MFlowy — 自主数据分析、训练与预测 Agent 的能力底座

MFlowy 是 MCP-native 的 ML 能力层：把数据分析、模型训练与预测打包成可枚举、可自描述的 MCP 工具目录，供自主 agent（或人）组装成可追溯的实验工作流。agent 不需要读文档——能力发现、图组装预检、执行与结果读回全部经工具完成。

能力目录（@handler 自注册） ──组装──▶ YAML 工作流（一等工件） ──执行──▶ 实验记录（WorkflowResult + MLflow）

Agent 自主回路

MFlowy 不内置 agent；它提供让 agent 自主运转的四个阶段，每个阶段都是已注册的 MCP 工具：

回路可靠运转的两块基石：封闭 StepType 词表让 LLM 与人共享同一图语言，YAML 可序列化往返、生成图可被工具改写复用；复用旧结果是显式 run_id 引用、不做静默缓存——agent 的控制流永远可预测。

研究方法论（划分先行 / 基线参照 / 单一变更等五律）见 docs/research-flow.md，可直接作为 agent 的工作规约。

核心特性

• MCP-native，三入口同源：全部能力以 MCP 工具（pyfunc）暴露，MCP server（stdio）、JSON runner CLI（cmd）、直接 import（宿主内嵌）共享同一套实现与执行委派
• 能力目录，零手工注册：能力 = 纯函数 + @handler(StepType.X) 装饰器，import 即注册进 (StepType, module) 目录，新增能力只需一个 .py 文件；MCP schema 由函数签名内省自动生成
• YAML 工作流是一等工件：steps 串行 / branches 并行组成 DAG；封闭 StepType 词表让 LLM 与人共享同一图语言，图可序列化往返、跨工具改写复用
• 边按类型寻址：节点按 StepType 检索最近上游而非点名引用——替换模块（如 XGB→LGBM）不需要改下游连线
• 实验即记录：每次运行必留痕——结构化 WorkflowResult（逐节点 run_id/状态/输出）+ MLflow 全量追踪（参数/指标/模型/产物）+ 血缘 tag（mflowy.input_steps）；复用旧结果是显式 run_id 引用，不做静默缓存
• 中间件责任链：数据注入、领域日志、mlflow 记录、错误即停在注册期一次性织入
• 执行环境可委派：JobProvider 契约抽象 compute 工具的执行环境，内置本地实现，远程执行由自定义实现接入（见 docs/REMOTE_MODELING.md）

架构与调用方式

MFlowy 以 MCP 为架构主体：src/mflowy/mcp/tools.py 定义全部 compute 工具，三种入口共享同一套工具。执行按工具类别分流：建模类经 JobProvider 委派执行（内置本地实现由 driver 内核编译调度 compute/ 能力，远程实现接管执行环境），分析类始终本地执行（详见 docs/REMOTE_MODELING.md）：

CLI（cmd）是 MCP 工具层的命令行通道，与 MCP server 共享同一套工具实现与 JobProvider 委派，不是独立架构；历史独立 CLI（mflowy run/validate/list-modules 等）已废弃。

快速开始

两种运行形态，同一套入口（mcpSrv = MCP server / cmd = JSON runner）。

方式一：PyPI（推荐——无需克隆仓库）

# MCP server (stdio) — 完全体（数据分析 + 建模）；国内镜像参数可省（网络可达 PyPI 时）
uvx --index-strategy unsafe-best-match \
    --default-index https://mirrors.aliyun.com/pypi/simple/ \
    --index https://download.pytorch.org/whl/cpu \
    --from "mflowy[modeling]" \
    mcpSrv

# 轻量分析（仅 [stats]，无 torch，无需 CPU 索引参数）
uvx --from "mflowy[stats]" cmd data_profile '{"file_path": "..."}'

# 或常规安装（pip / uv pip）
pip install "mflowy[modeling]"

MCP 客户端配置（stdio）——.mcp.json.example 为模板：

{
  "mcpServers": {
    "mflowy": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "--index-strategy", "unsafe-best-match",  // torch CPU 索引必需（见下方「启动说明」）
        "--default-index", "https://mirrors.aliyun.com/pypi/simple/",  // 可选：镜像
        "--index", "https://download.pytorch.org/whl/cpu",  // [modeling] 需要
        "--from", "mflowy[modeling]",
        "mcpSrv"
      ]
    }
  }
}

方式二：源码（开发 / 贡献）

git clone https://github.com/ifoodsci-ai/mflowy.git && cd mflowy
uv sync --all-extras --all-groups

uv run cmd list_modules                                       # 查看支持的步骤及模块列表（base，无数据栈）
uv run --extra stats cmd data_profile '{"file_path": "..."}'  # 数据分析工具
uv run mcpSrv                                                  # MCP server（stdio）

更多开发命令（测试 / lint / 构建）见 AGENTS.md 或 CONTRIBUTING.md。

环境变量

MCP 客户端配置示例

见上方方式一内的 JSON 示例，或直接参考 .mcp.json.example（PyPI 形态）。

启动说明

• 入口名 mcpSrv：刻意避开 mcp SDK 自带的同名 mcp CLI（mcp.cli:app）——uvx 解析 mcp 命令时可能命中 SDK 侧导致启动失败
• extras 内联在 --from spec：uvx 的 --extra 需新版 uv，内联写法兼容性最好
• 离线分发用 wheel：make build-whl 产出 dist/mflowy-<version>-py3-none-any.whl，--from "mflowy[modeling] @ file://<whl绝对路径>" 替代包名（K8s 镜像构建/内网场景）
• torch CPU 索引（--index pytorch-cpu + --index-strategy unsafe-best-match）为 [modeling] 必需：uvx 不读 pyproject 的 [tool.uv.sources]，缺省时 torch 解析为 CUDA 全家桶（2–3GB）；unsafe-best-match 须与 pytorch 索引同用，否则 first-index 策略会因该索引上的旧版 requests 解析失败

遥测（Telemetry）

MCP 工具调用诊断采集，同意制、默认 ask，端点不可达时完全透明不影响工具调用，仅覆盖 MCP 入口。隐私契约见 PRIVACY.md，接入与配置详情见 docs/TELEMETRY.md。

贡献

欢迎任何形式的贡献（功能、修复、文档、案例）。请阅读 CONTRIBUTING.md（开发流程与约定）、CODE_OF_CONDUCT.md、PRIVACY.md（遥测隐私契约）与 SECURITY.md（漏洞披露）。

许可证

本项目基于 MIT License 开源。

文档

• 架构与贡献指南
• 研究流方法论（agent 可直接采用的工作规约）
• 路线图
• 远程执行接入
• 遥测
• DAG 内核：设计哲学与架构