ML MCP Server

MCP server untuk melatih dan memakai model machine learning plug-and-play atas dataset CSV lokal — diporting dari prototipe mcp-chatbot-multi (model_factory.py + sensor_ml.py + code_executor.py), disusun ulang mengikuti pola grk-mcp/idms_mcp/irim-mcp/docs-mcp (satu server per domain, tools.py dipakai bersama server.py stdio dan http_api.py bridge HTTP) supaya bisa dipakai lewat Claude Code maupun aplikasi Laravel chatbot-ai.

Fitur inti dari prototipe tetap dipertahankan (list katalog algoritma, latih model, prediksi pakai model tersimpan, jalankan kode Python ad hoc), hanya digeneralisasi supaya bekerja atas dataset & kolom apa pun — bukan hanya skema sensor_A..D yang dihardcode di prototipe.

Setup

cd ml-mcp
python -m venv .venv
./.venv/Scripts/pip install -r requirements.txt
cp .env.example .env
./.venv/Scripts/python.exe generate_sample_dataset.py   # opsional: dataset contoh datasets/sensors.csv

Taruh file .csv apa pun di folder datasets/ — nama file (tanpa .csv) menjadi nilai parameter dataset di semua tool. Kolom bernama timestamp/date/datetime/time (case-insensitive) otomatis di-parse sebagai waktu dan dipakai untuk mengurutkan baris.

Sumber data dari MCP lain (bukan hanya CSV lokal)

Selain dataset yang ditaruh manual, dataset ML juga bisa berasal dari MCP server LAIN yang datanya ditarik AI di tengah percakapan — ini yang membuat chatbot-ai bisa menjawab pertanyaan seperti "latih model prediksi dari data vibrasi pompa X" tanpa data itu pernah ada sebagai file CSV.

Alur yang dijalankan AI (semua lewat tool-calling, satu percakapan):

1. Panggil tool MCP lain untuk menarik data, mis. idms__get_predictive_parameter_trend(...), pkt-grk__get_emission_detail(...), atau irim__list_issues(...) — semuanya mengembalikan baris data berbentuk list of dict (rows/trend/ list hasil tool itu).
2. Lempar baris data itu ke ml__ingest_dataset(name, records) — name bebas (mis. "vibrasi_pompa_101"), records persis baris yang didapat dari langkah 1. Tool ini menyimpannya sebagai dataset bernama, dan mengembalikan kolom-kolom yang berhasil terbaca (termasuk mana yang numerik) supaya AI tahu nilai apa yang valid untuk target_column/ feature_columns.
3. Lanjut seperti dataset biasa: ml__get_dataset_summary(name) (opsional, untuk cek kolom), ml__train_model(dataset=name, task=..., ...), lalu ml__predict_with_model(model_key).
4. Kalau dataset itu memang cuma dipakai sekali untuk pertanyaan ini, ml__delete_dataset(name) membersihkannya (model yang sudah dilatih atas dataset itu tetap bisa dipakai predict_with_model selama input_data diisi lengkap — lihat catatan di tabel tools).

ingest_dataset dibatasi ketat karena isi name/records datang dari LLM, bukan dari file yang sudah dikurasi manusia: nama dataset hanya boleh huruf/angka/-/_ (mencegah path traversal), dan records maksimum 50.000 baris per panggilan.

Menjalankan

Stdio (dipakai Claude Code lewat .mcp.json, atau manual untuk debug):

./.venv/Scripts/python.exe server.py

HTTP bridge (dipakai aplikasi chatbot-ai):

./.venv/Scripts/uvicorn http_api:app --host 127.0.0.1 --port 8769

Daftarkan sebagai MCP server baru di chatbot-ai (menu MCP Servers, atau lewat McpServerSeeder), mengikuti pola pkt-grk/irim/docs:

Kolom	Nilai
slug	ml (jadi prefix nama tool: ml__train_model, dst.)
base_url	http://127.0.0.1:8769
token	isi sama dengan ML_API_TOKEN di .env server ini

Port 8765/8766/8767/8768 sudah dipakai grk-mcp/irim-mcp/ idms_mcp/docs-mcp, jadi server ini memakai 8769.

Keamanan

• Server ini tidak menyentuh database aplikasi lain — "database"-nya hanya registry SQLite lokal (ml_registry.sqlite3) yang mencatat metadata model terlatih, dan file .pkl di models/. Tidak ada risiko SQL injection ke data produksi karena tidak ada tool query SQL ad hoc di sini.
• execute_python (jalankan kode Python bebas atas sebuah dataset, disandbox dasar: whitelist import, blokir pola berbahaya, timeout 15 detik — lihat code_executor.py) hanya didaftarkan di server.py (stdio, dipakai Claude Code secara lokal) dan sengaja tidak diekspos lewat http_api.py, karena mengizinkan LLM yang menghadap pengguna akhir menjalankan kode bebas adalah permukaan risiko yang jauh lebih besar daripada tool terkurasi lainnya — sama seperti run_readonly_query yang dikecualikan dari bridge HTTP grk-mcp/irim-mcp.
• .env berisi token asli dan sengaja di-gitignore — jangan pernah di-commit.

Tools yang tersedia

Tool	Transport	Kegunaan
list_datasets()	stdio + HTTP	Daftar dataset yang tersedia (CSV lokal maupun hasil ingest_dataset), jumlah baris/kolom, kolom numerik.
get_dataset_summary(dataset)	stdio + HTTP	Statistik kolom (describe, nilai hilang, contoh baris) — dipakai sebelum train_model.
ingest_dataset(name, records, overwrite)	stdio + HTTP	Simpan data yang ditarik dari MCP server LAIN (list of dict) sebagai dataset bernama — lihat bagian "Sumber data dari MCP lain".
delete_dataset(name)	stdio + HTTP	Hapus dataset (mis. hasil ingest_dataset yang sudah tidak dipakai).
list_ml_catalog()	stdio + HTTP	Daftar task (forecast/regression/classification/anomaly) & algoritma yang tersedia.
train_model(dataset, task, target_column, feature_columns, algorithm, horizon, threshold)	stdio + HTTP	Latih model, simpan ke registry + disk, kembalikan metrik evaluasi dan model_key.
predict_with_model(model_key, input_data)	stdio + HTTP	Prediksi pakai model tersimpan — input_data opsional, default pakai baris/window terbaru dataset asal model.
list_trained_models()	stdio + HTTP	Daftar semua model terlatih beserta metriknya.
delete_model(model_key)	stdio + HTTP	Hapus model terlatih (file + entri registry).
execute_python(code, dataset)	stdio saja	Jalankan kode Python ad hoc atas sebuah dataset (analisis/ML custom di luar train_model).

Task ML yang didukung

• forecast — prediksi nilai target_column (kolom numerik) N langkah ke depan, berbasis pola historis kolom itu sendiri (lag features), analog forecast_sensor di prototipe.
• regression — prediksi nilai numerik target_column dari feature_columns (kolom lain).
• classification — prediksi kelas/kategori target_column dari feature_columns. Kalau target_column berupa angka (bukan kategori), wajib isi threshold (kelas 1 jika nilai ≥ threshold) — analog task outage/predict_failure di prototipe.
• anomaly — deteksi baris tidak normal pada feature_columns (default semua kolom numerik) pakai IsolationForest, tanpa target — sama seperti detect_anomalies di prototipe.

Algoritma yang tersedia: linear_regression/random_forest untuk regression/forecast, logistic_regression/random_forest untuk classification. anomaly selalu memakai IsolationForest otomatis.

Yang sengaja tidak diporting dari prototipe

Tool analisis khusus data sensor di mcp-chatbot-multi (analyze_sensors, get_correlation, get_downtime, make_chart, forecast_chart) tidak diporting karena spesifik ke skema sensor & menghasilkan file gambar (PNG) — di luar cakupan "model ML plug-and-play" dan tidak konsisten dengan pola MCP server lain di proyek ini (semuanya mengembalikan JSON, bukan file). get_dataset_summary (statistik describe()) dan execute_python sudah cukup untuk eksplorasi data serupa tanpa dependensi matplotlib.