ZenML

公式

ZenML MCPサーバーを通じて、MLOpsおよびLLMOpsパイプラインと対話します。

GitHub

ZenML MCPで何ができますか？

パイプライン実行の一覧表示と検査 — list_pipeline_runs と get_run_step を使用して、実行履歴、ステータス、ステップレベルの詳細を取得します。
新しいパイプライン実行のトリガー — trigger_pipeline を使用して、凍結されたスナップショット設定から実行を開始します。
デプロイメントステータスとログの確認 — list_deployments で実行中のデプロイメントを検出し、get_deployment_logs で範囲指定されたログを取得します。
スタックとコンポーネントの探索 — list_stacks と list_stack_components を使用して、インフラ構成とその構成要素を一覧表示します。
モデルレジストリの参照 — list_models と list_model_versions を使用して、登録済みモデルとそのバージョン管理されたアーティファクトを検出します。
接続問題の診断 — diagnose_zenml_setup を実行して、設定が誤っている場合でもサーバーURL、認証情報、SDK接続を検証します。

ドキュメント

ZenML 用 MCP サーバー

このプロジェクトは、ZenML API とやり取りするための https://modelcontextprotocol.io/introduction サーバーを実装します。

ZenML MCP Server

MCP とは？

Model Context Protocol (MCP) は、アプリケーションが大規模言語モデル (LLM) にコンテキストを提供する方法を標準化するオープンプロトコルです。これは「AI アプリケーションのための USB-C ポート」のように機能し、AI モデルをさまざまなデータソースやツールに接続するための標準化された方法を提供します。

MCP はクライアントサーバーアーキテクチャに従います：

MCP ホスト: MCP を通じてデータにアクセスしたい Claude Desktop や IDE などのプログラム
MCP クライアント: サーバーと 1:1 接続を維持するプロトコルクライアント
MCP サーバー: 標準化されたプロトコルを通じて特定の機能を公開する軽量プログラム
ローカルデータソース: MCP サーバーが安全にアクセスできるコンピューターのファイル、データベース、サービス
リモートサービス: MCP サーバーが接続できるインターネット経由で利用可能な外部システム

ZenML とは？

ZenML は、ML および AI パイプラインを構築および管理するためのオープンソースプラットフォームです。データ、モデル、実験を管理するための統一インターフェースを提供します。

詳細については、ZenML Web サイトおよびドキュメントを参照してください。

機能

このサーバーは、ZenML サーバーからコアな読み取り機能にアクセスするための MCP ツールを提供し、以下に関するライブ情報を取得する方法を提供します：

コアエンティティ

ユーザー - ユーザーアカウントと権限
スタック - インフラストラクチャ設定
スタックコンポーネント - 個々のスタック構成要素
フレーバー - 利用可能なコンポーネントタイプ
サービスコネクター - クラウド認証

パイプライン実行

パイプライン - パイプライン定義
パイプライン実行 - 実行履歴とステータス
パイプラインステップ - 個々のステップの詳細、コード、ログ
スケジュール - 自動実行スケジュール
アーティファクト - データアーティファクトに関するメタデータ (データ自体ではない)

デプロイメントとサービング

スナップショット - 凍結されたパイプライン設定 (「何を実行/提供するか」のアーティファクト)
デプロイメント - ステータス、URL、ログを含むランタイムサービングインスタンス
サービス - モデルサービングエンドポイント

組織と検出

プロジェクト - ZenML リソースの組織コンテナ
タグ - 検出のための横断的メタデータラベル
ビルド - イメージとコード情報を含むパイプライン構築アーティファクト

モデル

モデル - ML モデルレジストリエントリ
モデルバージョン - バージョン管理されたモデルアーティファクト

非推奨 (移行推奨)

~~パイプライン実行テンプレート~~ → 代わりに スナップショット を使用してください (移行ガイドを参照)

このサーバーでは、スナップショット (推奨) または実行テンプレート (非推奨) を使用して 新しいパイプライン実行をトリガー することもできます。

注: ユーザーフィードバックに基づいて、この統合を継続的に改善しています。ぜひ Slack コミュニティに参加して、あなたの経験を共有し、さらに良いものにするためのご協力をお願いします！

利用可能なツール

MCP サーバーは、カテゴリ別にグループ化された以下のツールを公開します：

パイプライン実行 (v1.2 の新機能)

ツール	説明
`get_snapshot`	名前/ID で凍結されたパイプライン設定を取得
`list_snapshots`	フィルター付きでスナップショットを一覧表示 (実行可能、デプロイ可能、デプロイ済み、タグ)
`get_deployment`	デプロイメントのランタイムステータスと URL を取得
`list_deployments`	フィルター付きでデプロイメントを一覧表示 (ステータス、パイプライン、タグ)
`get_deployment_logs`	デプロイメントから制限付きログを取得 (デフォルト tail=100、最大 1000)
`trigger_pipeline`	パイプライン実行をトリガー (`snapshot_name_or_id` パラメーターを推奨)

組織 (v1.2 の新機能)

ツール	説明
`get_active_project`	現在アクティブなプロジェクトを取得
`get_project`	名前/ID でプロジェクトの詳細を取得
`list_projects`	すべてのプロジェクトを一覧表示
`get_tag`	タグの詳細を取得 (排他的、色)
`list_tags`	フィルター付きでタグを一覧表示 (resource_type)
`get_build`	ビルドの詳細を取得 (イメージ、コード埋め込み)
`list_builds`	フィルター付きでビルドを一覧表示 (is_local, contains_code)

コアエンティティ

ツール	説明
`get_user`, `list_users`, `get_active_user`	ユーザー管理
`get_stack`, `list_stacks`	スタック設定
`get_stack_component`, `list_stack_components`	スタックコンポーネント
`get_flavor`, `list_flavors`	コンポーネントフレーバー
`get_service_connector`, `list_service_connectors`	クラウドコネクター
`get_pipeline_run`, `list_pipeline_runs`	パイプライン実行
`get_run_step`, `list_run_steps`	ステップ詳細
`get_step_logs`, `get_step_code`	ステップログとソースコード
`list_pipelines`, `get_pipeline_details`	パイプライン定義
`get_schedule`, `list_schedules`	スケジュール
`list_artifacts`	アーティファクトメタデータ
`list_secrets`	シークレット名 (値ではない)
`get_service`, `list_services`	モデルサービス
`get_model`, `list_models`	モデルレジストリ
`get_model_version`, `list_model_versions`	モデルバージョン

インタラクティブアプリ (実験的)

ツール	説明
`open_pipeline_run_dashboard`	インタラクティブなパイプライン実行ダッシュボードを開く (MCP アプリ)
`open_run_activity_chart`	30 日間の実行アクティビティ棒グラフを開く (MCP アプリ)

分析ツール

ツール	説明
`stack_components_analysis`	スタックコンポーネントの使用状況を分析
`recent_runs_analysis`	最近のパイプライン実行を分析
`most_recent_runs`	最新の N 件の実行を取得

診断

ツール	説明
`diagnose_zenml_setup`	サーバー設定を診断 (環境変数、SDK、接続性、認証)。設定ミス時でも動作します。

非推奨ツール

ツール	代替
`get_run_template`	代わりに `get_snapshot` を使用
`list_run_templates`	代わりに `list_snapshots` を使用
`trigger_pipeline(template_id=...)`	代わりに `trigger_pipeline(snapshot_name_or_id=...)` を使用

移行: 実行テンプレート → スナップショット

変更理由: ZenML は「実行可能なパイプラインアーティファクト」の概念を進化させました。実行テンプレートは現在非推奨のラッパーであり、内部的にはスナップショットを指すだけです。新しいコードではスナップショットを直接使用する必要があります。

クイック移行ガイド

古いパターン (テンプレート)	新しいパターン (スナップショット)
`list_run_templates()`	`list_snapshots(runnable=True, named_only=True)`
`get_run_template(name)`	`get_snapshot(name, include_config_schema=True)`
`trigger_pipeline(template_id=...)`	`trigger_pipeline(snapshot_name_or_id=...)`

ワークフロー例 (スナップショットファースト)

1. Discover project context:
   → get_active_project()

2. Find runnable snapshots:
   → list_snapshots(runnable=True, named_only=True)

3. Trigger a run:
   → trigger_pipeline(pipeline_name_or_id="my-pipeline", snapshot_name_or_id="my-snapshot")

4. Check deployments:
   → list_deployments(status="running")
   → get_deployment_logs(name_id_or_prefix="my-deployment", tail=100)

注: get_deployment_logs は制限付き出力 (デフォルト 100 行、最大 1000、上限 100KB) を返し、適切なデプロイヤー統合がインストールされている必要があります。

ダッシュボード経由のクイックセットアップ (推奨)

ZenML MCP サーバーをセットアップする最も簡単な方法は、ZenML ダッシュボードの MCP 設定ページ を使用することです。

MCP Settings Page

ZenML ダッシュボードで Settings → MCP に移動すると、以下を取得できます：

特定のサーバー URL と認証情報用の 事前設定済みスニペット
サポートされている IDE のディープリンク経由の ワンクリックインストール
VS Code、Claude Desktop、Cursor、Claude Code、OpenAI Codex など用の コピー＆ペースト設定
好みに応じた Docker および uv オプション

ZenML Pro ユーザー

MCP 設定ページでは、ワンクリックで個人アクセストークン (PAT) を生成できます。トークンは生成されたすべての設定スニペットに自動的に含まれます。

ZenML OSS ユーザー

まず、Settings → Service Accounts からサービスアカウントトークンを作成します
MCP 設定ページにトークンを貼り付けます
IDE 用に生成された設定をコピーします

手動セットアップをご希望ですか？ 以下の詳細な手順を参照してください。

MCP アプリ (実験的)

MCP アプリとは？ MCP アプリは、MCP サーバーが AI クライアントに直接提供できるインタラクティブな HTML UI です。サンドボックス化された iframe でレンダリングされ、サーバーツールを双方向に呼び出すことができます。詳細は公式アナウンスを参照してください。

Run Activity Chart

このサーバーには、2 つの実験的な MCP アプリが含まれています：

アプリ	ツール	説明
パイプライン実行ダッシュボード	`open_pipeline_run_dashboard`	ステータス、ステップ詳細、ログを含む最近のパイプライン実行のインタラクティブなテーブル
実行アクティビティチャート	`open_run_activity_chart`	ステータス内訳を含む過去 30 日間のパイプライン実行アクティビティの棒グラフ

Pipeline Runs Dashboard

これらのアプリは概念実証の例として含まれています。より多くの MCP アプリに関するフィードバックや貢献を歓迎します。この新機能はまだ初期段階であるため、どのように進化するか見守る必要があります。将来的にはより完全にサポートする予定です。

サポートされているクライアント

MCP アプリには Streamable HTTP トランスポート (stdio ではない) が必要です。現在、以下のクライアントが MCP アプリをサポートしています：

✅ VS Code (Insiders Edition)
✅ Goose
✅ ChatGPT (近日開始)
⚠️ Claude Desktop -- 2026 年 1 月下旬現在、まだアプリをレンダリングしません。
⚠️ Claude.ai (Web) — 2026 年 1 月下旬現在、まだアプリをレンダリングしません。

注: 執筆時点では、Claude Desktop または Claude.ai で徹底的にテストすることはできませんでした。問題が発生した場合は、報告してください。

Docker での MCP アプリの実行

MCP アプリには Streamable HTTP トランスポートと、一般に到達可能な URL (Claude.ai などのクラウドホストクライアント用) が必要です。最も簡単なセットアップは、Docker + Cloudflare トンネルを使用します：

1. Docker コンテナをビルドして実行：

docker build -t mcp-zenml:apps .

docker run --rm -d --name mcp-zenml-apps -p 8001:8001 \
  -e ZENML_STORE_URL="https://your-zenml-server.example.com" \
  -e ZENML_STORE_API_KEY="your-api-key" \
  -e ZENML_ACTIVE_PROJECT_ID="your-project-id" \
  mcp-zenml:apps --transport streamable-http --host 0.0.0.0 --port 8001 \
  --disable-dns-rebinding-protection

2. Cloudflare トンネルを開始 (クラウドクライアント用)：

npx cloudflared tunnel --url http://localhost:8001

これにより、https://random-words.trycloudflare.com のようなパブリック URL が出力されます。

3. クライアントを接続：

Claude Desktop または他のクライアントで、URL を使用して MCP サーバーを追加します： https://random-words.trycloudflare.com/mcp 例：

{
	"servers": {
		"ZenML": {
			"url": "https://USE-YOUR-OWN-URL.trycloudflare.com/mcp",
			"type": "http"
		}
	},
	"inputs": []
}

AI に「パイプライン実行ダッシュボードを開いて」または「実行アクティビティチャートを表示して」と依頼します

重要な注意点：

ZENML_ACTIVE_PROJECT_ID は必須です — これがないと、パイプライン実行ツールは「現在アクティブなプロジェクトが設定されていません」というエラーで失敗します
--disable-dns-rebinding-protection フラグは、リバースプロキシ (cloudflared、ngrok) の背後で実行する場合に必要です — プロキシがセキュリティを処理する場合は安全です
トンネル URL は再起動のたびに変更されます — それに応じてクライアント統合を更新してください

テストと品質保証

このプロジェクトには、MCP サーバーが機能し続けることを確認するための自動テストが含まれています：

🔄 自動スモークテスト: GitHub Actions を介して 3 日ごとに包括的なスモークテストが実行されます
🚨 Issue 作成: 失敗したテストは、詳細なデバッグ情報を含む GitHub Issue を自動的に作成します
⚡ 高速 CI: 依存関係のインストールとテストを高速化するために、キャッシング付きの UV を使用します
🧪 手動テスト: uv run scripts/test_mcp_server.py server/zenml_server.py を使用してローカルでスモークテストを実行できます

自動テストでは以下を検証します：

MCP プロトコル接続とハンドシェイク
サーバーの初期化とツール検出
基本的なツール機能 (ZenML サーバーにアクセス可能な場合)
リソースとプロンプトの列挙
diagnose_zenml_setup は制約のある環境でも構造化された診断を返します

MCP Inspector を使用したデバッグ

インタラクティブなデバッグには、MCP Inspector を使用します — MCP ツールをリアルタイムでテストできる Web ベースのツールです：

# Using .env.local (recommended for development)
cp .env.local.example .env.local  # Then edit with your credentials
source .env.local && npx @modelcontextprotocol/inspector \
  -e ZENML_STORE_URL=$ZENML_STORE_URL \
  -e ZENML_STORE_API_KEY=$ZENML_STORE_API_KEY \
  -- uv run server/zenml_server.py

これにより、認証情報が事前に入力された Web UI が開きます — Connect をクリックし、Tools タブを使用して任意のツールをインタラクティブにテストするだけです。

より詳細なデバッグ手順については、CLAUDE.md を参照してください。

プライバシーと分析

ZenML MCP サーバーは、製品の改善に役立てるために匿名の使用状況分析を収集します。

追跡するもの：

使用されたツールとその頻度
エラー率とタイプ (エラータイプのみ、メッセージなし)
基本環境情報 (OS、Python バージョン、Docker/CI で実行中かどうか)
セッション時間とツール使用パターン

収集しないもの：

ZenML サーバーの URL または API キー
パイプライン名、モデル名、またはビジネスデータ
エラーメッセージまたはスタックトレース
個人を特定できる情報

分析を無効にするには：

# Option 1
export ZENML_MCP_ANALYTICS_ENABLED=false

# Option 2
export ZENML_MCP_DISABLE_ANALYTICS=true

デバッグ/テスト用 (送信する代わりにイベントを stderr に記録)：

export ZENML_MCP_ANALYTICS_DEV=true

Docker ユーザー向け: コンテナ再起動後も一貫した匿名 ID を維持するには、ZENML_MCP_ANALYTICS_ID (有効な UUID である必要があります) を設定します。設定せず、コンテナのファイルシステムがアナリティクス ID ファイルを永続化できない場合、サーバーは ZENML_STORE_URL のハッシュから派生した決定論的な匿名 UUID にフォールバックします (URL 自体がイベントプロパティとして送信されることはありません)。

追加のアナリティクスオプション:

ZENML_MCP_ANALYTICS_SHUTDOWN_TIMEOUT_S — シャットダウン時にアナリティクスを同期的にフラッシュする最大時間 (秒) (デフォルト: 1.0)

シャットダウン追跡に関する注意: シャットダウンイベントは、最高の配信信頼性のために制限付きタイムアウトで同期的に送信されます。ただし、コンテナが SIGKILL で強制終了された場合 (例: docker kill)、シャットダウンハンドラーは起動できません。これは Docker/OS の制限であり、バグではありません。

起動時検証

軽量な起動時診断チェックを有効にできます:

# Print warnings but start normally
uv run server/zenml_server.py --startup-validation warn

# Exit non-zero if required setup is missing (useful in Docker/CI)
uv run server/zenml_server.py --startup-validation strict

これは環境変数 ZENML_MCP_STARTUP_VALIDATION=warn でも設定できます。

diagnose_zenml_setup ツールは、ランタイムトラブルシューティング用の MCP ツールとしても利用可能です。ZenML SDK がインストールされていない場合や環境変数が不足している場合でも動作します。

手動セットアップ

前提条件

デプロイされた ZenML サーバーへのアクセスが必要です。お持ちでない場合は、 ZenML Pro で無料トライアルにサインアップしていただければ、デプロイメントを管理します。

ヒント: ZenML サーバーを入手したら、ダッシュボードの MCP 設定ページを確認すると、最も簡単なセットアップが行えます。

互換性: この MCP サーバーは ZenML >= 0.93.0 でテストされ、推奨されています。古い ZenML バージョンを実行している場合は、この MCP サーバーの以前のリリースを使用してください。

また、(おそらく) uv がローカルにインストールされている必要があります。詳細については、 uv ドキュメントを参照してください。インストーラースクリプト、または Mac を使用している場合は brew 経由でのインストールを推奨します。 (技術的には必須ではありませんが、インストールとセットアップが簡単になります。)

また、このリポジトリをローカルのどこかにクローンする必要があります:

git clone https://github.com/zenml-io/mcp-zenml.git

MCP 設定ファイル

MCP 設定ファイルは、MCP サーバーへの接続方法を MCP クライアントに指示する JSON ファイルです。 MCP クライアントによって、このファイルの使用方法や指定方法は異なります。一般的に使用される 2 つの MCP クライアントは Claude Desktop と Cursor であり、それぞれのインストール手順を以下に示します。

ZenML MCP サーバーを次の形式で指定する必要があります:

{
    "mcpServers": {
        "zenml": {
            "command": "/usr/local/bin/uv",
            "args": ["run", "path/to/server/zenml_server.py"],
            "env": {
                "LOGLEVEL": "WARNING",
                "NO_COLOR": "1",
                "ZENML_LOGGING_COLORS_DISABLED": "true",
                "ZENML_LOGGING_VERBOSITY": "WARN",
                "ZENML_ENABLE_RICH_TRACEBACK": "false",
                "PYTHONUNBUFFERED": "1",
                "PYTHONIOENCODING": "UTF-8",
                "ZENML_STORE_URL": "https://your-zenml-server-goes-here.com",
                "ZENML_STORE_API_KEY": "your-api-key-here"
            }
        }
    }
}

置き換える必要がある 4 つのダミー値があります:

ローカルにインストールされた uv へのパス (上記のパスは、Mac で brew 経由でインストールした場合の場所です)
zenml_server.py ファイルへのパス (これは MCP サーバーに接続したときに実行されるファイルです)。このファイルは、このリポジトリのルートにあります。このファイルへの正確なフルパスを指定する必要があります。
ZenML サーバー URL (これは ZenML サーバーの URL です。ZenML Cloud UI で確認できます)。https://d534d987a-zenml.cloudinfra.zenml.io のようになります。
ZenML サーバー API キー (これは ZenML サーバーの API キーです。ZenML Cloud UI で確認するか、https://docs.zenml.io/how-to/manage-zenml-server/connecting-to-zenml/connect-with-a-service-account を読んで作成方法を確認してください。ZenML MCP サーバーの目的では、サービスアカウントの使用を推奨します。)

MCP サーバーの Python ファイルの実行方法は自由に変更できますが、 uv を使用するのが、環境と依存関係のインストールを処理するため、おそらく最も簡単なオプションです。

Claude Desktop で使用するためのインストール

クイック代替案: ZenML ダッシュボードの MCP 設定ページ (Settings → MCP) を使用して、事前設定されたインストール手順と Claude Desktop のディープリンクを取得します。

最新バージョンの Claude Desktop がインストールされている必要があります。

設定メニューを開き、このリポジトリのルートから mcp-zenml.mcpb ファイルをメニューにドラッグするだけで、インストールとセットアッププロセスが案内されます。ZenML サーバーの URL と API キーを追加する必要があります。

注: MCP バンドル (.mcpb) は、古い Desktop Extensions (.dxt) 形式に代わるものです。既存の .dxt ファイルは引き続き Claude Desktop で動作します。

オプション: ZenML ツール出力表示の改善

ZenML ツールの結果をより見やすくするために、JSON レスポンスをより読みやすい形式で表示するように Claude を設定できます。 Claude Desktop で、Settings → Profile に移動し、「What personal preferences should Claude consider in responses?」セクションに、次のような内容 (またはこれらの正確な文言) を追加します:

When using zenml tools which return JSON strings and you're asked a question, you might want to consider using markdown tables to summarize the results or make them easier to view!

これにより、Claude が ZenML ツールの出力を Markdown テーブルとしてフォーマットするようになり、情報がはるかに読みやすく理解しやすくなります。

Cursor で使用するためのインストール

クイック代替案: ZenML ダッシュボードの MCP 設定ページ (Settings → MCP) で、認証情報が事前入力された正確な mcp.json コンテンツを生成できます。

Cursor がインストールされている必要があります。

Cursor は Claude Desktop とは少し異なり、リポジトリごとに設定ファイルを指定します。つまり、複数のリポジトリで ZenML MCP サーバーを使用する場合は、それぞれに設定ファイルを指定する必要があります。

単一のリポジトリ用にセットアップするには、次の手順を実行する必要があります:

リポジトリのルートに .cursor フォルダを作成します
その中に、上記の内容で mcp.json ファイルを作成します
Cursor の設定に移動し、ZenML サーバーをクリックして「有効」にします。

私たちの経験では、動作しているにもかかわらず、赤いエラーインジケーターが表示されることがあります。 Cursor のチャットウィンドウでチャットして試すことができます。ZenML ツールにアクセスできるかどうかが通知されます。

Docker イメージ

サーバーを Docker コンテナとして実行できます。プロセスは stdio 経由で通信するため、MCP クライアント接続を待機します。 ZenML 認証情報を環境変数経由で渡します。

ビルド済みイメージ (Docker Hub)

最新のマルチアーキテクチャイメージをプルします:

docker pull zenmldocker/mcp-zenml:latest

バージョン付きリリースには X.Y.Z のタグが付けられます:

docker pull zenmldocker/mcp-zenml:1.0.8

ZenML 認証情報を使用して実行します (stdio モード):

docker run -i --rm \
  -e ZENML_STORE_URL="https://your-zenml-server.example.com" \
  -e ZENML_STORE_API_KEY="your-api-key" \
  zenmldocker/mcp-zenml:latest

Docker を使用した標準 MCP 設定

{
  "mcpServers": {
    "zenml": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-e", "ZENML_STORE_URL=https://...",
        "-e", "ZENML_STORE_API_KEY=ZENKEY_...",
        "-e", "ZENML_ACTIVE_PROJECT_ID=...",
        "-e", "LOGLEVEL=WARNING",
        "-e", "NO_COLOR=1",
        "-e", "ZENML_LOGGING_COLORS_DISABLED=true",
        "-e", "ZENML_LOGGING_VERBOSITY=WARN",
        "-e", "ZENML_ENABLE_RICH_TRACEBACK=false",
        "-e", "PYTHONUNBUFFERED=1",
        "-e", "PYTHONIOENCODING=UTF-8",
        "zenmldocker/mcp-zenml:latest"
      ]
    }
  }
}

ローカルでのビルド

リポジトリルートから:

docker build -t zenmldocker/mcp-zenml:local .

ローカルでビルドしたイメージを実行します:

docker run -i --rm \
  -e ZENML_STORE_URL="https://your-zenml-server.example.com" \
  -e ZENML_STORE_API_KEY="your-api-key" \
  zenmldocker/mcp-zenml:local

MCP バンドル (.mcpb)

このプロジェクトは MCP バンドル (.mcpb) を使用します。これは、Anthropic の Desktop Extensions (DXT) の後継です。 MCP バンドルは、MCP サーバー全体 (依存関係を含む) を、ユーザーフレンドリーな設定とともに単一のファイルにパッケージ化します。

名前の変更に関する注意: MCP バンドルは、古い .dxt 形式に代わるものです。 Claude Desktop は既存の .dxt ファイルとの下位互換性を維持していますが、現在は mcp-zenml.mcpb を同梱しており、今後はこれを使用することを推奨します。

リポジトリルートにある mcp-zenml.mcpb ファイルには、ZenML MCP サーバーを実行するために必要なすべてが含まれており、複雑な手動インストール手順が不要になります。これにより、技術的なセットアップの専門知識がなくても、強力な ZenML 統合をユーザーが利用できるようになります。

.mcpb ファイルを Claude Desktop の設定にドラッグアンドドロップすると、次の処理が自動的に行われます:

ランタイム依存関係のインストール
安全な設定管理
クロスプラットフォーム互換性
ユーザーフレンドリーなセットアッププロセス

詳細については、Anthropic のドキュメントにある Desktop Extensions (DXT) の発表および関連する MCP バンドルパッケージングガイダンスを参照してください: https://www.anthropic.com/engineering/desktop-extensions

Anthropic MCP レジストリへの公開

この MCP サーバーは、公式の Anthropic MCP レジストリに公開されており、互換性のあるホストから検出可能です。 タグ付きリリースごとに、CI が GitHub OIDC を使用してレジストリの mcp-publisher CLI 経由でレジストリエントリを更新するため、レジストリがサポートされている場所 (Claude Desktop の Extensions カタログなど) で ZenML MCP Server を直接インストールまたは検出できます。

常に最新: レジストリエントリは、タグ付きコミットの manifest.json および server.json からリリースごとに更新されます。
代替インストールパス: パッケージ化された .mcpb バンドル (上記参照) を介してローカルにインストールするか、Docker イメージを実行することもできます。

レジストリの詳細については、こちらをご覧ください:

Anthropic MCP レジストリ (コミュニティリポジトリ): https://github.com/modelcontextprotocol/registry