AI导哈

ML模型溯源管理服务

一个基于Python的ML模型溯源和谱系管理服务，支持数据集管理、实体跟踪、活动日志记录和溯源关系跟踪，提供RESTful API端点。

  • by jettyio
  • Python
  • 本地部署
  • 7 星标
  • 更新于
在 GitHub 查看 jettyio/mlcbakery

使用说明

MLC面包店

基于Python的服务，用于管理ML模型的来源和沿袭，使用FastAPI和SQLAlchemy构建。支持Croissant元数据验证。

特性

  • 支持收集的数据集管理
  • 实体跟踪
  • 活动日志
  • 来源关系跟踪
  • RESTful API端点

使用Docker运行

  1. 设置环境变量： 创建一个 .env 通过复制示例在项目根目录中创建文件：

    cp env.example .env

  2. 启动docker容器： 面包店依靠postgres数据库和Typesense进行搜索。MCP服务器对API服务器进行REST调用，然后后者调用持久层。

    docker compose up -d

  3. 运行数据库迁移： 使用Alembic应用最新的数据库模式。 uv run 在项目的托管环境中执行命令。

    docker compose exec db psql -U postgres -c "create DATABASE mlcbakery;"
docker compose exec api alembic upgrade head

进入面包店

默认情况下，API将在本地主机上可用。

  • Swagger用户界面： http://bakery.localhost/docs
  • 重新记录： http://bakery.localhost/redoc
  • 可流式MCP HTTP： http://mcp.localhost/mcp （您可能需要将此添加到您的 /etc/hosts 地方发展）

运行服务器（本地）

先决条件

  • Python 3.12+
  • 紫外线 （Python包管理器）

开发步骤

  1. 克隆存储库：

    git clone git@github.com:jettyio/mlcbakery.git
cd mlcbakery

  2. 安装依赖关系： uv 用途 pyproject.toml 管理依赖关系。如果虚拟环境不存在，它将自动创建一个虚拟环境。

    curl -LsSf https://astral.sh/uv/install.sh | sh

    pip install poetry uvicorn
uv run poetry install --no-interaction --no-ansi --no-root --with mcp

使用uvicorn启动FastAPI应用程序：

# Make sure your .env file is present for the DATABASE_URL
uv run uvicorn mlcbakery.main:app --reload --host 0.0.0.0 --port 8000

认证

Bakery设置为使用两种方法对请求进行身份验证：JWT令牌和“主管理令牌”。两者都在ENV变量（.ENV文件）中配置。JWT令牌和主管理令牌都应作为“承载”授权标头值提供。

  • ADMIN_AUTH_TOKEN：一个固定值，是用户需要提供的令牌，以获得管理员权限（对所有资源的无限制访问）。
  • JWT_VERIFICATION_STRATEGY：受信任的JWT令牌发行者的URL，如Clerk。我们有一个Clerk的开发实例正在运行，您可以使用它。您可以通过flows.jetty.io（alpha）注册帐户，或联系dev@jetty.io访问Jetty的云。

运行测试

这些测试被配置为在PostgreSQL数据库上运行，该数据库由 DATABASE_URL 环境变量。您可以使用与开发环境相同的数据库，也可以在您的 .env 如果愿意，请使用文件（根据需要调整连接字符串）。

# Ensure DATABASE_URL is set in your environment or .env file
uv run pytest

相关 MCP