自动化任务并提高数据从业人员效率
作为日常工作流程的一部分，数据科学家或 AI 工程师会执行不少琐碎的任务，例如上传数据集、针对不同的超参数运行和迭代相同的脚本、观察实验等。将这些任务交给 AI 智能体可以节省资源并增加可观的价值。
这就是Cloudera AI Workbench MCP 服务器的用武之地：它是一款开源模型上下文协议（MCP）服务器，旨在更好地与您的智能体工作流程集成。
什么是 Cloudera MCP 服务器以及它如何提供帮助
Cloudera 的 MCP 服务器充当安全翻译器。它使助手（如 Cloudera Agent Studio、Claude 或 Cursor）能够直接在 Cloudera AI Workbench 环境中执行任务。
这意味着您可以要求您的助手列出项目、上传文件和运行作业，服务器将使用平台的标准 API 执行这些操作。
图 1.Cloudera AI 工作台 MCP 服务器：架构
与现有治理集成
Cloudera MCP 服务器旨在与您现有的企业治理相配合，而不是绕过它。
对于数据科学家和人工智能工程师：这有助于减少上下文切换，让您在启动平台任务时能保持在聊天或 IDE 中。助手负责协调，平台负责执行。
对于平台和 MLOps 团队： 它将帮助触发评估脚本、上传新数据集，以及运行类似的测试。该集成还允许应用程序更新、删除、重启和跟踪实验。
安全设计
安全性是服务器设计的核心组成部分，旨在适应企业环境。
STDIO 运输： 默认情况下，它使用标准输入输出（STDIO）进行助手与服务器之间的通信。这就避免了为这种交互打开和管理一个新的网络端点。
证书管理：服务器设计用于读取 Docker 密钥或环境变量中的凭证，避免硬编码密钥或通过命令行参数传递。
便捷访问： 它使用您现有的 Cloudera AI Workbench API 密钥，允许您针对不同用户和用例适当地设置权限范围。
图 2. Cloudera Workbench MCP 服务器：安全设计
如何开始使用 Cloudera MCP Server
Cloudera MCP 服务器旨在帮助您的助手直接与您的平台进行交互，同时在您已建立的治理框架内运行。
入门过程很简单：
- 配置服务器：在 Docker 中运行开源服务器，提供您的 Cloudera AI Workbench 主机和 API 密钥作为机密信息
- 连接客户端：使用 STDIO 命令将您首选的 MCP 客户端（例如 Cloudera Agent Studio）指向服务器
- 提出您的第一个请求：您可以让助手“列出我的项目”来测试连接
示例工作流程
以下是一些您可以通过连接到 Cloudera MCP 服务器的助手执行的任务示例：
列出我所有的活跃项目，并显示所有仍在运行的作业
将 new-data-august.zip 文件上传到“fraud-detection”项目。
使用 train-v3.py 脚本创建一个作业，分配 2 个 CPU 和 8GB 内存，然后运行它。
将这些指标记录到名为“resnet-sweep”的实验中，并将运行标记为“new-data”
获取最新的模型构建并将其部署到暂存端点
重启“gradio-demo”应用程序
该服务器包括在整个项目生命周期中支持这些工作流程的工具，包括文件管理、作业执行、实验跟踪、模型部署和应用程序管理。
了解详情
如需详细的设置步骤、示例及完整功能列表，请访问 Cloudera MCP 服务器 GitHub 仓库。注意：GitHub 项目按原样提供，Cloudera 不提供正式支持。Cloudera MCP 服务器项目根据 Apache 2.0 许可证提供，Cloudera 对其使用不提供任何保证、支持或维护。
要了解有关 MCP 和 Cloudera 如何协同工作的更多信息，请查看我们的博客《利用 Cloudera MCP 服务器为 GenAI 带来上下文（Bringing Context to GenAI with Cloudera MCP Servers》。
