帮助用户提交并跟踪 Neo 的 AI/ML 工程任务,获取执行结果与输出文件。
该 MCP 工具来自官方 Registry 且开源、近期有更新,整体未见明确高风险红旗;但其需要敏感密钥并具备执行代码与访问工作区数据的能力,应按需留意最小权限与隔离运行。
材料声明需要 NEO_SECRET_KEY、NEO_ENVIRONMENT、NEO_WORKSPACE_DIR;其中 NEO_SECRET_KEY 属于敏感凭证,若泄露可能被用于未授权调用 Neo 相关能力。其余两个更像配置项,但仍可能暴露环境信息与本地目录布局。
已提供信息中未声明任何远程 host,材料也未明确说明会将用户数据外发到第三方端点;基于现有事实,未见明确网络外传红旗。但由于需要密钥,实际联网行为仍应在部署时用日志或代理核验。
系统检查项明确标注 executes-code,且描述包含“submit tasks, track execution, and retrieve outputs”,说明其具备在本机发起任务/执行代码的常规能力。这属于此类工程型 MCP 的固有风险面,应限制运行账户权限并隔离执行环境。
材料要求 NEO_WORKSPACE_DIR,结合“retrieve outputs”可合理判断其会访问并可能写入工作区内的数据与产物。当前未见其申请超出声明功能的系统级数据权限,但应将可访问范围收敛到专用工作目录,避免接触无关文件。
正面证据包括官方 Registry 来源、开源仓库可审计、近一年内有更新,这些都明显降低了供应链风险;但 README 缺失、许可证未声明、社区采用度很低(0 star),使可验证性与成熟度有限,因此更适合评为需留意而非高风险。
复制安装指令,让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "Neo — AI/ML Engineering" MCP 服务: 执行:claude mcp add io-github-neoairesearch-neo-mcp -- uvx neo-mcp
请通过 Neo 提交一个图像分类模型训练任务,数据集路径为 /datasets/cats-dogs,训练 20 个 epoch,并返回任务 ID、预计耗时和输出保存位置。
返回已创建的训练任务信息,包括任务 ID、状态、预计执行时间和结果存储路径。
帮我查询 Neo 中任务 ID ml-job-4821 的当前状态,显示进度、最近日志,以及是否有失败或重试信息。
返回任务当前进度摘要,附带关键日志片段及异常或重试情况说明。
从 Neo 获取最近一次文本分类推理任务的输出结果,列出生成的文件、下载地址,以及每个文件的用途说明。
返回推理产出清单,包括文件名、访问方式和结果内容说明,便于后续分析或交付。
通过 Neon REST API 让智能体执行数据库连接、查询与自动化操作。