$ loading_
用于检测机器学习漂移、比对 MLflow 注册表并支持受 HMAC 保护的模型回滚
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 "Mendrift" MCP 服务： 执行：claude mcp add 'io-github-suneel190700-mendrift-mcp' -- npx -y mendrift-mcp
请用 Mendrift 检测当前线上模型的漂移情况，并总结可能异常的指标。
返回漂移检测结果，并指出可能出现偏移的指标或数据变化。
请比较两个 MLflow 模型注册版本的差异，列出关键变化点。
输出两个注册版本之间的差异摘要，便于审查模型变更。
请在通过 HMAC 校验后执行模型回滚，并说明回滚目标版本。
输出回滚执行结果，并说明该操作受 HMAC 保护控制。
运维或机器学习工程团队可在模型上线后使用它检测漂移，及时发现数据分布或表现变化。这样有助于更快定位线上模型异常。
当团队在 MLflow 中迭代模型版本时，可用它比对注册表差异，辅助发布前审查。这样能更清楚地看到版本之间的关键变化。
如果新模型上线后出现异常，可通过受 HMAC 保护的流程执行回滚。它适合对回滚权限和操作安全性有要求的环境。
根据描述，它是一个 MCP server，用于机器学习漂移检测、MLflow 注册表差异比对，以及受 HMAC 保护的模型回滚。
描述中明确提到 MLflow registry diffing，因此至少相关能力涉及 MLflow 注册表。更具体的依赖和配置方式见源码仓库。
描述中提到模型回滚受 HMAC 保护，这意味着相关回滚流程需要 HMAC 校验机制。具体密钥管理和校验方式见源码仓库。
监控生产环境机器学习模型漂移、性能下降并提供告警与重训建议
将 Django REST Framework 接口自动暴露为安全的 MCP 工具供 AI 调用。
为代码库提供智能理解，识别规范并跨会话记忆开发决策
以对话方式审计项目组合与 GitHub 状态，快速发现漂移与异常。
让 AI 助手通过 MCP 管理大模型推理、后端配置与显存监控。
通过 MCP 协议让 AI 高效分析磁盘镜像并辅助取证排查。