Прочитайте документацию* Пакет PyPI**

MCP (Model Context Protocol) layer for sktime - Registry-Driven for LLMs

Семантический движок, который предоставляет нативный реестр и семантику в модели большого языка, позволяя им:

• Обнаружение действительных оценок
• son * * Разум * * о возможностях оценки Совместимые оценки ** Исполнить реальные рабочие процессы в ск-тайме на реальных данных

Философия дизайна

MCP — это не просто документация или статический анализ кода. Это семантический движок для использования в программных моделях.

Ключевые принципы

1. sktime as Source of Truth - No AST parsing, no repo indexing, no heuristics. Вся структура исходит из all_estimators, тегов оценки и контрактов API sktime.

2. Реестр-Первый - вместо File → Class → Infer Relationships мы делаем Registry → Semantics → Safe Execution.

3. ** Минимальная MCP-поверхность ** - показывает только то, что нужно LLM: обнаружение, описание, обоснование, исполнение и сохранение модели.

️ Установка

Zero-install via uvx (рекомендуется)

Если у вас установлен uv, отдельный этап установки не требуется.

sktime-mcp

Read the Documentation | PyPI Package

MCP (Model Context Protocol) layer for sktime - Registry-Driven for LLMs

A semantic engine that exposes sktime’s native registry and semantics to Large Language Models, enabling them to:

• 🔍 Discover valid estimators
• 🧠 Reason about estimator capabilities
• 🔗 Compose compatible estimators
• ⚡ Execute real sktime workflows on real data

🎯 Design Philosophy

This MCP is not just documentation or static code analysis. It is a semantic engine for programmatic model usage.

Key Principles

1. sktime as Source of Truth - No AST parsing, no repo indexing, no heuristics. All structure comes from all_estimators, estimator tags, and sktime’s API contracts.

2. Registry-First - Instead of File → Class → Infer Relationships, we do Registry → Semantics → Safe Execution.

3. Minimal MCP Surface - Exposes only what an LLM needs: Discovery, Description, Instantiation, Execution, and model persistence.

🛠️ Installation

Zero-install via uvx (recommended)

If you have uv installed, no separate installation step is needed. Just update your MCP client config (see Connecting from an LLM Client below) and uvx will handle the rest automatically.

# Verify uv is available
uvx sktime-mcp --help

pip

pip install sktime-mcp

# With optional extras (SQL, forecasting models, file formats)
pip install "sktime-mcp[all]"

Development installation

git clone https://github.com/sktime/sktime-mcp
cd sktime-mcp
python3 -m pip install -e ".[dev]"

🐳 Docker

Run without installing anything locally (only Docker required):

# Build the image
docker build -t sktime-mcp .

# Run the MCP server (stdio transport)
docker run -i sktime-mcp

Or use Docker Compose:

docker compose build
docker compose run sktime-mcp

Claude Desktop — use Docker as the MCP server command:

{
  "mcpServers": {
    "sktime": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "sktime-mcp"]
    }
  }
}

Environment variables can be passed at runtime:

docker run -i -e SKTIME_MCP_LOG_LEVEL=DEBUG sktime-mcp

For a more detailed first-time setup flow, including MCP server verification and troubleshooting, see Beginner Setup.

🧭 Beginner Setup (First‑Time Users)

If you are new to sktime‑mcp or to MCP‑based workflows, this section provides a minimal starting point to help you verify that your setup is working correctly.

What is MCP?