[NeurIPS 2026]Croissant Baker：直接从文件目录生成机器学习数据集的羊角面包元数据
概览
自动生成机器学习数据集的羊角面包JSON-LD元数据——例如PhysioNet、NeurIPS数据集和基准数据提交，或任何受益于标准化数据集元数据的平台。 或者试试捆绑的MIMIC-IV Demo测试数据： Croissant-Baker 提供本地 MCP 服务器和 Agent Skill。服务器需要可选的 MCP 附加功能： 然后将你的MCP客户端指示给croissant-baker的mcp命令。大多数客户端会接受这样的条目： 服务器只使用stdio，提供三种工具：dry_run、烘焙和验证。它读取本地文件，不发送网络请求。传递绝对路径，因为一个相对路径会根据客户端启动服务器的目录解析。技能包含在包内，地址为 croissant_baker/skills/croissant-baker/SKILL.md，服务器也作为资源croissant-baker@skill提供。 这些格式中的任何一个都可能以 .gz、.bz2 或 .xz 格式包裹——压缩在格式读取前就已解决，因此 cells.parquet。
概述（AI 翻译）
羊角面包师
自动生成机器学习数据集的羊角面包JSON-LD元数据——例如PhysioNet、NeurIPS数据集和基准数据提交，或任何受益于标准化数据集元数据的平台。
📖 文献资料
安装
或者用紫外线：
快速开始
或者试试捆绑的MIMIC-IV Demo测试数据：
与代理人一起使用
Croissant-Baker 提供本地 MCP 服务器，
一个代理技能。服务器需要
可选mcp额外内容：
然后将你的MCP客户端指向croissant-baker mcp命令。大多数客户端
拿这样一个日记：
服务器仅支持stdio，提供三种工具：dry_run、bake 和
validate。它读取本地文件，不发送网络请求。传递绝对
路径，因为一个相对路径是针对客户端启动的目录解析的
服务器在。技能在包裹内的运输
croissant_baker/skills/croissant-baker/SKILL.md，服务器也为其提供服务
作为资源croissant-baker://skill。
支持的格式
| 格式 | 扩展 | 注释 |
|---|---|---|
| CSV / TSV | .csv， .tsv |
自动类型推断流式传输 |
| 拼花 | `. |
本页由 AI 翻译，技术细节请以原文为准。
README
以下为原文 README 节选，完整内容请查看原文。
Croissant Baker
Automatically generate Croissant JSON-LD metadata for ML datasets — e.g. for PhysioNet, NeurIPS Datasets & Benchmarks submissions, or any platform that benefits from standardized dataset metadata.
📖 Documentation
Installation
pip install croissant-baker
or with uv:
uv add croissant-baker
Quick start
croissant-baker \
--input /path/to/dataset \
--creator "Your Name,[email protected]" \
--description "My ML dataset" \
--license "CC-BY-4.0" \
--output my-dataset-croissant.jsonld
Or try with the bundled MIMIC-IV Demo test data:
git clone https://github.com/MIT-LCP/croissant-baker.git && cd croissant-baker
uv sync --group dev
croissant-baker \
--input tests/data/input/mimiciv_demo/physionet.org/files/mimic-iv-demo/ \
--creator "Alistair Johnson,[email protected],https://physionet.org/" \推荐工具
换一个关键词，或者移除筛选条件。
安装
npx skillfish add mit-lcp/croissant-baker