$ loading_
帮助你查看并操作本地 Feast 特征库。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"mcp_feast" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请列出本地 Feast 特征库中的 feature views 和 feature services，并简要说明它们各自用途。
返回特征视图、特征服务及其简要说明。
请根据给定实体解析可用特征，并检查这些特征值是否足够新鲜可用于下游任务。
输出实体对应的特征及新鲜度检查结果。
请解释某个实体的 feature values，说明每个值来自哪里、代表什么。
给出特征值的来源与含义说明。
机器学习工程师在准备训练集或线上推理前，可以先查看可用特征、解析实体并核对新鲜度，减少特征配置错误。也能用解释功能理解某个特征值的含义。
开发者可以快速查看本地 Feast 中的 feature views 和 feature services，确认当前服务暴露了哪些特征。适合联调、排错和理解特征仓库结构。
数据分析师或研究员可以检查特征值是否足够新鲜，判断这些数据能否用于实验分析或下游流程。必要时还可以触发物化以更新特征。
这是一个通过 MCP 接口操作本地 Feast feature store 的工具。它可以列出 feature views 和 feature services，解析实体，检查新鲜度，并解释特征值。
根据描述，它支持查看特征视图和服务、解析实体、检查特征新鲜度、解释特征值，并且可选地推送 swipes 或触发 materialization。
需要能够访问本地 Feast feature store。其他安装、运行时或集成要求未在提供信息中说明，见源码仓库。
通过标准化 MCP 工具调用飞书知识库、文档、表格与即时通讯能力。
提取图像颜色、纹理与形状特征，用于精确比对和质量评估
通过 MCP 读取飞书文档与知识库页面内容及元数据，便于检索整理与分析
将 MCP 服务挂载到 FastAPI，便于 AI 代理运行时检查路由、接口与模式。
通过自然语言读写 Featuredeck 功能请求与路线图，提升产品协作效率。
通过自然语言管理 Tecton 集群、特征库与 CLI 操作