io.github.rohithraju-ops/mcp-ml-lab
Run end-to-end ML experiments from natural language (XGBoost, LightGBM, Optuna).
Serveur MCP · par rohithraju-ops
Aperçu
io.github.rohithraju-ops/mcp-ml-lab est un serveur MCP publié par rohithraju-ops. Places de marché que nous lisons et qui le référencent : 1 (Official MCP Registry). Nous l'avons vu pour la première fois le 2026-10-11 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.
Paquet
PyPI mcp-ml-lab (mcp-ml-lab sur PyPI)
- Téléchargements PyPI par semaine: 22 (2026-10-13)
- Téléchargements PyPI par mois: 61 (2026-10-13)
- Dernière version sur PyPI : 0.1.0, publiée le 2026-05-29
Aucune vulnérabilité connue dans OSV pour 0.1.0 (vérifié le 2026-10-14)
Les données PyPI proviennent de pypi.org, les téléchargements PyPI de pypistats.org. Chaque chiffre est celui du registre et ne s'additionne jamais à un autre. Un registre qui ne publie pas de chiffre n'en affiche aucun : pas de chiffre ne veut pas dire zéro. Les entrées de vulnérabilités proviennent d'OSV.dev (CC BY 4.0) et ne concernent que la version déclarée ; une fiche sans version déclarée n'obtient pas de réponse. Nous n'analysons pas le code.
Fonctionne avec
- Claude Code
- Codex
- Cursor
- VS Code
- Copilot CLI
Un lien en un clic ouvre le client, qui demande une confirmation avant d'ajouter le serveur.
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 serveur MCP local : paquet PyPI
Construit à partir de ce que déclare Official MCP Registry.
claude mcp add --transport stdio mcp-ml-lab -- uvx mcp-ml-lab[mcp_servers.mcp-ml-lab]
command = "uvx"
args = ["mcp-ml-lab"]{
"mcpServers": {
"mcp-ml-lab": {
"command": "uvx",
"args": [
"mcp-ml-lab"
]
}
}
}Où il est publié
| Place de marché | Statut | Version | Chiffres | Vérifié | Vu pour la première fois |
|---|---|---|---|---|---|
| Official MCP Registry (Ouvrir la fiche du registre) | Référencé | 0.1.0 | Téléchargements par mois (PyPI): 61 Téléchargements par semaine (PyPI): 22 Forks (GitHub): 0 Étoiles (GitHub): 0 |
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.
Ce qui a changé
Rien n'a bougé sur ce plugin depuis que nous le suivons.
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.
-
xplainable-mcp-server io.github.xplainable/xplainable-mcp-server
Train, explain, optimise and deploy transparent glass-box ML models via workflow tools.
-
mlflow io.github.us-all/mlflow
MLflow MCP — experiments, runs, registered models, versions, traces, assessments (MLflow 3)
-
explainability-report-mcp io.github.CSOAI-ORG/explainability-report-mcp
Explainability Report MCP Server by MEOK AI Labs
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
Generate ML experiment tracking with MLflow
-
data-science-ai-mcp io.github.CSOAI-ORG/data-science-ai-mcp
Data Science Ai MCP Server by MEOK AI Labs
-
Safety-first Kaggle MCP — confirm-gated destructive ops, submission budget, injection-fenced.
-
neural-mcp io.github.andylbrummer/neural-mcp
GPU-accelerated MCP server for neural network training, deep learning, and model experimentation
-
codabench-mcp io.github.harshitAgr/codabench-mcp
MCP server for the Codabench REST API — drives a full ML-benchmark participant workflow.
-
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)
-
vynn-mcp io.github.beee003/vynn-mcp
Self-improving AI workflows with backtesting, prompt optimization, and scheduling
-
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.
-
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
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.
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
-
Build, train, and deploy AI models with deep AWS AI/ML expertise brought directly into your coding assistants, covering the surface area of Amazon SageMaker AI.
-
firebase-mcp io.github.firebase/firebase-mcp
Gives AI development tools Firebase-specific capabilities and expertise.
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…
-
MCP server for terminal commands, file operations, and process management
-
Hosted MCP server for AI-assisted Grafana Cloud observability — no local installation required.
-
Figma design platform integration. Access design files, extract component information, read design tokens, and translate designs into code. Bridge the gap between design and…
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
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.
-
CrowdStrike Falcon Foundry development skills for building cybersecurity applications on the Falcon platform. Includes UI development, collections, functions, workflows, API…
-
Comprehensive skill for the entire Temporal lifecycle — developing applications, using the Temporal CLI, running and managing Temporal Server, and working with Temporal Cloud.
Référencé sur Community GitHub marketplaces (5)
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
Generate ML experiment tracking with MLflow
-
codabench-mcp io.github.harshitAgr/codabench-mcp
MCP server for the Codabench REST API — drives a full ML-benchmark participant workflow.
-
Exactly explainable classifiers for agents: train, tune, predict, explain on CSV or Excel.
-
Build agents, MCP servers and tool-using workflows.
Référencé sur Copilot CLI: github/awesome-copilot (5)
-
Complete toolkit for building Model Context Protocol (MCP) servers in Go using the official github.com/modelcontextprotocol/go-sdk. Includes instructions for best practices, a…
-
Complete toolkit for building Model Context Protocol (MCP) servers in TypeScript/Node.js using the official SDK. Includes instructions for best practices, a prompt for generating…
-
Complete toolkit for building Model Context Protocol (MCP) servers in Kotlin using the official io.modelcontextprotocol:kotlin-sdk library. Includes instructions for best…
-
Run a lightweight, role-separated AI development team with flexible tools, developer-selected models, proportionate planning, and optional QA.
-
Arize AX platform skills for LLM observability, evaluation, and optimization. Includes trace export, instrumentation, datasets, experiments, evaluators, AI provider integrations…
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
mcp-apps
Generate MCP App widgets for MCP tools. Produces self-contained HTML widgets using the MCP Apps protocol.
-
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.
-
Iterative self-referential AI loops using the Ralph Wiggum technique.
-
Let Grok Bot reach MCP servers on your private Tailscale network. Sign in to Tailscale to connect your tailnet; Grok Bot joins it as one tagged device and only reaches the hosts…
-
Build apps, scripts, and automations with the TypeScript SDK.
Référencé sur Docker MCP Catalog (5)
-
testkube-mcp io.github.kubeshop/testkube-mcp
MCP server for Testkube - Manage test workflows, executions, and artifacts via AI assistants
-
Read and score Opik traces, experiments, datasets and prompts from your AI assistant.
-
Giving Claude ability to run code with E2B via MCP (Model Context Protocol).
-
MCP server providing Prometheus metrics access and PromQL query execution for AI assistants
-
Dynatrace-mcp io.github.dynatrace-oss/Dynatrace-mcp
[DEPRECATED] Dynatrace MCP Server. Migrate to dynatrace-for-ai or Dynatrace Remote MCP Server.
Référencé sur Official MCP Registry (5)
-
xplainable-mcp-server io.github.xplainable/xplainable-mcp-server
Train, explain, optimise and deploy transparent glass-box ML models via workflow tools.
-
mlflow io.github.us-all/mlflow
MLflow MCP — experiments, runs, registered models, versions, traces, assessments (MLflow 3)
-
explainability-report-mcp io.github.CSOAI-ORG/explainability-report-mcp
Explainability Report MCP Server by MEOK AI Labs
-
Automated AI research toolkit: hypothesis generation, experiments, and paper writing
-
data-science-ai-mcp io.github.CSOAI-ORG/data-science-ai-mcp
Data Science Ai MCP Server by MEOK AI Labs
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.
C'est votre plugin ?
Ajoutez-le à vos projets et prouvez que vous le maintenez : un fichier dans son dépôt, un fichier sur votre domaine ou un enregistrement DNS. Vous recevez 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 Official MCP Registry. 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.