模型训练服务

Kubeflow MCP服务器（第一阶段-培训客户端）

该项目实施 第一阶段 KEP-936：模型上下文协议（MCP）服务器 这包裹了 Kubeflow训练器SDK (kubeflow.trainer.TrainerClient)并暴露 通过工具对AI代理（Claude、Cursor等）进行训练操作。

MCP服务器：

• 不 重新实施训练逻辑
• 是否 导入和包装现有SDK类型： TrainerClient, BuiltinTrainer, CustomTrainer, CustomTrainerContainer等等。
• 提供：
  • 发现工具（集群+培训工作信息）
  • 培训工具（微调、定制培训、容器作业）
  • 监控工具（日志、状态、事件）
  • 生命周期工具（删除作业）

核心原则：MCP封装SDK并添加自然语言接口。

项目布局

kubeflow-mcp/
├── pyproject.toml              # Package config + dependencies
├── README.md                   # This file
├── src/kubeflow_mcp/
│   ├── __init__.py
│   ├── server.py               # FastMCP server entrypoint
│   └── tools/
│       ├── __init__.py
│       ├── discovery.py        # 7 discovery tools
│       ├── training.py         # 3 training tools
│       ├── monitoring.py       # 3 monitoring tools
│       └── lifecycle.py        # 1 lifecycle tool
└── tests/
    ├── conftest.py
    ├── test_discovery.py
    ├── test_training.py
    ├── test_monitoring.py
    └── test_lifecycle.py

依赖项

• Python 3.9+
• kubeflow 软件开发工具包 >=0.3.0
• mcp >=1.0.0
• kubernetes Python客户端 >=28.0.0

安装以进行开发：

cd kubeflow-mcp
pip install -e ".[dev]"

MCP服务器

主MCP服务器在中定义 src/kubeflow_mcp/server.py 并使用 FastMCP 从 mcp 包裹。它注册了来自的所有工具 kubeflow_mcp.tools.

MCP客户端（Claude Desktop、Cursor等）可以加载此服务器并调用以下工具：

• get_cluster_info
• get_cluster_resources
• list_training_jobs
• fine_tune
• run_custom_training
• run_container_job
• get_training_logs
• delete_job

运行测试

从 kubeflow-mcp 目录：

pytest -q

测试使用 pytest 和 unittest.mock 致：

• 模拟Kubeflow SDK(TrainerClient培训师等）
• 模拟Kubernetes Python客户端
• 验证每个工具：
  • 调用正确的SDK或K8s API
  • 干净利落地处理成功和失败
  • 返回简单的JSON可序列化字典

状态

第一阶段的重点是：

• ✅ 带发现工具的FastMCP服务器
• ✅ fine_tune 包裹 BuiltinTrainer （TorchTune）
• ✅ run_custom_training 包裹 CustomTrainer
• ✅ run_container_job 包裹 CustomTrainerContainer
• ✅ 基本监控工具（日志、状态、事件）
• ✅ 生命周期工具(delete_job)

未来阶段（尚未在此回购中）将包括：

• 飞行前验证（资源估算、先决条件）
• 基于策略的访问控制
• 使用指标跟踪进度
• OptimizerClient（Katib）集成