ZenML MCP 서버 통합

“ZenML” MCP 서버란 무엇을 하나요?

ZenML MCP 서버는 Model Context Protocol(MCP)을 구현한 것으로, AI 어시스턴트(예: Cursor, Claude Desktop 등)와 사용자의 ZenML MLOps 및 LLMOps 파이프라인 사이를 연결해주는 역할을 합니다. ZenML의 API를 MCP 표준을 통해 노출함으로써, AI 클라이언트가 ZenML 서버에서 사용자, 파이프라인, 파이프라인 실행, 스텝, 서비스 등과 관련된 실시간 정보를 접근할 수 있게 합니다. 이 통합 덕분에 개발자와 AI 워크플로우는 메타데이터 질의, 새로운 파이프라인 실행 트리거, ZenML 오케스트레이션 기능과의 직접 상호작용이 가능해집니다. ZenML MCP 서버는 특히 LLM 기반 어시스턴트를 강력한 MLOps 인프라와 연결해 생산성을 높이고, ML 라이프사이클 전반의 작업을 촉진하는 데 유용합니다.

프롬프트 목록

저장소에서 프롬프트 템플릿에 대한 정보를 찾을 수 없습니다.

리소스 목록

• 사용자 – ZenML 사용자 정보 접근
• 스택 – 사용 가능한 스택 구성 정보 조회
• 파이프라인 – ZenML에서 관리되는 파이프라인 메타데이터 질의
• 파이프라인 실행 – 파이프라인 실행 정보 및 상태 확인
• 파이프라인 스텝 – 파이프라인 내 스텝 상세 정보 탐색
• 서비스 – ZenML에서 관리하는 서비스 정보
• 스택 구성요소 – ZenML 스택 내 다양한 구성요소 메타데이터
• 플레이버 – 다양한 스택 구성요소 플레이버 정보 조회
• 파이프라인 실행 템플릿 – 새로운 파이프라인 실행을 위한 템플릿
• 스케줄 – 예약된 파이프라인 실행 데이터
• 아티팩트 – 데이터 아티팩트(데이터 자체가 아닌) 메타데이터
• 서비스 커넥터 – 외부 서비스 연결자 정보
• 스텝 코드 – 파이프라인 스텝 관련 코드 접근
• 스텝 로그 – (클라우드 기반 스택에서 실행 시) 스텝 로그 조회

도구 목록

• 새로운 파이프라인 실행 트리거 – 실행 템플릿이 있으면 새로운 파이프라인 실행 가능
• 리소스 읽기 – ZenML 서버 오브젝트(사용자, 스택, 파이프라인 등)의 메타데이터 및 상태 읽기 도구

이 MCP 서버의 활용 사례

• 파이프라인 모니터링 및 관리: 개발자가 AI 어시스턴트를 사용해 파이프라인 실행 상태를 질의하고, 로그를 조회하며, ZenML에서 직접 진행 상황을 모니터링할 수 있습니다.
• 파이프라인 실행 트리거: AI 어시스턴트를 통해 MCP 서버로 새로운 파이프라인 실행을 시작하여 실험 반복 및 배포 주기를 간소화할 수 있습니다.
• 리소스 및 아티팩트 탐색: ZenML에서 관리하는 데이터셋, 모델 등 아티팩트의 메타데이터를 즉시 조회하여 실험 맥락 파악이 빠릅니다.
• 스택 및 서비스 점검: 스택 구성과 서비스 세부 정보를 신속히 검토하여 트러블슈팅 및 최적화를 쉽게 합니다.
• 자동화된 리포트 생성: AI 어시스턴트를 통해 ML 실험, 파이프라인 이력, 아티팩트 계보 등에 관한 리포트를 MCP 서버 질의로 자동 생성할 수 있습니다.

설정 방법

Windsurf

Windsurf에 대한 명시적 지침은 없습니다. 일반 MCP 설정을 사용하세요:

1. Node.js와 uv가 설치되어 있는지 확인하세요.
2. 저장소를 클론하세요.
3. ZenML 서버 URL과 API 키를 받으세요.
4. Windsurf MCP 설정 파일에 ZenML MCP 서버를 추가하세요.
5. 저장하고 Windsurf를 재시작하세요.

{
  "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"
      }
    }
  }
}

참고: 위와 같이 env 섹션에 API 키를 저장해 보안을 유지하세요.

Claude

1. Claude Desktop을 설치하세요.
2. ‘Settings’ > ‘Developer’ > ‘Edit Config’를 엽니다.
3. 아래와 같이 MCP 서버를 추가하세요.
4. 경로와 인증 정보를 본인 것으로 교체하세요.
5. 저장하고 Claude Desktop을 재시작하세요.

{
  "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"
      }
    }
  }
}

참고: 항상 환경 변수에 API 키를 안전하게 저장하세요.

Cursor

1. Cursor를 설치하세요.
2. Cursor MCP 설정 파일 위치를 찾으세요.
3. 아래와 같이 ZenML MCP 서버 섹션을 추가하세요.
4. 경로와 인증 정보를 올바르게 입력하세요.
5. 저장하고 Cursor를 재시작하세요.

{
  "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"
      }
    }
  }
}

참고: 보안을 위해 API 키는 env 섹션 환경 변수로 설정하세요.

Cline

Cline에 대한 명시적 지침은 없습니다. 일반 MCP 설정을 사용하세요:

1. Cline의 사전 필수 항목을 설치하세요.
2. MCP-ZenML 저장소를 클론하세요.
3. ZenML 서버 인증 정보를 받으세요.
4. Cline MCP 설정 파일에 ZenML MCP 서버를 포함시키세요.
5. 저장하고 Cline을 재시작하세요.

{
  "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"
      }
    }
  }
}

참고: 위와 같이 env 섹션에 API 키를 안전하게 저장하세요.

API 키 보안:
ZenML API 키와 서버 URL은 위 JSON 예시처럼 설정 파일의 env 환경 변수로 안전하게 저장하세요.

이 MCP를 플로우에서 사용하는 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면, MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭해 설정 패널을 엽니다. 시스템 MCP 설정 섹션에서 아래 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면, AI 에이전트가 MCP의 모든 기능과 역량을 도구로 활용할 수 있습니다. “zenml” 부분을 MCP 서버의 실제 이름으로, URL은 본인 MCP 서버 URL로 반드시 교체하세요.

개요

위 표와 같이, ZenML MCP 서버는 풍부한 문서, 명확한 설정 안내, 다양한 리소스와 도구 노출을 제공합니다. 다만 프롬프트 템플릿 문서화·샘플링·roots 지원 등 일부 MCP 고급 기능은 다루지 않습니다. 저장소는 활발하며 별점과 포크 수도 양호합니다.

MCP 점수