ZenML MCP Server

resmi

MLOps ve LLMOps boru hatlarınızla ZenML MCP sunucunuz üzerinden etkileşim kurun.

Dokümantasyon

ZenML için MCP Sunucusu

Bu proje, ZenML API'si ile etkileşim kurmak için bir https://modelcontextprotocol.io/introduction sunucusu uygular.

ZenML MCP Server

MCP Nedir?

Model Bağlam Protokolü (MCP), uygulamaların Büyük Dil Modellerine (LLM'ler) nasıl bağlam sağladığını standartlaştıran açık bir protokoldür. "Yapay zeka uygulamaları için USB-C bağlantı noktası" gibi davranır - yapay zeka modellerini farklı veri kaynaklarına ve araçlara bağlamak için standart bir yol sağlar.

MCP, şu bileşenlerden oluşan bir istemci-sunucu mimarisini takip eder:

MCP Ana Bilgisayarları: MCP aracılığıyla verilere erişmek isteyen Claude Desktop veya IDE'ler gibi programlar
MCP İstemcileri: Sunucularla 1:1 bağlantı sürdüren protokol istemcileri
MCP Sunucuları: Standartlaştırılmış protokol aracılığıyla belirli yetenekleri sunan hafif programlar
Yerel Veri Kaynakları: MCP sunucularının güvenli bir şekilde erişebileceği bilgisayarınızın dosyaları, veritabanları ve hizmetleri
Uzak Hizmetler: MCP sunucularının bağlanabileceği internet üzerinden erişilebilen harici sistemler

ZenML Nedir?

ZenML, ML ve yapay zeka iş hatlarını oluşturmak ve yönetmek için açık kaynaklı bir platformdur. Verileri, modelleri ve deneyleri yönetmek için birleşik bir arayüz sağlar.

Daha fazla bilgi için ZenML web sitesine ve dokümantasyonumuza bakın.

Özellikler

Sunucu, ZenML sunucusundan temel okuma işlevselliğine erişmek için MCP araçları sağlar ve aşağıdakiler hakkında canlı bilgi edinmenin bir yolunu sunar:

Temel Varlıklar

Kullanıcılar - kullanıcı hesapları ve izinler
Yığınlar - altyapı yapılandırmaları
Yığın Bileşenleri - bireysel yığın yapı taşları
Tatlar - mevcut bileşen türleri
Hizmet Bağlayıcıları - bulut kimlik doğrulaması

İş Hattı Yürütme

İş Hatları - iş hattı tanımları
İş Hattı Çalıştırmaları - yürütme geçmişi ve durumu
İş Hattı Adımları - bireysel adım ayrıntıları, kod ve günlükler
Zamanlamalar - otomatik çalıştırma zamanlamaları
Artefaktlar - veri artefaktları hakkında meta veriler (verinin kendisi değil)

Dağıtım ve Sunum

Anlık Görüntüler - dondurulmuş iş hattı yapılandırmaları ("ne çalıştırılacak/sunulacak" artefaktı)
Dağıtımlar - durum, URL ve günlüklerle çalışma zamanı sunum örnekleri
Hizmetler - model sunum uç noktaları

Organizasyon ve Keşif

Projeler - ZenML kaynakları için organizasyonel kapsayıcılar
Etiketler - keşif için kesişen meta veri etiketleri
Derlemeler - imaj ve kod bilgisi içeren iş hattı derleme artefaktları

Modeller

Modeller - ML model kayıt defteri girişleri
Model Sürümleri - sürümlendirilmiş model artefaktları

Kullanımdan Kaldırıldı (geçiş önerilir)

~~İş hattı çalıştırma şablonları~~ → bunun yerine Anlık Görüntüler kullanın (bkz. Geçiş Kılavuzu)

Sunucu ayrıca anlık görüntüleri (tercih edilir) veya çalıştırma şablonlarını (kullanımdan kaldırıldı) kullanarak yeni iş hattı çalıştırmaları tetiklemenize olanak tanır.

Not: Kullanıcı geri bildirimlerine dayanarak bu entegrasyonu sürekli iyileştiriyoruz. Deneyiminizi paylaşmak ve daha da iyi hale getirmemize yardımcı olmak için lütfen Slack topluluğumuza katılın!

Mevcut Araçlar

MCP sunucusu, kategoriye göre gruplandırılmış aşağıdaki araçları sunar:

İş Hattı Yürütme (v1.2'de Yeni)

Araç	Açıklama
`get_snapshot`	Ada/kimliğe göre dondurulmuş bir iş hattı yapılandırması alın
`list_snapshots`	Filtrelerle anlık görüntüleri listeleyin (çalıştırılabilir, dağıtılabilir, dağıtılmış, etiket)
`get_deployment`	Bir dağıtımın çalışma zamanı durumunu ve URL'sini alın
`list_deployments`	Filtrelerle dağıtımları listeleyin (durum, iş hattı, etiket)
`get_deployment_logs`	Bir dağıtımdan sınırlı günlükleri alın (varsayılan tail=100, maksimum 1000)
`trigger_pipeline`	Bir iş hattı çalıştırması tetikleyin (`snapshot_name_or_id` parametresini tercih edin)

Organizasyon (v1.2'de Yeni)

Araç	Açıklama
`get_active_project`	Şu anda aktif olan projeyi alın
`get_project`	Ada/kimliğe göre proje ayrıntılarını alın
`list_projects`	Tüm projeleri listeleyin
`get_tag`	Etiket ayrıntılarını alın (özel, renkler)
`list_tags`	Filtrelerle etiketleri listeleyin (kaynak_türü)
`get_build`	Derleme ayrıntılarını alın (imaj, kod gömme)
`list_builds`	Filtrelerle derlemeleri listeleyin (yerel_mi, kod_içeriyor)

Temel Varlıklar

Araç	Açıklama
`get_user`, `list_users`, `get_active_user`	Kullanıcı yönetimi
`get_stack`, `list_stacks`	Yığın yapılandırmaları
`get_stack_component`, `list_stack_components`	Yığın bileşenleri
`get_flavor`, `list_flavors`	Bileşen tatları
`get_service_connector`, `list_service_connectors`	Bulut bağlayıcıları
`get_pipeline_run`, `list_pipeline_runs`	İş hattı çalıştırmaları
`get_run_step`, `list_run_steps`	Adım ayrıntıları
`get_step_logs`, `get_step_code`	Adım günlükleri ve kaynak kodu
`list_pipelines`, `get_pipeline_details`	İş hattı tanımları
`get_schedule`, `list_schedules`	Zamanlamalar
`list_artifacts`	Artefakt meta verileri
`list_secrets`	Gizli dizi adları (değerler değil)
`get_service`, `list_services`	Model hizmetleri
`get_model`, `list_models`	Model kayıt defteri
`get_model_version`, `list_model_versions`	Model sürümleri

Etkileşimli Uygulamalar (Deneysel)

Araç	Açıklama
`open_pipeline_run_dashboard`	Etkileşimli iş hattı çalıştırmaları panosunu açın (MCP Uygulaması)
`open_run_activity_chart`	30 günlük çalıştırma etkinliği çubuk grafiğini açın (MCP Uygulaması)

Analiz Araçları

Araç	Açıklama
`stack_components_analysis`	Yığın bileşeni kullanımını analiz edin
`recent_runs_analysis`	Son iş hattı çalıştırmalarını analiz edin
`most_recent_runs`	En son N çalıştırmayı alın

Tanılama

Araç	Açıklama
`diagnose_zenml_setup`	Sunucu kurulumunu teşhis edin (ortam değişkenleri, SDK, bağlantı, kimlik doğrulama). Yanlış yapılandırıldığında bile çalışır.

Kullanımdan Kaldırılan Araçlar

Araç	Yerine Geçen
`get_run_template`	Bunun yerine `get_snapshot` kullanın
`list_run_templates`	Bunun yerine `list_snapshots` kullanın
`trigger_pipeline(template_id=...)`	Bunun yerine `trigger_pipeline(snapshot_name_or_id=...)` kullanın

Geçiş: Çalıştırma Şablonları → Anlık Görüntüler

Neden değişiklik? ZenML, "çalıştırılabilir iş hattı artefaktı" konseptini geliştirdi. Çalıştırma Şablonları artık dahili olarak yalnızca Anlık Görüntülere işaret eden kullanımdan kaldırılmış sarmalayıcılardır. Yeni kod doğrudan Anlık Görüntüleri kullanmalıdır.

Hızlı Geçiş Kılavuzu

Eski Desen (Şablonlar)	Yeni Desen (Anlık Görüntüler)
`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=...)`

Örnek İş Akışı (Önce Anlık Görüntü)

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)

Not: get_deployment_logs sınırlı çıktı döndürür (varsayılan 100 satır, maksimum 1000, 100KB ile sınırlı) ve uygun dağıtıcı entegrasyonunun kurulu olmasını gerektirir.

Pano Üzerinden Hızlı Kurulum (Önerilir)

ZenML MCP Sunucusunu kurmanın en kolay yolu, ZenML panonuzdaki MCP Ayarları sayfasıdır.

MCP Settings Page

ZenML panonuzda Ayarlar → MCP yoluna giderek şunları elde edin:

Belirli sunucu URL'niz ve kimlik bilgileriniz için önceden yapılandırılmış parçacıklar
Desteklenen IDE'ler için derin bağlantılar aracılığıyla tek tıklamayla kurulum
VS Code, Claude Desktop, Cursor, Claude Code, OpenAI Codex ve daha fazlası için kopyala-yapıştır yapılandırmaları
Tercihinize göre Docker ve uv seçenekleri

ZenML Pro Kullanıcıları

MCP Ayarları sayfası, tek bir tıklamayla Kişisel Erişim Belirteci (PAT) oluşturmanıza olanak tanır. Belirteç, oluşturulan tüm yapılandırma parçacıklarına otomatik olarak dahil edilir.

ZenML OSS Kullanıcıları

Önce Ayarlar → Hizmet Hesapları üzerinden bir hizmet hesabı belirteci oluşturun
Belirteci MCP Ayarları sayfasına yapıştırın
IDE'niz için oluşturulan yapılandırmayı kopyalayın

Manuel kurulumu mu tercih edersiniz? Aşağıdaki ayrıntılı talimatlara bakın.

MCP Uygulamaları (Deneysel)

MCP Uygulamaları nedir? MCP Uygulamaları, MCP sunucularının doğrudan yapay zeka istemcilerine sunabileceği etkileşimli HTML kullanıcı arayüzleridir. Korumalı iframe'lerde işlenirler ve sunucu araçlarını çift yönlü olarak çağırabilirler. Tam ayrıntılar için resmi duyuruya bakın.

Run Activity Chart

Bu sunucu iki deneysel MCP Uygulaması içerir:

Uygulama	Araç	Açıklama
İş Hattı Çalıştırmaları Panosu	`open_pipeline_run_dashboard`	Durum, adım ayrıntıları ve günlüklerle son iş hattı çalıştırmalarının etkileşimli tablosu
Çalıştırma Etkinliği Grafiği	`open_run_activity_chart`	Durum dökümü ile son 30 gündeki iş hattı çalıştırma etkinliğinin çubuk grafiği

Pipeline Runs Dashboard

Bu uygulamalar kavram kanıtı örnekleri olarak dahil edilmiştir. Daha fazla MCP Uygulaması için geri bildirim ve katkıları memnuniyetle karşılıyoruz. Bu yeni özellik için henüz erken günler, bu yüzden nasıl gelişeceğini görmemiz gerekecek. Gelecekte daha kapsamlı desteklemeyi bekliyoruz.

Desteklenen İstemciler

MCP Uygulamaları Akışkan HTTP aktarımı gerektirir (stdio değil). Aşağıdaki istemciler şu anda MCP Uygulamalarını desteklemektedir:

✅ VS Code (Insiders Sürümü)
✅ Goose
✅ ChatGPT (yakında kullanıma sunuluyor)
⚠️ Claude Desktop -- Ocak 2026 sonu itibarıyla, henüz Uygulamaları işlemez.
⚠️ Claude.ai (web) — Ocak 2026 sonu itibarıyla, henüz Uygulamaları işlemez.

Not: Yazma sırasında Claude Desktop veya Claude.ai ile kapsamlı test yapamadık. Sorunlarla karşılaşırsanız lütfen bildirin.

MCP Uygulamalarını Docker ile Çalıştırma

MCP Uygulamaları, Akışkan HTTP aktarımı ve (Claude.ai gibi bulutta barındırılan istemciler için) herkese açık erişilebilir bir URL gerektirir. En basit kurulum Docker + Cloudflare tüneli kullanır:

1. Docker konteynerini oluşturun ve çalıştırın:

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. Bir Cloudflare tüneli başlatın (bulut istemcileri için):

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

Bu, https://random-words.trycloudflare.com gibi bir genel URL yazdırır.

3. İstemcinizi bağlayın:

Claude Desktop veya diğer istemcilerde, MCP sunucusunu şu URL ile ekleyin: https://random-words.trycloudflare.com/mcp örn.:

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

Yapay zekadan "iş hattı çalıştırmaları panosunu açmasını" veya "çalıştırma etkinliği grafiğini göstermesini" isteyin

Önemli notlar:

ZENML_ACTIVE_PROJECT_ID gereklidir — bu olmadan, iş hattı çalıştırma araçları "Şu anda aktif olarak ayarlanmış bir proje yok" hatasıyla başarısız olur
Ters proxy'lerin (cloudflared, ngrok) arkasında çalışırken --disable-dns-rebinding-protection bayrağı gereklidir — proxy güvenliği ele aldığında güvenlidir
Tünel URL'si her yeniden başlatmada değişir — istemci entegrasyonunuzu buna göre güncelleyin

Test ve Kalite Güvencesi

Bu proje, MCP sunucusunun işlevsel kalmasını sağlamak için otomatik testler içerir:

🔄 Otomatik Duman Testleri: GitHub Actions aracılığıyla her 3 günde bir kapsamlı bir duman testi çalışır
🚨 Sorun Oluşturma: Başarısız testler, ayrıntılı hata ayıklama bilgileriyle otomatik olarak GitHub sorunları oluşturur
⚡ Hızlı CI: Hızlı bağımlılık kurulumu ve test için önbellekleme ile UV kullanır
🧪 Manuel Test: uv run scripts/test_mcp_server.py server/zenml_server.py kullanarak duman testini yerel olarak çalıştırabilirsiniz

Otomatik testler şunları doğrular:

MCP protokol bağlantısı ve el sıkışma
Sunucu başlatma ve araç keşfi
Temel araç işlevselliği (ZenML sunucusu erişilebilir olduğunda)
Kaynak ve istem numaralandırması
diagnose_zenml_setup kısıtlı ortamlarda bile yapılandırılmış tanılamalar döndürür

MCP Inspector ile Hata Ayıklama

Etkileşimli hata ayıklama için MCP Inspector kullanın — MCP araçlarını gerçek zamanlı olarak test etmenizi sağlayan web tabanlı bir araç:

# 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

Bu, kimlik bilgileriniz önceden doldurulmuş bir web kullanıcı arayüzü açar — sadece Bağlan'a tıklayın ve herhangi bir aracı etkileşimli olarak test etmek için Araçlar sekmesini kullanın.

Daha ayrıntılı hata ayıklama talimatları için CLAUDE.md dosyasına bakın.

Gizlilik ve Analitik

ZenML MCP Sunucusu, ürünü iyileştirmemize yardımcı olmak için anonim kullanım analitiği toplar.

Takip ettiklerimiz:

Hangi araçların ne sıklıkla kullanıldığı
Hata oranları ve türleri (yalnızca hata türü, mesaj yok)
Temel ortam bilgisi (İşletim Sistemi, Python sürümü ve Docker/CI'da çalışıp çalışmadığı)
Oturum süresi ve araç kullanım desenleri

Toplamadıklarımız:

ZenML sunucu URL'niz veya API anahtarınız
İş hattı adları, model adları veya herhangi bir iş verisi
Hata mesajları veya yığın izleri
Kişisel olarak tanımlanabilir herhangi bir bilgi

Analitiği devre dışı bırakmak için:

# Option 1
export ZENML_MCP_ANALYTICS_ENABLED=false

# Option 2
export ZENML_MCP_DISABLE_ANALYTICS=true

Hata ayıklama/test için (olayları göndermek yerine stderr'e kaydeder):

export ZENML_MCP_ANALYTICS_DEV=true

Docker kullanıcıları için: Konteyner yeniden başlatmalarında tutarlı bir anonim kimlik korumak için ZENML_MCP_ANALYTICS_ID (geçerli bir UUID olmalıdır) ayarlayabilirsiniz. Bunu ayarlamazsanız ve konteyner dosya sistemi analitik kimlik dosyasını kalıcı olarak saklayamazsa, sunucu ZENML_STORE_URL karmasından türetilen deterministik bir anonim UUID'ye geri döner (URL'nin kendisi asla bir olay özelliği olarak gönderilmez).

Ek analitik seçenekleri:

ZENML_MCP_ANALYTICS_SHUTDOWN_TIMEOUT_S — kapatma sırasında analitikleri eşzamanlı olarak temizlemek için maksimum süre (saniye) (varsayılan: 1.0)

Kapatma izleme notu: Kapatma olayları, en iyi teslimat güvenilirliği için sınırlı bir zaman aşımıyla eşzamanlı olarak gönderilir. Ancak, bir konteyner SIGKILL ile sonlandırılırsa (örn. docker kill), kapatma işleyicileri tetiklenemez — bu bir Docker/OS sınırlamasıdır, bir hata değildir.

Başlangıç Doğrulaması

Hafif bir başlangıç tanılama kontrolü etkinleştirebilirsiniz:

# 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

Bunu ortam değişkeni aracılığıyla da ayarlayabilirsiniz: ZENML_MCP_STARTUP_VALIDATION=warn.

diagnose_zenml_setup aracı, çalışma zamanı sorun giderme için bir MCP aracı olarak da mevcuttur — ZenML SDK yüklü olmadığında veya ortam değişkenleri eksik olduğunda bile çalışır.

Manuel Kurulum

Ön Koşullar

Dağıtılmış bir ZenML sunucusuna erişiminiz olması gerekecektir. Eğer yoksa, ZenML Pro adresinden ücretsiz deneme için kaydolabilirsiniz ve dağıtımı biz yönetiriz.

İpucu: Bir ZenML sunucunuz olduğunda, en kolay kurulum deneyimi için kontrol panelinizdeki MCP Ayarları sayfasına göz atın.

Uyumluluk: Bu MCP sunucusu ZenML >= 0.93.0 ile test edilmiştir ve önerilir. Daha eski bir ZenML sürümü çalıştırıyorsanız, lütfen bu MCP sunucusunun daha eski bir sürümünü kullanın.

Ayrıca (muhtemelen) uv'in yerel olarak kurulu olması gerekecektir. Daha fazla bilgi için uv belgelerine bakın. Yükleyici betikleri aracılığıyla veya Mac kullanıyorsanız brew ile kurulumu öneririz. (Teknik olarak buna ihtiyacınız yoktur, ancak kurulumu ve ayarlamayı kolaylaştırır.)

Ayrıca bu depoyu yerel olarak bir yere klonlamanız gerekecektir:

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

MCP yapılandırma dosyanız

MCP yapılandırma dosyası, MCP istemcisine MCP sunucunuza nasıl bağlanacağını söyleyen bir JSON dosyasıdır. Farklı MCP istemcileri bunu farklı şekilde kullanır veya belirtir. Yaygın olarak kullanılan iki MCP istemcisi, aşağıda kurulum talimatlarını verdiğimiz Claude Desktop ve Cursor'dır.

ZenML MCP sunucunuzu aşağıdaki formatta belirtmeniz gerekecektir:

{
    "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"
            }
        }
    }
}

Değiştirmeniz gereken dört yer tutucu değer vardır:

yerel olarak kurulu uv yolunuz (yukarıda listelenen yol, brew aracılığıyla kurulduysa bir Mac'te olacağı yerdir)
zenml_server.py dosyasının yolu (bu, MCP sunucusuna bağlandığınızda çalıştırılacak dosyadır). Bu dosya, bu deponun içinde kök dizinde bulunur. Bu dosyanın tam yolunu belirtmeniz gerekecektir.
ZenML sunucu URL'si (bu, ZenML sunucunuzun URL'sidir. Bunu ZenML Cloud UI'da bulabilirsiniz). https://d534d987a-zenml.cloudinfra.zenml.io gibi görünecektir.
ZenML sunucu API anahtarı (bu, ZenML sunucunuzun API anahtarıdır. Bunu ZenML Cloud UI'da bulabilir veya nasıl oluşturulacağına dair https://docs.zenml.io/how-to/manage-zenml-server/connecting-to-zenml/connect-with-a-service-account okuyabilirsiniz. ZenML MCP sunucusu amaçları için bir hizmet hesabı kullanmanızı öneririz.)

MCP sunucusu Python dosyasını çalıştırma şeklinizi değiştirmekte özgürsünüz, ancak uv kullanmak, ortam ve bağımlılık kurulumunu sizin için hallettiği için muhtemelen en kolay seçenek olacaktır.

Claude Desktop ile kullanım için kurulum

Hızlı alternatif: Önceden yapılandırılmış kurulum talimatları ve Claude Desktop için derin bağlantılar almak için ZenML kontrol panelinizdeki MCP Ayarları sayfasını (Ayarlar → MCP) kullanın.

Claude Desktop'ın en son sürümünün kurulu olması gerekecektir.

Ayarlar menüsünü açıp bu deponun kök dizinindeki mcp-zenml.mcpb dosyasını menüye sürükleyip bırakmanız yeterlidir; kurulum ve ayarlama sürecinde size rehberlik edecektir. ZenML sunucu URL'nizi ve API anahtarınızı eklemeniz gerekecektir.

Not: MCP paketleri (.mcpb), eski Masaüstü Uzantıları (.dxt) biçiminin yerini alır; mevcut .dxt dosyaları Claude Desktop'ta çalışmaya devam eder.

İsteğe Bağlı: ZenML Araç Çıktı Görüntüsünü İyileştirme

ZenML araç sonuçlarıyla daha iyi bir deneyim için, Claude'u JSON yanıtlarını daha okunabilir bir biçimde görüntüleyecek şekilde yapılandırabilirsiniz. Claude Desktop'ta, Ayarlar → Profil'e gidin ve "Claude yanıtlarda hangi kişisel tercihleri dikkate almalı?" bölümüne aşağıdaki gibi bir şey ekleyin (veya bu tam kelimeleri kullanın!):

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!

Bu, Claude'u ZenML araç çıktılarını markdown tabloları olarak biçimlendirmeye teşvik edecek ve bilgilerin okunmasını ve anlaşılmasını çok daha kolay hale getirecektir.

Cursor ile kullanım için kurulum

Hızlı alternatif: ZenML kontrol panelinizdeki MCP Ayarları sayfası (Ayarlar → MCP), kimlik bilgileriniz önceden doldurulmuş olarak tam mcp.json içeriğini oluşturabilir.

Cursor'ın kurulu olması gerekecektir.

Cursor, yapılandırma dosyasını depo bazında belirtmeniz açısından Claude Desktop'tan biraz farklı çalışır. Bu, ZenML MCP sunucusunu birden fazla depoda kullanmak istiyorsanız, yapılandırma dosyasını her birinde belirtmeniz gerekeceği anlamına gelir.

Tek bir depo için ayarlamak üzere şunları yapmanız gerekecektir:

deponuzun kök dizininde bir .cursor klasörü oluşturun
içinde, yukarıdaki içeriğe sahip bir mcp.json dosyası oluşturun
Cursor ayarlarınıza gidin ve 'etkinleştirmek' için ZenML sunucusuna tıklayın.

Deneyimlerimize göre, bazen çalışıyor olsa bile kırmızı bir hata göstergesi gösterir. Cursor sohbet penceresinde sohbet ederek deneyebilirsiniz. ZenML araçlarına erişip erişemediğini size bildirecektir.

Docker İmajı

Sunucuyu bir Docker konteyneri olarak çalıştırabilirsiniz. İşlem stdio üzerinden iletişim kurar, bu nedenle bir MCP istemci bağlantısı bekleyecektir. ZenML kimlik bilgilerinizi ortam değişkenleri aracılığıyla iletin.

Önceden Oluşturulmuş İmajlar (Docker Hub)

En son çoklu mimari imajı çekin:

docker pull zenmldocker/mcp-zenml:latest

Sürümlü yayınlar X.Y.Z olarak etiketlenir:

docker pull zenmldocker/mcp-zenml:1.0.8

ZenML kimlik bilgilerinizle çalıştırın (stdio modu):

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 kullanan kanonik MCP yapılandırması

{
  "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"
      ]
    }
  }
}

Yerel Olarak Oluşturma

Depo kök dizininden:

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

Yerel olarak oluşturulan imajı çalıştırın:

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 Paketleri (.mcpb)

Bu proje, Anthropic'in Masaüstü Uzantıları'nın (DXT) halefi olan MCP Paketlerini (.mcpb) kullanır. MCP Paketleri, tüm bir MCP sunucusunu (bağımlılıklar dahil) kullanıcı dostu yapılandırma ile tek bir dosyada paketler.

Yeniden adlandırma notu: MCP Paketleri, eski .dxt biçiminin yerini alır. Claude Desktop, mevcut .dxt dosyalarıyla geriye dönük uyumlu kalır, ancak artık mcp-zenml.mcpb gönderiyoruz ve ileriye dönük olarak kullanılmasını öneriyoruz.

Depo kök dizinindeki mcp-zenml.mcpb dosyası, ZenML MCP sunucusunu çalıştırmak için gereken her şeyi içerir ve karmaşık manuel kurulum adımlarına olan ihtiyacı ortadan kaldırır. Bu, güçlü ZenML entegrasyonlarını teknik kurulum uzmanlığı gerektirmeden kullanıcılar için erişilebilir kılar.

.mcpb dosyasını Claude Desktop'ın ayarlarına sürükleyip bıraktığınızda, otomatik olarak şunları halleder:

Çalışma zamanı bağımlılık kurulumu
Güvenli yapılandırma yönetimi
Platformlar arası uyumluluk
Kullanıcı dostu kurulum süreci

Daha fazla bilgi için, Anthropic'in Masaüstü Uzantıları (DXT) duyurusuna ve belgelerindeki ilgili MCP paket paketleme kılavuzuna bakın: https://www.anthropic.com/engineering/desktop-extensions

Anthropic MCP Kayıt Defterinde Yayınlandı

Bu MCP sunucusu, resmi Anthropic MCP Kayıt Defterinde yayınlanmıştır ve uyumlu ana bilgisayarlar tarafından keşfedilebilir. Her etiketli yayında, CI'mız, GitHub OIDC kullanarak kayıt defterinin mcp-publisher CLI'sı aracılığıyla kayıt defteri girişini günceller, böylece kayıt defterinin desteklendiği her yerden (örn. Claude Desktop'ın Uzantılar kataloğu) doğrudan ZenML MCP Sunucusunu kurabilir veya keşfedebilirsiniz.

Her zaman güncel: kayıt defteri girişi, etiketli commit'in manifest.json ve server.json ile her yayında yenilenir.
Alternatif kurulum yolları: paketlenmiş .mcpb paketi aracılığıyla yerel olarak kurabilir (yukarıya bakın) veya Docker imajını çalıştırabilirsiniz.

Kayıt defteri hakkında daha fazla bilgiyi buradan edinebilirsiniz:

Anthropic MCP Kayıt Defteri (topluluk deposu): https://github.com/modelcontextprotocol/registry