Automatyzacja zadań i zwiększanie efektywności specjalistów ds. danych

Istnieje mnóstwo uciążliwych zadań, które analityk danych lub inżynier AI wykonuje w ramach codziennego przepływu pracy — takich jak przesyłanie zbiorów danych, uruchamianie i powtarzanie tych samych skryptów dla różnych hiperparametrów, obserwowanie eksperymentów i tak dalej. Przekazanie tych zadań agentowi AI może zaoszczędzić zasoby i przynieść znaczną wartość.

Tutaj wkracza rozwiązanie Cloudera AI Workbench MCP Server: jest to open-source'owy serwer protokołu kontekstu modelu (MCP, Model Context Protocol) zaprojektowany pod kątem lepszej integracji z agentowym przepływem pracy. 

Co to jest Cloudera MCP Server i jak pomaga

MCP Server firmy Cloudera pełni rolę bezpiecznego tłumacza. Umożliwia asystentom (takim jak Cloudera Agent Studio, Claude lub Cursor) wykonywanie zadań bezpośrednio w środowisku Cloudera AI Workbench.

Oznacza to, że można poprosić asystenta o wyświetlenie listy projektów, przesłanie plików i uruchomienie zadań, a serwer wykona działanie przy użyciu standardowych interfejsów API platformy.

Rysunek 1. Cloudera AI Workbench MCP Server: architektura

Integracja z istniejącym zarządzaniem

Rozwiązanie Cloudera MCP Server zaprojektowano tak, aby współpracowało z istniejącym zarządzaniem przedsiębiorstwem, a nie omijało je.

• Dla analityków danych i inżynierów AI: To może pomóc ograniczyć przełączanie kontekstu, co pozwala pozostać na czacie lub w środowisku IDE podczas inicjowania zadań na platformie. Asystent może obsługiwać koordynację, podczas gdy platforma obsługuje wykonywanie. 

• Dla zespołów zajmujących się platformą i MLOPs: Ułatwi to wyzwalanie skryptu ewaluacyjnego, przesyłanie nowych zbiorów danych i uruchamianie podobnych testów. Integracja umożliwia również aktualizacje aplikacji, usuwanie oraz ponowne uruchamianie i śledzenie eksperymentów.

Zaprojektowany pod kątem bezpieczeństwa

Bezpieczeństwo jest podstawowym elementem projektu serwera, które ma być dopasowane do środowiska przedsiębiorstwa.

• Transport STDIO: Domyślnie używa standardowego wejścia/wyjścia (STDIO) do komunikacji między asystentem a serwerem. Dzięki temu nie trzeba otwierać nowego punktu końcowego sieci dla tej interakcji ani zarządzać nim.

• Zarządzanie poświadczeniami: Serwer jest zaprojektowany tak, aby odczytywał poświadczenia ze zmiennych środowiskowych lub wpisów tajnych Docker. Pozwala to uniknąć konieczności kodowanych na stałe kluczy lub przekazywania ich w argumentach wiersza polecenia.

• Łatwy dostęp: Wykorzystuje istniejące klucze Cloudera AI Workbench API, umożliwiając odpowiednie określanie zakresu uprawnień dla różnych użytkowników i przypadków użycia.

Rysunek 2. Cloudera Workbench MCP Server: zaprojektowane pod kątem bezpieczeństwa

Jak rozpocząć korzystanie z serwera Cloudera MCP Server

Serwer Cloudera MCP Server zaprojektowano w celu ułatwiania asystentom wchodzenia w bezpośrednią interakcję z platformą przy jednoczesnym operowaniu w ramach ustalonego zarządzania.

Rozpoczynanie pracy to prosty proces:

1. Skonfiguruj serwer: uruchom serwer open source w narzędziu Docker, podając hosta Cloudera AI Workbench i klucz interfejsu API jako wpisy tajne
2. Połącz klienta: skieruj preferowanego klienta MCP (np. Cloudera Agent Studio) na serwer przy użyciu jego polecenia STDIO
3. Wykonaj pierwsze żądanie: można przetestować połączenie, wydając asystentowi polecenie „wyświetl listę projektów”

Przykładowe przepływy pracy

Oto kilka przykładów zadań, które można wykonać za pośrednictwem asystenta podłączonego do serwera Cloudera MCP Server:

• Wyświetl listę wszystkich aktywnych projektów i pokaż mi wszystkie zadania, które wciąż są uruchomione

• Prześlij plik new-data-august.zip do projektu „fraud-detection”

• Utwórz zadanie przy użyciu skryptu train-v3.py, przydziel mu 2 procesory i 8 GB pamięci i uruchom je

• Zarejestruj te metryki w eksperymencie o nazwie „resnet-sweep” i oznacz przebieg jako „new-data”

• Pobierz najnowszą kompilację modelu i wdróż ją w punkcie końcowym środowiska testowego

• Uruchom ponownie aplikację „gradio-demo”

Serwer zawiera narzędzia do obsługi tych przepływów pracy w całym cyklu życia projektu, w tym do zarządzania plikami, wykonywania zadań, śledzenia eksperymentów, wdrażania modelu i zarządzania aplikacjami.

Dowiedz się więcej

Aby uzyskać szczegółowe kroki konfiguracji, przykłady i pełną listę możliwości, odwiedź repozytorium GitHub serwera Cloudera MCP Server. Uwaga: projekty GitHub są dostarczane w stanie takim, jakim są, i nie są formalnie obsługiwane przez Cloudera. Projekt Cloudera MCP Server jest udostępniany na podstawie licencji Apache 2.0. Firma Cloudera nie udziela żadnej gwarancji, wsparcia ani konserwacji w związku z jego użytkowaniem.

Aby dowiedzieć się więcej o współpracy MCP i Cloudera, zapoznaj się z naszym blogiem Udostępnianie kontekstu GenAI przy użyciu serwerów Cloudera MCP Server.