかりませんでした。

リソース一覧

• ユーザー – ZenMLユーザー情報へのアクセス
• スタック – 利用可能なスタック構成の詳細取得
• パイプライン – ZenML管理下のパイプラインメタデータ取得
• パイプライン実行 – パイプラインの実行情報やステータス取得
• パイプラインステップ – パイプライン内ステップの詳細探索
• サービス – ZenMLで管理されているサービス情報
• スタックコンポーネント – ZenMLスタック内各種コンポーネントのメタデータ
• フレーバー – 各種スタックコンポーネントのフレーバー情報
• パイプライン実行テンプレート – 新規パイプライン実行用テンプレート
• スケジュール – スケジュールされたパイプライン実行データ
• アーティファクト – データアーティファクトのメタデータ（データ本体ではありません）
• サービスコネクタ – 外部サービスへのコネクタ情報
• ステップコード – パイプラインステップ関連コードへのアクセス
• ステップログ – ステップのログ取得（クラウドスタック実行時）

ツール一覧

• 新規パイプライン実行トリガー – 実行テンプレートがあれば新しいパイプライン実行を開始
• リソース読み取り – ZenMLサーバーオブジェクト（ユーザー、スタック、パイプライン等）のメタデータやステータス取得ツール

このMCPサーバーのユースケース

• パイプライン監視・管理: AIアシスタントからパイプライン実行状況の取得、ログ参照、進捗監視が可能。
• パイプライン実行のトリガー: AIアシスタント経由で新しいパイプライン実行を開始、実験やデプロイのサイクルを効率化。
• リソースおよびアーティファクト探索: データセットやモデル、その他アーティファクトのメタデータを即座に取得し、実験の文脈理解を高速化。
• スタック・サービス検証: スタック構成およびサービス詳細を迅速に確認し、トラブルシュートや最適化を簡素化。
• 自動レポート生成: MCPサーバーへのクエリでAIアシスタントがML実験やパイプライン履歴、アーティファクト系譜のレポートを自動生成。

セットアップ方法

Windsurf

Windsurf用の明確な手順は見つかりませんでした。一般的なMCP設定をご利用ください:

1. Node.jsとuvがインストールされていることを確認します。
2. リポジトリをクローンします。
3. ZenMLサーバーのURLとAPIキーを取得します。
4. WindsurfのMCP設定ファイルにZenML MCPサーバーを追加します。
5. 保存してWindsurfを再起動します。

{
  "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"
      }
    }
  }
}

注: 上記のようにAPIキーはenvセクションで必ず安全に設定してください。

Claude

1. Claude Desktopをインストールします。
2. 「設定」>「開発者」>「設定を編集」を開きます。
3. 下記のようにMCPサーバーを追加します。
4. パスや認証情報を自分のものに変更してください。
5. 保存してClaude Desktopを再起動します。

{
  "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"
      }
    }
  }
}

注: APIキーは必ず環境変数として安全に保存してください。

Cursor

1. Cursorをインストールします。
2. CursorのMCP設定ファイルを探します。
3. 下記のようにZenML MCPサーバーセクションを追加します。
4. パスや認証情報を正しいものに記入します。
5. 保存してCursorを再起動します。

{
  "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"
      }
    }
  }
}

注: セキュリティのため、APIキーはenvセクションの環境変数で設定してください。

Cline

Cline用の明確な手順は見つかりませんでした。一般的なMCP設定をご利用ください:

1. Clineの前提条件をインストールします。
2. MCP-ZenMLリポジトリをクローンします。
3. ZenMLサーバーの認証情報を取得します。
4. ClineのMCP設定ファイルにZenML MCPサーバーを追加します。
5. 保存してClineを再起動します。

{
  "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"
      }
    }
  }
}

注: APIキーは上記のようにenvセクションで安全に設定してください。

APIキーの安全な管理:
ZenMLのAPIキーやサーバーURLは、上記JSON例のenvセクションで環境変数として安全に設定してください。

Flow内でこのMCPを使う方法

FlowHuntでのMCP利用

MCPサーバーをFlowHuntワークフローに統合するには、まずフローにMCPコンポーネントを追加し、AIエージェントと接続します。

MCPコンポーネントをクリックして設定パネルを開き、システムMCP設定セクションに下記のJSON形式でMCPサーバー情報を記入します。

{
  "zenml": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

設定後、AIエージェントはMCP経由で全ての機能やリソースにアクセスできるようになります。必ず"zenml"部分は実際のMCPサーバー名に、URLもご自身のMCPサーバーURLに書き換えてください。

概要

上記の通り、ZenML MCPサーバーは充実したドキュメント、明確なセットアップ手順、多様なリソース・ツールの公開を特徴とします。一方でプロンプトテンプレートやサンプリング・roots対応の明示的な記載はありません。リポジトリは活発で、スター・フォーク数も十分ですが、MCPの高度な機能には一部未対応です。

MCPスコア