
Model Context Protocol (MCP) Sunucusu
Model Context Protocol (MCP) Sunucusu, AI asistanlarını harici veri kaynakları, API'ler ve servislerle buluşturarak FlowHunt'ta karmaşık iş akışlarının kolayca ...
ZenML MCP Sunucusu ile yapay zeka ajanlarınızı ZenML’nin MLOps altyapısına bağlayarak gerçek zamanlı pipeline kontrolü, artefakt keşfi ve verimli ML iş akışları sağlayın.
ZenML MCP Sunucusu, Yapay Zeka asistanları (Cursor, Claude Desktop ve diğerleri gibi) ile ZenML MLOps ve LLMOps pipeline’larınız arasında köprü görevi gören Model Context Protocol (MCP) uygulamasıdır. ZenML’nin API’sini MCP standardı üzerinden sunarak, AI istemcilerinin bir ZenML sunucusundan kullanıcılar, pipeline’lar, pipeline çalışmaları, adımlar, servisler ve daha fazlası hakkında canlı bilgiye erişmesini sağlar. Bu entegrasyon, geliştiricilere ve yapay zeka iş akışlarına metaveri sorgulama, yeni pipeline çalıştırma başlatma ve ZenML’nin orkestrasyon özellikleriyle doğrudan etkileşim imkânı verir. ZenML MCP Sunucusu, özellikle LLM tabanlı asistanları güçlü MLOps altyapısına bağlayarak üretkenliği artırmak ve ML yaşam döngüsündeki görevleri kolaylaştırmak için faydalıdır.
Depoda prompt şablonlarıyla ilgili bilgi bulunamadı.
Windsurf için özel talimat bulunamadı; genel MCP konfigürasyonunu kullanın:
uv
kurulu olduğundan emin olun.{
"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"
}
}
}
}
Not: API anahtarlarınızı yukarıda gösterildiği gibi env
bölümünde güvenle ayarlayın.
{
"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"
}
}
}
}
Not: API anahtarlarınızı yukarıdaki gibi ortam değişkenlerinde güvenle saklayın.
{
"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"
}
}
}
}
Not: API anahtarlarını güvenliğiniz için env
bölümünde ortam değişkeni olarak ayarlayın.
Cline için özel talimat bulunamadı; genel MCP konfigürasyonunu kullanın:
{
"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"
}
}
}
}
Not: API anahtarlarınızı yukarıdaki gibi env
bölümünde güvenli bir şekilde saklayın.
API Anahtarlarını Güvenli Saklama:
ZenML API anahtarınızı ve sunucu URL’nizi, yukarıdaki JSON örneklerinde olduğu gibi config’inizin env
bölümünde ortam değişkeni olarak güvenli şekilde ayarlayın.
FlowHunt’ta MCP kullanımı
MCP sunucularını FlowHunt iş akışınıza entegre etmek için, akışınıza MCP bileşenini ekleyip AI ajanınıza bağlayarak başlayın:
MCP bileşenine tıklayarak yapılandırma panelini açın. Sistem MCP yapılandırma bölümünde MCP sunucu bilgilerinizi şu JSON formatında girin:
{
"zenml": {
"transport": "streamable_http",
"url": "https://yourmcpserver.example/pathtothemcp/url"
}
}
Yapılandırma tamamlandıktan sonra, AI ajanınız bu MCP’yi bir araç olarak kullanabilir ve tüm fonksiyonlarına erişebilir. “zenml” ifadesini kendi MCP sunucunuzun adıyla ve URL’yi de kendi MCP sunucu adresinizle değiştirin.
Bölüm | Mevcut | Detaylar/Notlar |
---|---|---|
Genel Bakış | ✅ | |
Prompt Listesi | ⛔ | Depoda bulunamadı |
Kaynaklar Listesi | ✅ | ZenML’nin API’sinin sunduğu kaynakları kapsıyor |
Araçlar Listesi | ✅ | Pipeline tetikleme, metaveri okuma vb. |
API Anahtarı Güvenliği | ✅ | Örnek konfigürasyon sağlandı |
Örnekleme Desteği (değerlendirmede önemsiz) | ⛔ | Bahsedilmemiş |
Yukarıdaki tablolara göre, ZenML MCP sunucusu kapsamlı dokümantasyon, net kurulum rehberi ve geniş kaynak/araç yelpazesi sunar. Ancak prompt şablonları için dokümantasyon eksiktir ve örnekleme veya kök desteği açıkça belirtilmemiştir. Depo aktiftir, yıldız ve fork sayısı uygun düzeydedir; fakat bazı MCP ileri seviye özellikleri kapsam dışındadır.
Lisansı Var mı? | ⛔ (mevcut dosyalarda gösterilmiyor) |
---|---|
En az bir aracı var mı? | ✅ |
Fork Sayısı | 8 |
Yıldız Sayısı | 18 |
ZenML MCP Sunucusu, yapay zeka asistanlarını ZenML MLOps ve LLMOps pipeline’larınızla birleştirir ve ZenML API’sini Model Context Protocol üzerinden sunar. Bu sayede, AI araçları pipeline metaverilerini sorgulayabilir, işlemleri yönetebilir ve ZenML altyapısıyla doğrudan etkileşim kurabilir.
Kullanıcılar, stack’ler, pipeline’lar, pipeline çalışmaları, adımlar, servisler, stack bileşenleri, flavor’lar, pipeline çalışma şablonları, zamanlayıcılar, artefaktlar, servis konektörleri, adım kodu ve loglara erişim sağlar. Ayrıca yeni pipeline çalıştırmalarını başlatmayı ve ZenML sunucu nesnelerinden metaveri okumayı mümkün kılar.
API anahtarınızı ve sunucu URL’nizi her zaman MCP konfigürasyonunuzun `env` bölümünde ortam değişkenleri olarak güvenle saklayın; her istemci için kurulum örneklerinde gösterildiği gibi.
Başlıca kullanım alanları; pipeline izleme ve kontrolü, yeni pipeline yürütmelerinin tetiklenmesi, kaynak ve artefaktların incelenmesi, stack ve servis detaylarının gözden geçirilmesi ve AI asistanlarıyla otomatik rapor üretimidir.
Prompt şablonu belgeleri ve örnekleme özellikleri şu anda ZenML MCP Sunucusu entegrasyonunda mevcut değildir.
AI asistanlarınızı FlowHunt’ı ZenML MCP Sunucusuna bağlayarak ML pipeline’larını anında orkestre edin, izleyin ve yönetin.
Model Context Protocol (MCP) Sunucusu, AI asistanlarını harici veri kaynakları, API'ler ve servislerle buluşturarak FlowHunt'ta karmaşık iş akışlarının kolayca ...
ModelContextProtocol (MCP) Sunucusu, AI ajanları ile harici veri kaynakları, API'ler ve servisler arasında bir köprü görevi görerek FlowHunt kullanıcılarının ba...
Zoom MCP Sunucusu, Zoom toplantılarının FlowHunt ve diğer yapay zeka platformlarında sorunsuz bir şekilde AI tabanlı yönetimini sağlar. Standart Model Context P...