自动化机器学习平台

MCP AutoML

MCP AutoML是一个服务器，它使AI代理能够执行端到端的机器学习工作流程，包括数据检查、处理、模型训练。使用MCP-AutoML，AI代理可以执行比典型的AutoML框架更多的功能。AI代理可以自己识别目标、设置基线和创建功能。

MCP AutoML将工具和工作流分开，允许您创建自己的工作流。

特性

• 数据检查：使用全面的统计数据、数据类型和预览分析数据集
• 基于SQL的数据处理：使用DuckDB SQL查询转换和设计功能
• AutoML培训：使用PyCaret进行自动模型比较的训练分类和回归模型
• 预测：使用经过训练的模型进行预测
• 多格式支持：适用于CSV、Parquet和JSON文件

用法

配置MCP服务器

在使用此MCP服务器之前，您可以运行 uv tool install --python 3.11 mcp-automl 安装它。它将缓存依赖关系，并使启动服务器更快。

添加到您的MCP客户端配置中（例如，Claude Desktop、Gemini CLI、Cursor、Antigravity）：

{
  "mcpServers": {
    "mcp-automl": {
      "command": "uvx",
      "args": ["--python", "3.11", "mcp-automl"]
    }
  }
}

或者使用Docker：

{
  "mcpServers": {
    "mcp-automl": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-v", "${PWD}:/workspace", "-v", "${HOME}/.mcp-automl:/root/.mcp-automl", "idea7766/mcp-automl:latest"]
    }
  }
}

可用工具

代理技能

MCP AutoML包括 数据科学工作流技能 该指南指导人工智能代理完成机器学习项目的最佳实践。这项技能教会代理人：

• 确定目标并建立基线
• 进行探索性数据分析
• 工程领域特定功能
• 系统地训练和评估模型

安装技能

对于Gemini CLI：

gemini skills install https://github.com/idea7766/mcp-automl --path skill/data-science-workflow

克劳德代码：

# Clone the repo and copy the skill
git clone https://github.com/idea7766/mcp-automl.git
cp -r mcp-automl/skill/data-science-workflow ~/.claude/skills/

技能档案位于 skill/data-science-workflow/SKILL.md.

配置

模型和实验保存到 ~/.mcp-automl/experiments/ 默认情况下。

故障排除

macOS：LightGBM OpenMP错误

如果你遇到这样的错误 Library not loaded: @rpath/libomp.dylib，您需要安装OpenMP：

brew install libomp

这是macOS上LightGBM所要求的系统级依赖关系。Linux和Windows用户通常不需要这一步。

依赖项

• PyCaret -AutoML库
• DuckDB -快速SQL分析
• 主控程序 -模型上下文协议SDK