MLflow MCP Server
MLflow MCPサーバーでClaude連携・ML実験管理とモデルトラッキングを自動化
最終更新：2026年3月27日10GitHub
クイックインストール
uvx mlflow-mcp概要
MLflow MCP Serverの設定方法と使い方。
ML実験管理・モデルトラッキングプラットフォーム「MLflow」をClaudeから操作できるMCPサーバー。
実験・ランの一覧取得・メトリクス比較・アーティファクト確認・モデルレジストリ管理が可能。
ClaudeとMLflowのMCPサーバー連携により、機械学習実験の比較分析やモデルのデプロイ管理・パフォーマンスレポート生成を自動化できる。
設定方法はMLflowトラッキングサーバーのURLを環境変数に設定するだけでシンプルに完結する。
料金・APIキー情報
料金
完全無料APIキー
🔓 不要✅このMCPはAPIキー不要です。別途セットアップが必要な場合があります（上記参照）。
こんな使い方ができます
MLflowの複数実験ランをClaudeが比較してベストモデルの特定と分析レポートを生成できる
学習済みモデルのメトリクスとパラメータをClaudeが取得して性能評価サマリを作成できる
モデルレジストリの登録モデル一覧をClaudeが確認してバージョン管理状況を把握できる
実験ごとのアーティファクトをClaudeが取得してモデル構成や学習ログを分析できる
セットアップ手順
- 1
MLflowトラッキングサーバーを起動してURLを確認する（デフォルト: http://localhost:5000）
- 2
claude mcp add mlflow -e MLFLOW_TRACKING_URI=http://localhost:5000 -- uvx mlflow-mcp
設定ファイル
⚠️
コピー前に確認
MLflowトラッキングサーバーが起動していること・Python/uvx環境が必要
Terminal
claude mcp add mlflow -e MLFLOW_TRACKING_URI=http://localhost:5000 -- uvx mlflow-mcp#MLOps#機械学習#実験管理#モデルトラッキング