# WarpGBM

MCP-сервер WarpGBM обучает модели градиентного бустинга и запускает инференс прямо через ассистента с экспортом в ONNX или joblib.

- MCP-сервер · `type=mcp` · Claude Code, Codex, Cursor, GitHub Copilot, Windsurf (Devin Desktop), Cline, Zed, Gemini CLI · 678 установок
- Автор: jefferythewind
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://smithery.ai/server/jefferythewind/warpgbm-mcp
- Обновлён: 2025-10-17
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/mcp/warpgbm

## Что делает

MCP-сервер добавляет в среду инструменты для машинного обучения. Через инструмент `upload_data` можно передать файлы CSV или Parquet, которые разбиваются на массивы признаков и целевой переменной. Для обучения через `train` доступны бэкенды warpgbm и lightgbm. Результат выгружается в виде переносимых артефактов `joblib` или `ONNX`.

Полученный идентификатор модели живёт 5 минут, поэтому быстрый инференс через `predict_from_artifact` сразу после обучения нужно запускать без задержек. В набор инструментов также входят руководство с практическими рекомендациями `get_agent_guide` и отправка обратной связи разработчикам через `submit_feedback`.

## Требования
- Удалённый сервер: `https://warpgbm-mcp--jefferythewind.run.tools`

## Установка

### Claude Code (родная платформа)

**Командой платформы: удалённый сервер**
```bash
claude mcp add --transport http warpgbm-mcp https://warpgbm-mcp--jefferythewind.run.tools
```

### Codex

**Командой платформы: удалённый сервер**
```bash
codex mcp add warpgbm --url https://warpgbm-mcp--jefferythewind.run.tools
```

### Cursor

**Файл настроек**
Файл `.cursor/mcp.json`:
```json
{
    "mcpServers": {
        "warpgbm": {
            "url": "https://warpgbm-mcp--jefferythewind.run.tools"
        }
    }
}
```

### GitHub Copilot

**Файл настроек**
Файл `.vscode/mcp.json`:
```json
{
    "servers": {
        "warpgbm": {
            "type": "http",
            "url": "https://warpgbm-mcp--jefferythewind.run.tools"
        }
    }
}
```

### Gemini CLI

**Командой платформы: удалённый сервер**
```bash
gemini mcp add -t http warpgbm https://warpgbm-mcp--jefferythewind.run.tools
```

## Когда брать
- обучить модель градиентного бустинга на бэкенде lightgbm или warpgbm
- загрузить датасет из CSV или Parquet и разобрать на массивы признаков
- экспортировать готовую модель в артефакты ONNX или joblib
- получить быстрый прогноз по идентификатору артефакта

## Примеры запросов агенту
- Загрузи обучающую выборку из `dataset.csv` и подготовь массивы признаков
- Обучи модель с бэкендом lightgbm и верни артефакт в формате ONNX
- Сделай предсказание по свежему `artifact_id` для тестовой строки

## Похожие
- [xgboost-lightgbm](https://affpapa.org/nevibecode/skills/xgboost-lightgbm.md) — скилл · 501 установка
- [lightgbm](https://affpapa.org/nevibecode/rules/lightgbm.md) — правило · ★ 3589 у репозитория
- [signal-classification](https://affpapa.org/nevibecode/skills/signal-classification.md) — скилл · 583 установки
- [nlp-engineer](https://affpapa.org/nevibecode/agents/nlp-engineer.md) — субагент · 927 установок
- [deep-learning](https://affpapa.org/nevibecode/skills/pluginagentmarketplace-deep-learning.md) — скилл · 813 установок
- [vector-embed](https://affpapa.org/nevibecode/skills/vector-embed.md) — скилл · 732 установки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
