MCP App StoreMCP App Store
de agent-almanac17
Configurez le suivi d'expériences MLflow : serveur, autologging, stockage d'artefacts, comparaison de runs et gestion du cycle de vie pour des flux de travail ML reproductibles.
Fournit un guide étape par étape pour installer et configurer MLflow pour le suivi d'expériences, activer l'autologging pour les frameworks ML courants, gérer les artefacts dans des backends de stockage distants, comparer les runs et générer des rapports, et implémenter des politiques de cycle de vie pour les expériences. Inclut des exemples et des modèles Docker compose pour des configurations prêtes pour la production.
Utilisez cette compétence lorsque vous démarrez un nouveau projet ML nécessitant un suivi d'expériences reproductible, lors de la migration de journaux manuels vers un serveur de suivi automatisé, pour intégrer le suivi dans le CI/CD, ou lorsque vous avez besoin d'une visibilité partagée des expériences et d'une gestion des artefacts pour l'équipe.
Idéalement utilisé par des agents capables d'exécuter des commandes Python et shell pour provisionner des serveurs, configurer des backends et lancer des scripts d'entraînement ML. Fonctionne avec les agents orientés MLOps et l'automatisation des runs CI.
Skill de suivi d'expériences MLflow couvrant la configuration du serveur, l'autologging, le logging manuel, la comparaison des runs, le stockage d'artefacts distants et la gestion du cycle de vie. Aucun script groupé à exécuter. Les extraits de code sont tronqués avec des références à un fichier EXAMPLES.md externe, réduisant ainsi la complétude. Par ailleurs, bien structuré avec de bons conseils de dépannage.
Aucun script présent, analyse statique uniquement. Le skill est un guide MLflow bien organisé mais incomplet en tant qu'entité autonome — dépend d'un fichier EXAMPLES.md externe pour les implémentations complètes. Aucune préoccupation de sécurité. Fait partie de la collection agent-almanac (variante de locale caveman-ultra).
Modélisation des Chaînes de Markov
Construisez et analysez des chaînes de Markov discrètes ou continues : matrices de transition, classification d'états, distributions stationnaires et temps moyens de premier passage.
Générer des rapports paramétrés
Générez plusieurs rapports personnalisés à partir d'un seul modèle Quarto ou R Markdown en fournissant des ensembles de paramètres et en automatisant les rendus par lots.
Créer une Équipe
Rédiger un fichier de composition d'équipe multi-agents (modèle de coordination, membres, tâches, bloc CONFIG) pour le registre d'équipes de l'Agent Almanac.
Générer un rapport de voyage
Crée un rapport de voyage autonome basé sur Quarto (HTML/PDF) avec cartes intégrées, itinéraires quotidiens, tableaux logistiques et détails d'hébergement/transport.
Annoter les fichiers sources
Insérez des annotations de flux de travail de type PUT dans les fichiers sources (plus de 30 langages) pour générer des flux structurés et des diagrammes Mermaid via putior.
Taille de Pierres Précieuses
Guide pratique et étape par étape pour la taille de pierres précieuses (cabochons ou facettées) : évaluation, orientation, collage (dopping), séquence d'abrasifs et angles de facettage de base.
Développer une méthode HPLC
Concevoir et optimiser une méthode HPLC (RP, NP, IC, HILIC), incluant la sélection de la colonne, la phase mobile, le gradient et la détection pour des séparations analytiques robustes.
Créer une Équipe
Créez une définition d'équipe multi-agents réutilisable (YAML + documentation humaine) qui standardise la coordination, la décomposition des tâches et l'activation pour les flux de travail de style Claude Code.
Culture du Bonsaï (de)
Guide complet en allemand pour l'entretien des bonsaïs : sélection d'espèces, taille, ligature, rempotage, entretien saisonnier et rituels de vérification contemplative.
Planifier le Cycle de Mise en Production
Créez un plan de déploiement structuré avec des jalons, des règles de gel des fonctionnalités, un processus de RC, une checklist go/no-go et une stratégie de rollback pour expédier vos logiciels en toute sécurité.
Cross-Project Analytics
Query local, privacy-safe cross-project analytics to report on agent, skill, hook, and team performance; replay sessions and estimate token costs.
DSPy — Declarative LM Programming
Use DSPy to build declarative, modular LM pipelines, optimize prompts automatically, and assemble reliable RAG/agent systems with structured signatures and opti
MetricFlow: Interactive Metric Definition
Interactively define MetricFlow metrics from natural-language business descriptions; proposes, validates, and dry-runs metric YAML for semantic modeling.
LLM Evaluation
Evaluation framework and tools for systematically measuring LLM performance using automated metrics, human judgment, and A/B testing.
OpenTelemetry Skill — Observability Engineering Assistant
Expert OpenTelemetry observability skill for designing collectors, pipelines, sampling, cardinality management, security, and production-ready deployment patter
Terradev — Cross‑Cloud GPU Provisioning
Provision and manage GPUs across clouds, create GPU Kubernetes clusters, deploy inference endpoints, and burst local compute to cloud with BYOAPI credential saf
Session Init & Lifecycle
Bootstrap and manage an agent session lifecycle: initialize project context, organize files, generate CLAUDE.md, and continue work without unnecessary narration
Model Deployment (SageMaker & Bedrock)
Generates deployment code and a Jupyter notebook to deploy LoRA fine-tuned Nova or OSS models (from SageMaker Serverless Model Customization) to SageMaker endpo