io.github.us-all/mlflow
MLflow MCP — experiments, runs, registered models, versions, traces, assessments (MLflow 3)
Serveur MCP · par us-all
Aperçu
io.github.us-all/mlflow est un serveur MCP publié par us-all. 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 2026-10-12.
Ce qu'il demande
- S'exécute sur votre machine
- Secrets : 2
- Paramètres : 8
Demande: MLFLOW_TRACKING_PASSWORD (secrète), MLFLOW_TRACKING_TOKEN (secrète), MLFLOW_TRACKING_URI
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
npm @us-all/mlflow-mcp (@us-all/mlflow-mcp sur npm)
- Téléchargements npm par semaine: 30 (2026-10-12)
- Téléchargements npm par mois: 220 (2026-10-12)
- Dernière version sur npm : 1.12.7, publiée le 2026-06-19
Les données npm proviennent du registre public npm (registry.npmjs.org, api.npmjs.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.
Fonctionne avec
- Claude Code
- Codex
- Cursor
- VS Code
- Copilot CLI
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 npm
Construit à partir de ce que déclare Official MCP Registry.
claude mcp add --env "MLFLOW_TRACKING_PASSWORD=<YOUR_MLFLOW_TRACKING_PASSWORD>" --env "MLFLOW_TRACKING_TOKEN=<YOUR_MLFLOW_TRACKING_TOKEN>" --env "MLFLOW_TRACKING_URI=<YOUR_MLFLOW_TRACKING_URI>" --transport stdio mlflow -- npx -y @us-all/mlflow-mcp[mcp_servers.mlflow]
command = "npx"
args = ["-y", "@us-all/mlflow-mcp"]
[mcp_servers.mlflow.env]
MLFLOW_TRACKING_PASSWORD = "<YOUR_MLFLOW_TRACKING_PASSWORD>"
MLFLOW_TRACKING_TOKEN = "<YOUR_MLFLOW_TRACKING_TOKEN>"
MLFLOW_TRACKING_URI = "<YOUR_MLFLOW_TRACKING_URI>"{
"mcpServers": {
"mlflow": {
"command": "npx",
"args": [
"-y",
"@us-all/mlflow-mcp"
],
"env": {
"MLFLOW_TRACKING_PASSWORD": "<YOUR_MLFLOW_TRACKING_PASSWORD>",
"MLFLOW_TRACKING_TOKEN": "<YOUR_MLFLOW_TRACKING_TOKEN>",
"MLFLOW_TRACKING_URI": "<YOUR_MLFLOW_TRACKING_URI>"
}
}
}
}Remplacez les valeurs entre chevrons par les vôtres. Nous montrons les noms des paramètres, jamais de valeurs.
Paramètres facultatifs qu’il indique aussi : MLFLOW_ALLOW_WRITE, MLFLOW_DISABLE, MLFLOW_EXPERIMENT_ID, MLFLOW_TOOLS, MLFLOW_TRACKING_USERNAME.
Nous ne gardons pas les arguments de lancement. Si le serveur en demande, sa propre documentation les donne.
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 | 1.12.7 | Téléchargements par mois (npm): 220 Téléchargements par semaine (npm): 30 Forks (GitHub): 0 Étoiles (GitHub): 1 |
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.
-
Skills for tracing, evaluating, and improving AI agents with MLflow. Supports the full agent improvement loop: instrument → trace → evaluate → iterate → validate.
-
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.
-
okahu co.okahu.mcp-registry/okahu
Cloud hosted Okahu MCP server that helps you manage genAI trace data
-
Train, track and query models on a running dashAI instance. Read-oriented, no delete tools.
-
Manage your Mistral platform — models, files, batch jobs, agents and RAG document libraries.
-
replicate com.mcparmory/replicate
Run AI models, create deployments, and manage predictions via cloud API
-
Hugging Face Hub MCP — models, datasets, spaces
-
Run fal.ai models, poll the inference queue and read model schemas.
-
MCP server for Ultralytics Platform projects, datasets, training, prediction, exports, and models.
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)
-
Full Domino Data Lab platform support — workspaces, jobs, model deployment, experiment tracking, GenAI tracing, Spark/Ray/Dask, and app deployment for data science teams
-
agent-tasks io.github.keshrath/agent-tasks
Pipeline task management for AI agents - stages, dependencies, artifacts, claiming
-
DataRobot Agent Skills - Agentic skills for DataRobot enterprise AI and ML workflows. Covers model training, deployment, predictions, feature engineering, monitoring…
-
agent-discover io.github.keshrath/agent-discover
Find, install and enable MCP servers mid-session on any host, with consent and tool pinning
-
Build, run, and monitor AI/ML workflows on Jetty — from prompt to production in 5 minutes.
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.
-
Skills for working with Langfuse, the open-source LLM engineering platform for tracing, prompt management, and evaluation.
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.
-
Hosted MCP server for AI-assisted Grafana Cloud observability — no local installation required.
-
Official SigNoz plugin for MCP setup, docs, queries, dashboards, and alerts
-
Use Datadog directly in Claude Code through a preconfigured Datadog MCP server. Query logs, metrics, traces, dashboards, and more through natural conversation. This plugin is in…
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…
-
Comprehensive skill for the entire Temporal lifecycle — developing applications, using the Temporal CLI, running and managing Temporal Server, and working with Temporal Cloud.
-
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…
-
Available for US1 customers only. Analyze, investigate, and act on your Datadog telemetry directly from ChatGPT using natural language. Ask questions about your production…
Référencé sur Community GitHub marketplaces (5)
-
DataRobot skills for AI/ML workflows — model training, deployment, predictions, feature engineering, monitoring, explainability, data preparation, App Framework CI/CD, and…
-
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.
-
Databricks skills for the CLI, Apps, Lakebase, Model Serving, Lakeflow Jobs, Spark Declarative Pipelines, Declarative Automation Bundles (DABs), and classic-to-serverless…
-
Dynatrace observability skills: DQL query patterns, application and infrastructure monitoring, log analysis, problem investigation, and incident response workflows, with the…
-
Dash0 Observability
OpenTelemetry observability for OpenAI Codex sessions. Captures prompts, tool calls, MCP calls, sub-agent activity, and token usage as OTel traces.
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.
-
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…
-
Use Datadog directly in Copilot / VS Code through a preconfigured Datadog MCP server. Query logs, metrics, traces, dashboards, and more through natural conversation.
-
Interactive GitHub Copilot canvas for discovering, connecting, and managing hosted MCP servers from an Azure Connector Namespace.
-
Safe BLE diagnostics, evidence workflows, and guarded automation for AI agents.
Référencé sur Copilot CLI: github/copilot-plugins (5)
-
Toolkit for building Microsoft 365 Copilot declarative agents — scaffolding, JSON manifest development, and capability configuration.
-
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.
-
mcp-apps
Generate MCP App widgets for MCP tools. Produces self-contained HTML widgets using the MCP Apps protocol.
-
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.
-
Work with PostHog from chat: query product analytics and run SQL, manage feature flags and experiments, triage error tracking issues, and review session replays, surveys, and…
-
Build apps, scripts, and automations with the TypeScript SDK.
-
Explore datasets and tables and run SQL queries.
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
-
MCP server providing Prometheus metrics access and PromQL query execution for AI assistants
-
Bridges multiple AI models and CLIs, enabling orchestrated workflows across Claude Code, Gemini CLI, Codex CLI, and other AI development tools.
-
A universal MCP (Model Context Protocol) server to integrate any API with Claude Desktop using only Docker configurations.
Référencé sur Official MCP Registry (5)
-
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.
-
okahu co.okahu.mcp-registry/okahu
Cloud hosted Okahu MCP server that helps you manage genAI trace data
-
Train, track and query models on a running dashAI instance. Read-oriented, no delete tools.
-
Manage your Mistral platform — models, files, batch jobs, agents and RAG document libraries.
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.