READMEmain

YOLO MCP 训练助手

这是一个基于MCP架构的YOLO训练系统，通过客户端-服务器模式实现了自然语言控制YOLO模型训练的功能。本项目采用消息通信协议(MCP)将原本单机的YOLO训练系统拆分为服务器端和客户端两个独立组件，使用户可以从任何设备远程控制训练过程。客户端通过OpenRouter API解析自然语言指令，将其转换为结构化请求发送给服务器，服务器执行实际训练任务并返回结果。

项目特点

MCP客户端-服务器架构：将用户交互与计算密集型任务分离，实现分布式训练控制
自然语言指令解析：集成OpenRouter API，支持中文自然语言控制训练流程
远程训练控制：可以在笔记本等轻量级设备上控制服务器的训练任务
灵活部署：客户端和服务器可以部署在不同机器上，通过网络通信
实时结果反馈：完整的训练状态和结果返回机制

项目背景与动机

本项目是对原单机版YOLO Agent训练助手的架构升级，解决了以下问题：

资源分离：将高性能计算任务与用户交互界面分离，优化资源使用
远程控制：支持从任何设备远程启动和监控训练过程
多用户支持：为未来支持多用户同时访问训练服务器奠定基础
持续服务：服务端可以持续运行，客户端可以随时连接或断开

项目结构

agent_training_mcp/
├── server.py        # MCP服务器，接收训练请求并执行训练
├── train.py         # 训练模块，负责调用Ultralytics YOLO进行训练
├── main.py          # MCP客户端，处理用户交互、指令解析和请求发送
├── requirements.txt # 项目依赖列表
└── README.md        # 项目说明文档

组件说明

server.py：
- 使用Flask框架创建HTTP服务器
- 提供/train接口接收训练请求
- 调用train.py中的训练函数执行实际训练
- 将训练结果以JSON格式返回给客户端
train.py：
- 封装YOLOv8训练功能为可调用函数
- 处理各种训练参数（模型类型、轮数、数据集等）
- 提供标准化的返回格式，包含训练状态和结果信息
main.py：
- 提供用户交互界面（命令行）
- 通过OpenRouter API解析自然语言指令
- 将解析结果转换为HTTP请求发送给服务器
- 接收并显示服务器返回的训练结果

环境与依赖

服务器端依赖

Python 3.6+
ultralytics：YOLOv8模型训练库
flask：HTTP服务器框架

客户端依赖

Python 3.6+
openai：用于调用OpenRouter API
requests：用于发送HTTP请求

安装依赖

# 服务器端
pip install flask ultralytics

# 客户端
pip install requests openai

使用方法

步骤1：启动服务器

在训练服务器（通常是具有GPU的机器）上运行：

python server.py

服务器将在0.0.0.0:5000端口监听训练请求。

步骤2：配置客户端

在客户端（可以是任何设备）上，修改main.py中的服务器URL：

# 将此行
url = 'http://localhost:5000/train'
# 修改为服务器的IP地址
url = 'http://服务器IP:5000/train'

同时确保设置了OpenRouter API密钥：

# 方法1：设置环境变量
export OPENROUTER_API_KEY=您的API密钥

# 方法2：直接在代码中设置
API_KEY = "您的API密钥"

步骤3：运行客户端

在客户端机器上执行：

python main.py

客户端将显示菜单，您可以选择：

使用自然语言指令训练模型（例如："训练一个yolov8n模型识别猫狗，跑3轮"）
手动指定训练参数
退出程序

实际测试效果

本项目已在以下环境成功测试：

服务器：Windows PC（192.168.1.6）运行server.py和train.py
客户端：笔记本电脑运行main.py，通过WiFi连接到服务器
笔记本成功解析自然语言指令，发送到PC，PC执行训练并返回结果

技术实现详解

MCP架构实现

项目采用了简单而有效的MCP（消息通信协议）实现方式：

通信协议：使用HTTP协议和JSON格式作为基础通信机制
API端点：服务器定义/train端点接收POST请求
消息格式：
- 请求体：{"model_type": "yolov8n", "epochs": 1, "data": "coco128.yaml"}
- 响应体：{"status": "success/error", "message": "描述", "details": "详情"}

自然语言解析

客户端使用OpenRouter API进行自然语言解析：

定义function calling格式，指定训练函数和参数结构
将用户输入发送给LLM，请求其解析为函数调用
解析返回的函数调用参数，转换为HTTP请求参数

错误处理机制

系统实现了多层次的错误处理：

客户端解析错误：当LLM无法解析指令时，使用默认参数
网络通信错误：添加重试机制和超时处理
服务器执行错误：捕获训练过程异常并返回详细错误信息
日志记录：使用logging模块跟踪系统运行状态和错误

与单机版YOLO Agent的区别

特性	单机版YOLO Agent	MCP架构YOLO Agent
架构	单体应用，直接函数调用	客户端-服务器分离，通过HTTP通信
部署	单一设备	可分布在多个设备上
资源使用	用户交互和训练在同一设备	将计算密集型任务放在专用服务器
远程控制	不支持	支持从任何设备远程控制
可扩展性	有限	高（支持多客户端、负载均衡等）
状态保持	必须保持应用运行	服务器可持续运行，客户端可随时连接

未来计划

实时进度反馈：实现训练过程中的实时进度推送（WebSocket/SSE）
多任务队列：支持多个训练任务排队和并发执行
用户认证：添加认证机制，确保只有授权用户可以使用服务
Web界面：开发基于浏览器的用户界面，替代命令行客户端
分布式训练：支持跨多台服务器的分布式训练任务

贡献与许可证

贡献：欢迎通过Issues和Pull Requests参与项目改进
许可证：本项目采用MIT许可证

agent_training_mcp