Automatize tarefas e melhore a eficiência dos profissionais de dados
Há várias tarefas mundanas que um cientista de dados ou engenheiro de IA realiza como parte do seu fluxo de trabalho diário, como carregar conjuntos de dados, executar e iterar os mesmos scripts para diversos hiperparâmetros, observar experimentos e assim por diante. A delegação dessas tarefas a um agente de IA pode economizar recursos e agregar valor significativo.
É aí que entra o Cloudera AI Workbench MCP Server : servidor de código aberto Model Context Protocol (MCP) projetado para integrar-se melhor ao seu fluxo de trabalho agêntico.
O que é o Servidor Cloudera MCP e como ele ajuda
O servidor MCP da Cloudera funciona como um tradutor seguro. Ele permite que assistentes (como Cloudera Agent Studio, Claude ou Cursor) executem tarefas diretamente dentro do seu ambiente Cloudera AI Workbench.
Isso significa que você pode solicitar ao seu assistente para listar projetos, carregar arquivos e executar trabalhos, e o servidor realizará a ação usando as APIs padrão da plataforma.
Figura 1. Cloudera AI Workbench MCP Server: Arquitetura
Integra com a governança existente
O Cloudera MCP Server foi projetado para funcionar com a sua governança corporativa existente, não para ignorá-la.
Para cientistas de dados e engenheiros de IA: Isso pode ajudar a reduzir a troca de contexto, possibilitando que você permaneça no chat ou no IDE enquanto inicia tarefas na plataforma. O assistente pode cuidar da coordenação, enquanto a plataforma cuida da execução.
Para as equipes de plataforma e MLOps: Isso ajudará a acionar um script de avaliação, carregar novos conjuntos de dados e executar testes semelhantes. A integração também possibilita atualizações, exclusões e reinicializações de aplicativos, além do rastreamento de experimentos.
Segurança desde a concepção
Segurança é um componente central do projeto do servidor destinado a adequar-se a um ambiente corporativo.
Transporte STDIO: Por padrão, utiliza a entrada/saída padrão (STDIO) para comunicação entre o assistente e o servidor. Isso evita a necessidade de abrir e gerenciar outro ponto de extremidade de rede para essa interação.
Gerenciamento de credenciais: O servidor foi projetado para ler credenciais de segredos do Docker ou variáveis de ambiente, evitando a necessidade de escrever chaves diretamente no código ou passá-las como argumentos de linha de comando.
Acesso fácil: Utiliza as chaves da API do Cloudera AI Workbench existentes, possibilitando que você(a) especifique permissões adequadamente para diferentes usuários e casos de uso.
Figura 2. Servidor Cloudera Workbench MCP: Segurança por projeto
Introdução ao Cloudera MCP Server
O Cloudera MCP Server foi projetado para ajudar seus assistentes a interagir diretamente com sua plataforma, tudo isso operando dentro da sua governança estabelecida.
Começar é um processo simples:
- Configure o servidor: Execute o servidor de código aberto no Docker, fornecendo o seu host do Cloudera AI Workbench e a chave de API como segredos
- Conecte seu cliente: Aponte seu cliente MCP preferido (como o Cloudera Agent Studio) para o servidor com o comando STDIO
- Faça sua primeira solicitação: Você pode testar a conexão pedindo ao seu assistente para "listar meus projetos"
Exemplos de Fluxos de Trabalho
Veja a seguir alguns exemplos de tarefas que você(a) pode executar por meio de um assistente conectado ao servidor Cloudera MCP:
Liste todos os meus projetos ativos e mostre-me todos os trabalhos que ainda estiverem em execução
Envie o arquivo new-data-august.zip para o projeto “fraud-detection”.
Crie uma tarefa usando o script train-v3.py, atribua a ele 2 CPUs e 8 GB de memória e execute-o.
Registre essas métricas no experimento chamado “resnet-sweep” e marque a execução com a tag “new-data”
Pegue a versão mais recente do modelo e implante-a no endpoint de teste
Reinicie o aplicativo "gradio-demo"
O servidor inclui ferramentas para dar suporte a esses fluxos de trabalho durante o ciclo de vida do projeto, incluindo gerenciamento de arquivos, execução de tarefas, rastreamento de experimentos, implantação de modelos e gerenciamento de aplicativos.
Saiba mais
Para obter etapas detalhadas de configuração, exemplos e uma lista completa de recursos, acesse o repositório GitHub do Cloudera MCP Server. Observação: os projetos do GitHub são fornecidos "como estão" e não têm suporte formal da Cloudera. O projeto Cloudera MCP Server é disponibilizado sob a licença Apache 2.0, e a Cloudera não oferece garantia, suporte nem manutenção para seu uso.
Para saber mais sobre como o MCP e o Cloudera funcionam juntos, confira nosso blog Bringing Context to GenAI with Cloudera MCP Servers (Como dar contexto à IA agêntica com os servidores MCP da Cloudera).
