Automatizza i compiti e migliori l'efficienza dei professionisti dei dati
Ci sono parecchie attività banali che un data scientist o un ingegnere AI svolge come parte del proprio flusso di lavoro quotidiano, come caricare set di dati, eseguire e iterare gli stessi script per diversi iperparametri, osservare esperimenti e così via. Trasferire questi compiti a un agente AI può far risparmiare risorse e aggiungere un valore significativo.
Ed è qui che entra in gioco Cloudera AI Workbench MCP Server , un server Model Context Protocol (MCP) open source progettato per integrarsi meglio con il tuo flusso di lavoro basato su agenti.
Cos'è il Server MCP Cloudera e in che modo può aiutarti
Il server MCP di Cloudera funge da traduttore sicuro. Permette agli assistenti (come Cloudera Agent Studio, Claude o Cursor) di eseguire le attività direttamente all'interno dell'ambiente Cloudera AI Workbench.
Ciò significa che puoi chiedere al tuo assistente di elencare progetti, caricare file ed eseguire lavori, e il server eseguirà l'azione utilizzando le API standard della piattaforma.
Figura 1. Cloudera AI Workbench MCP Server: Architettura
Si integra con la governance esistente
Il server Cloudera MCP è progettato per funzionare con la governance aziendale esistente, non per aggirarla.
Per i data scientist e gli ingegneri di intelligenza artificiale: aiuta a ridurre il cambio di contesto, consentendoti di rimanere nella tua chat o nel tuo IDE mentre avvii le attività della piattaforma. L'assistente può gestire il coordinamento, mentre la piattaforma si occupa dell'esecuzione.
Per i team di piattaforma e MLOps: aiuta a attivare uno script di valutazione, caricare nuovi set di dati ed eseguire test simili. L'integrazione consente anche aggiornamenti delle applicazioni, cancellazioni, riavvio e monitoraggio degli esperimenti.
Sicurezza by design
La sicurezza è una componente fondamentale del design del server, pensata per adattarsi a un ambiente aziendale.
Trasporto STDIO: per impostazione predefinita, utilizza Standard Input/Output (STDIO) per la comunicazione tra l'assistente e il server. Ciò evita la necessità di aprire e gestire un nuovo endpoint di rete per questa interazione.
Gestione delle credenziali: il server è progettato per leggere le credenziali dai segreti di Docker o dalle variabili d'ambiente, evitando la necessità di codificare le chiavi o di passarle negli argomenti della riga di comando.
Accesso facile: utilizza le sue chiavi API esistenti di Cloudera AI Workbench, permettendoti di definire le autorizzazioni appropriate per diversi utenti e casi d'uso.
Figura 2. Cloudera Workbench MCP Server: sicurezza fin dalla progettazione
Come iniziare con Cloudera MCP Server
Cloudera MCP Server è progettato per aiutare i tuoi assistenti a interagire direttamente con la tua piattaforma, il tutto operando nell'ambito della tua governance consolidata.
Iniziare è un processo semplice:
- Configura il server: esegui il server open source in Docker, fornendo il tuo host Cloudera AI Workbench e la chiave API come segreti.
- Connetti il tuo client: indirizza il tuo client MCP preferito (come Cloudera Agent Studio) verso il server usando il comando STDIO
- Fai la tua prima richiesta: puoi testare la connessione chiedendo al tuo assistente "Elenca i miei progetti"
Esempi di flussi di lavoro
Ecco alcuni esempi di attività che puoi svolgere tramite un assistente collegato al server Cloudera MCP:
Elenca tutti i miei progetti attivi e mostrami eventuali lavori ancora in corso.
Carica il file new-data-august.zip nel progetto "rilevamento delle frodi"
Crea un lavoro utilizzando lo script train-v3.py, assegnagli 2 CPU e 8 GB di memoria ed eseguiro
Registra queste metriche all'esperimento denominato "resnet-sweep" e tagga l'esecuzione con "new-data"
Prendi l'ultima build del modello e distribuiscila all'endpoint di staging.
Riavvia l'applicazione "gradio-demo".
Il server include strumenti per supportare questi flussi di lavoro attraverso il ciclo di vita del progetto, tra cui la gestione dei file, l'esecuzione dei lavori, il tracciamento degli esperimenti, la distribuzione dei modelli e la gestione delle applicazioni.
Scopri di più
Per istruzioni dettagliate sulla configurazione, esempi e un elenco completo delle funzionalità, visita il repository GitHub di Cloudera MCP Server. Nota: i progetti GitHub vengono forniti così come sono e non sono formalmente supportati da Cloudera. Il progetto Cloudera MCP Server è reso disponibile con licenza Apache 2.0 e Cloudera non fornisce alcuna garanzia, supporto o manutenzione per il suo utilizzo.
Per saperne di più su come MCP e Cloudera lavorano insieme, consulta il nostro post Aggiungere contesto alla GenAI con Cloudera MCP Servers.
