konfai-mcp Skill 技能

konfai-mcp 是将 KonfAI 机器学习框架暴露为 Model Context Protocol（MCP）工具的独立 Python 包。它让 MCP 客户端能够以「自然语言目标 + 数据集」驱动完整的科研实验工作流：自动检查数据、选择最便宜路径（复用已发布模型 / 微调 / 从头训练）、编写并校验配置、运行训练 / 预测 / 评估、监控作业，最终返回可复现的运行记录与指标。

核心能力

• 数据集引导：browse_dataset、inspect_dataset、read_dataset_file、preview_volume、prepare_dataset_aliases 全流程接入
• 配置起草：design_config_strategy、initialize_session、write_workflow_config 自动生成可执行配置
• 验证与迭代：review_config_semantics、validate_config_semantics、summarize_session、leaderboard 持续评估
• 执行与作业：launch_train、launch_resume、launch_prediction、launch_evaluation、launch_batch 全流程任务编排，list_jobs / get_job_status / cancel_job / wait_for_job 实时跟踪
• 资源驱动：server://capabilities 报告 GPU VRAM 余量 + 推荐设备，每次启动 payload 内置 vram_preflight 块，避免客户端重复查询
• 使用 vs 训练三路选择：solve_task prompt 在「直接使用已发布 app」/「微调」/「从头训练」三路之间为客户端挑最便宜方案

安装配置

• pip install konfai-mcp — 安装 MCP 服务器与 FastMCP 入口
• （可选）pip install "konfai[imaging]" — 读取 .mha / .nii 医学影像格式并运行训练
• 设置 KONFAI_MCP_WORKSPACES_ROOT 环境变量自定义实验工作区根目录（默认 ~/KonfAI_Workspaces）

使用步骤

1. 安装 konfai-mcp 与 imaging extras
2. 启动服务器：执行 konfai-mcp 命令或 python -m konfai_mcp.server
3. MCP 客户端通过 stdio 连接服务器，调用 describe_konfai_capabilities 获取能力索引
4. 通过 solve_task prompt 引导客户端选择「使用已发布 app」/「微调」/「从头训练」最便宜的路径
5. 调用 launch_train 或 launch_prediction 启动子进程，通过 wait_for_job 监控进度，最终用 read_live_metrics / read_job_log 取回结果

适用场景

• 科研论文复现 — 从论文结构化描述生成可重现实验流水线
• 医学影像分析 — CT / MRI 分割、配准、合成（支持 .mha / .nii）
• 新数据集微调或从头训练 — 自动选择最便宜的实现路径
• 多实验批量运行 — 评估并挑选最佳 run（leaderboard）
• 已发布 KonfAI app 一键推理、评估、不确定性估计、参数调优

适用人群

• 医学影像 / 生物医学工程师
• 研究型 ML / 科研工程师
• 需要可重现实验流水线的团队
• MCP 客户端（Claude Code / 自研 agent）开发者

工作原理

MCP 服务器本身不直接执行训练逻辑：1) 接收 MCP 工具调用；2) 准备实验工作区并验证当前状态；3) 通过 konfai_mcp.runner 启动子进程；4) runner 用 build_train / build_predict / build_evaluate 构建 KonfAI 工作流；5) 通过 KonfAI runtime utilities 执行；6) 作业注册表持久化状态、清单与配置快照，支持服务器重启后恢复。

官方链接

• PyPI：https://pypi.org/project/konfai-mcp/
• 源码：https://github.com/fideus-labs/KonfAI/tree/main/konfai-mcp