$ loading_
监控生产环境机器学习模型漂移与性能下降，并提供告警和重训练建议。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"MCP ML Monitor" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请持续监控线上推荐模型的输入特征分布、预测结果分布和准确率变化；一旦检测到数据漂移或性能下降，输出告警摘要、影响范围和可能原因。
一份模型监控报告，包含漂移检测结果、性能异常告警和原因分析。
基于过去30天的模型表现、误差变化和新数据分布，评估当前欺诈检测模型是否需要重训练，并给出建议的触发条件、数据窗口和优先级。
一份重训练建议清单，说明是否应重训、何时重训以及依据。
为生产环境中的需求预测模型配置自动告警规则：当关键特征漂移超过阈值、MAPE 连续3天恶化或预测延迟异常时，立即通知团队并附带排查建议。
可执行的告警配置方案，包含触发条件、通知内容和排查建议。
监控 MCP 服务生态健康状态，提供实时检查、漂移检测与级联影响分析。
帮助团队追踪 AI 调用指标、成本与日志，分析使用模式并排查交互问题
筛选并提供 Kubernetes 告警事件，帮助 AI 快速诊断集群故障。
帮助用户跨本地与远程多台机器监控状态、管理进程并执行运维诊断。
监控系统资源、进程与日志，辅助服务器诊断排障和运行状态分析。
监控 MCP 服务器跨会话工具调用链，识别异常攻击与欺诈性行为模式。