experiment-tracker
Generate ML experiment tracking with MLflow
Lot de plugins · par barnburner121
Aperçu
experiment-tracker est un lot de plugins pour les outils de code IA publié par barnburner121. Places de marché que nous lisons et qui le référencent : 1 (Community GitHub marketplaces). Nous l'avons vu pour la première fois le 2026-10-14 et n'avons enregistré aucun changement depuis. Selon notre passage sur les places de marché du 2026-10-15.
Ce qu'il demande
- S'exécute sur votre machine
Aucune des places de marché que nous lisons ne publie ses outils ni les réglages qu'il demande.
Ce qu'il déclare, demande et exécute, en détail
N’installez que des plugins de développeurs en qui vous avez confiance. Nous reprenons ce que publient les places de marché et ne testons pas les plugins.
Fonctionne avec
- Claude Code
D'après les marketplaces qui le listent et le transport MCP qu'il déclare, tels que chaque client les documente. Nous ne testons pas les plugins.
Connecter
Commandes et configurations construites uniquement à partir de ce que déclarent ses places de marché. Nous ne les exécutons pas pour vous et ne testons pas les plugins.
En plugin Claude Code
Construit à partir de ce que déclare Community GitHub marketplaces.
/plugin marketplace add barnburner121/claude-plugin-marketplace
/plugin install experiment-tracker@barnburner121-pluginsOù il est publié
| Place de marché | Statut | Version | Chiffres | Vérifié | Vu pour la première fois |
|---|---|---|---|---|---|
| Place de marché communautaire barnburner121/claude-plugin-marketplace (Ouvrir la source sur GitHub) | Référencé | 1.0.0 | Forks (GitHub): 0 Étoiles (GitHub): 3 |
Non marqué |
Chaque chiffre est celui de la place de marché et n'est jamais additionné entre places de marché. Une place de marché qui ne publie pas de chiffre n'en affiche aucun : pas de nombre ne veut pas dire zéro.
Listé dans une place de marché communautaire
| Place de marché | Dépôt | Étoiles (GitHub) |
|---|---|---|
| barnburner121-plugins | barnburner121/claude-plugin-marketplace | 3 |
Quelles places de marché nous lisons et comment nous les vérifions
Ce que contient le lot
Tel que publié sur Community GitHub marketplaces.
Serveurs MCP: 1
plugin-hub
Skills: 1
experiments
Ce qui a changé
- Est devenu un produit que nous suivons
- Community GitHub marketplaces: apparu
Peut-être le même plugin
Des fiches qui partagent un indice avec celle-ci, mais pas assez pour les traiter comme le même produit.
Plugins similaires
Produits dont les noms, descriptions, outils et skills sont les plus proches de celui-ci par le sens, sur toutes les places de marché que nous lisons. La proximité n'est classée qu'à l'intérieur de cette liste.
-
Skills for tracing, evaluating, and improving AI agents with MLflow. Supports the full agent improvement loop: instrument → trace → evaluate → iterate → validate.
-
mlflow io.github.us-all/mlflow
MLflow MCP — experiments, runs, registered models, versions, traces, assessments (MLflow 3)
-
Autonomous experiment loops on any codebase — one file, one metric, one loop. An agent edits a constrained file, runs an eval, keeps improvements, reverts failures, and repeats…
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
-
Generate ML model monitoring and drift detection
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
-
Autonomous experiment loop — optimize any file by a measurable metric. 5 slash commands (/ar:setup, /ar:run, /ar:loop, /ar:ar-status, /ar:ar-resume), 8 built-in evaluators…
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
weightsbiases-mcp io.github.mrfentmen/weightsbiases-mcp
MCP server for Weights & Biases: profile, projects, runs. Needs a free API key.
Plugins similaires par place de marché
La même question posée à chaque place de marché séparément : y a-t-il là un équivalent de ce plugin ?
Référencé sur Claude Code: claude-plugins-community (5)
-
Autonomous experiment loops on any codebase — one file, one metric, one loop. An agent edits a constrained file, runs an eval, keeps improvements, reverts failures, and repeats…
-
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
-
Skills to support Machine Learning experimentation using the Python ecosystem.
-
Build high-quality datasets and computer vision models. Visualize datasets, analyze models, find duplicates, run inference, evaluate predictions, and develop custom plugins.
Référencé sur Claude Code: claude-plugins-official (5)
-
Skills for tracing, evaluating, and improving AI agents with MLflow. Supports the full agent improvement loop: instrument → trace → evaluate → iterate → validate.
-
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Build high-quality datasets and computer vision models. Visualize datasets, analyze models, find duplicates, run inference, evaluate predictions, and develop custom plugins.
-
Build, train, evaluate, and use open source AI models, datasets, and spaces.
Référencé sur Claude: knowledge-work-plugins (5)
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
-
A suite of agent skills for the full GrowthBook feature flag and experimentation lifecycle.
-
Build multimodal AI applications with Pixeltable -- tables, computed columns, embedding search, UDFs, tool-calling agents, and 25+ AI provider integrations.
-
AI-first project auditor and re-engineer based on the 9 design principles and 7 design patterns from the TechWolf AI-First Bootcamp
Référencé sur Codex: openai-curated (openai/plugins) (5)
-
Skills for NVIDIAs ecosystem spans GPU acceleration, CUDA, AI agents, inference, robotics, Physical AI, Omniverse, and simulation. This plugin helps you understand the pieces…
-
Evaluate Codex skills and plugins from chat with a beginner-friendly start command, local-first reports, token budget explanations, and guided benchmarking.
-
Build with OpenAI APIs, Agents SDK, and ChatGPT Apps, and create and save OpenAI API keys from Codex.
-
Answer product and business questions with data
-
CrowdStrike Falcon Foundry development skills for building cybersecurity applications on the Falcon platform. Includes UI development, collections, functions, workflows, API…
Référencé sur Community GitHub marketplaces (5)
-
Autonomous experiment loops on any codebase — one file, one metric, one loop. An agent edits a constrained file, runs an eval, keeps improvements, reverts failures, and repeats…
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
Generate ML model monitoring and drift detection
-
Autonomous experiment loop for Claude Code. Run an endless optimize-measure-keep/discard cycle on any optimization target: LLM training loss, test speed, bundle size, build time…
-
Autonomous experiment loop — optimize any file by a measurable metric. 5 slash commands (/ar:setup, /ar:run, /ar:loop, /ar:ar-status, /ar:ar-resume), 8 built-in evaluators…
Référencé sur Copilot CLI: github/awesome-copilot (5)
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Create, edit, run, save, and checkpoint Jupyter notebooks in an interactive Copilot canvas.
-
Model, visualize, and deploy applications with Radius from the GitHub Copilot app and CLI.
-
Arize AX platform skills for LLM observability, evaluation, and optimization. Includes trace export, instrumentation, datasets, experiments, evaluators, AI provider integrations…
-
Use Datadog directly in Copilot / VS Code through a preconfigured Datadog MCP server. Query logs, metrics, traces, dashboards, and more through natural conversation.
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
Bring Azure DevOps work-item, repository, and pull-request workflows into GitHub Copilot.
-
model-apps
Build and deploy Power Apps generative pages for model-driven apps with specialist agents for planning, entity creation, and parallel code generation. Requires PAC CLI >= 2.7.0…
-
Build Power Apps Canvas Apps using the Canvas Authoring MCP server.
-
Complete bundle: all Microsoft Skills for Fabric for developers and consumers.
Référencé sur Cursor: cursor/plugins (5)
-
Fan large tasks out across parallel cloud agents with planners, workers, verifiers, and structured handoffs.
-
Inspect and manage feature gates, experiments, dynamic configs, and metrics.
-
Build apps, scripts, and automations with the TypeScript SDK.
-
Skills for building on the Cursor Origin API. Fetch the live spec first, then follow the Origin rules for credentials, scopes, webhooks, paging, and errors. Includes a skill that…
-
if you want to go fast, go deep first. pstack helps you write less, but higher quality code. rigorous agent workflows you can parallelize with confidence.
Référencé sur Docker MCP Catalog (5)
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
testkube-mcp io.github.kubeshop/testkube-mcp
MCP server for Testkube - Manage test workflows, executions, and artifacts via AI assistants
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
-
Tools for interacting with Hugging Face models, datasets, research papers, and more.
-
Analyze documents, images, videos, and audio.
Référencé sur Official MCP Registry (5)
-
mlflow io.github.us-all/mlflow
MLflow MCP — experiments, runs, registered models, versions, traces, assessments (MLflow 3)
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
weightsbiases-mcp io.github.mrfentmen/weightsbiases-mcp
MCP server for Weights & Biases: profile, projects, runs. Needs a free API key.
-
pramana-mcp io.github.loopg/pramana-mcp
Read your recorded AI agent runs, and what changed when you swapped a model or prompt.
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
Trouvés par le sens, et non par un code ou un dépôt commun : les plugins similaires restent des produits distincts, et ceci n'est ni un avis ni une recommandation.
Vous voulez cette marque pour votre plugin dans notre catalogue ?
Prouvez que vous le maintenez avec un fichier dans son dépôt, un fichier sur votre domaine ou un enregistrement DNS, et vous pourrez afficher cette marque sur la fiche, avec des bannières à jour pour votre site et votre README. Comment se passe la vérification
Vous recevez aussi des alertes quand une marketplace le publie, le retire, change sa marque vérifiée ou ce qu'il demande, et son endpoint distant est surveillé comme un service web.
Données issues de Community GitHub marketplaces. Les chiffres proviennent de nos propres passages réguliers sur les places de marché, dernière lecture le . Nous ne publions aucune coordonnée des éditeurs de plugins.