MLflow Prompt Registry MCP Server
镜子 (jìng zi)
MCP-Mirror
README
MLflow Prompt Registry MCP 服务器
用于 MLflow Prompt Registry 的模型上下文协议 (MCP) 服务器,支持访问在 MLflow 中管理的 prompt 模板。
该服务器实现了 MCP Prompts 规范,用于发现和使用来自 MLflow Prompt Registry 的 prompt 模板。 主要用例是从 MLflow 加载 prompt 模板到 Claude Desktop,允许用户方便地指示 Claude 执行重复性任务或常见工作流程。
工具
list-prompts
- 列出可用的 prompts
- 输入:
cursor
(可选字符串): 用于分页的游标filter
(可选字符串): 用于过滤 prompts
- 返回: prompt 对象列表
get-prompt
- 检索和编译特定的 prompt
- 输入:
name
(字符串): 要检索的 prompt 的名称arguments
(可选对象): 包含 prompt 变量的 JSON 对象
- 返回: 编译后的 prompt 对象
设置
1: 安装 MLflow 并启动 Prompt Registry
如果尚未安装并启动 MLflow 服务器来托管 Prompt Registry,请执行以下操作:
pip install mlflow>=2.21.1
mlflow server --port 5000
2: 在 MLflow 中创建 prompt 模板
如果尚未创建,请按照 本指南 在 MLflow 中创建一个 prompt 模板。
3: 构建 MCP 服务器
npm install
npm run build
4: 将服务器添加到 Claude Desktop
通过编辑 claude_desktop_config.json
来配置 Claude for Desktop:
{
"mcpServers": {
"mlflow": {
"command": "node",
"args": ["<absolute-path-to-this-repository>/dist/index.js"],
"env": {
"MLFLOW_TRACKING_URI": "http://localhost:5000"
}
}
}
}
请确保将 MLFLOW_TRACKING_URI
替换为您的实际 MLflow 服务器地址。
推荐服务器
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
MCP Package Docs Server
促进大型语言模型高效访问和获取 Go、Python 和 NPM 包的结构化文档,通过多语言支持和性能优化来增强软件开发。
Claude Code MCP
一个实现了 Claude Code 作为模型上下文协议(Model Context Protocol, MCP)服务器的方案,它可以通过标准化的 MCP 接口来使用 Claude 的软件工程能力(代码生成、编辑、审查和文件操作)。
@kazuph/mcp-taskmanager
用于任务管理的模型上下文协议服务器。它允许 Claude Desktop(或任何 MCP 客户端)在基于队列的系统中管理和执行任务。
mermaid-mcp-server
一个模型上下文协议 (MCP) 服务器,用于将 Mermaid 图表转换为 PNG 图像。
Jira-Context-MCP
MCP 服务器向 AI 编码助手(如 Cursor)提供 Jira 工单信息。

Linear MCP Server
一个模型上下文协议(Model Context Protocol)服务器,它与 Linear 的问题跟踪系统集成,允许大型语言模型(LLM)通过自然语言交互来创建、更新、搜索和评论 Linear 问题。

Sequential Thinking MCP Server
这个服务器通过将复杂问题分解为顺序步骤来促进结构化的问题解决,支持修订,并通过完整的 MCP 集成来实现多条解决方案路径。
Curri MCP Server
通过管理文本笔记、提供笔记创建工具以及使用结构化提示生成摘要,从而实现与 Curri API 的交互。