Zer0Fit - 로컬 도커 MCP로 구글 ML 연구 모델을 활용한 제로샷 예측, 분류 및 회귀
Zer0Fit - Zero-shot predictions, classifications, and regressions using Google ML research models running locally as a dockerized MCP
핵심 요약
구글의 TabFM과 TimesFM 모델을 MCP로 래핑하여 로컬에서 쉽게 ML 작업을 수행할 수 있게 해주는 Zer0Fit 프로젝트 소개.
- Zer0Fit 프로젝트 — 구글의 TabFM 및 TimesFM 모델을 MCP로 래핑하여 로컬에서 실행 가능하게 함
- 제로샷 학습 — 별도의 모델 학습이나 피팅 없이 데이터셋만으로 예측, 분류, 회귀 작업 수행
- MCP 호환성 — Open WebUI 등 MCP를 지원하는 모든 환경에서 쉽게 연결 및 사용 가능
- 최신 업데이트 — 최근 출시된 TabFM 2.5.0 버전을 지원하도록 업데이트됨
AI 대학원생이다. 요즘 Jev에 관심들 많길래, 내가 몇 달 전에 만든 거 하나 공유해 보려고. Jev랑은 좀 다른 방식으로 ML 모델이랑 LLM을 합친 건데, 용도가 좀 달라. https://github.com/porespellar/Zer0Fit
배경 설명: 몇 달 전에 구글 리서치 블로그(https://research.google/blog/introducing-tabfm-a-zero-shot-foundation-model-for-tabular-data/)에 정형 데이터용 제로샷 파운데이션 모델인 TabFM이 올라왔거든. 근데 머신러닝 덕후들 말고는 아무도 신경 안 쓰더라. 솔직히 말해서 TabFM이라는 이름이 딱히 끌리는 이름은 아니긴 했지.
난 개인적으로 TabFM이 개쩔다고 생각했어. 고전적인 머신러닝 모델을 일종의 LLM 형태로 잘 녹여냈거든.
어쨌든, 구글 TabFM(분류 및 회귀용 모델)이랑 구글 TimesFM(예측용 모델)을 쓰기 편하게 Fast API로 감싸고, 이걸 도커라이즈해서 니가 쓰는 LLM에 바로 붙일 수 있는 MCP로 만들었어.
프로젝트 이름은 Zer0Fit이야. 모델 학습이나 피팅 할 필요 없이 바로 제로샷으로 ML 작업 돌리는 거지. 궁금하면 여기 레포 들어가 봐:
https://github.com/porespellar/Zer0Fit
이름 센스 좀 어떠냐? 이거 생각하느라 몇 시간 걸림 :)
설치도 최대한 쉽게 해놨어. 그냥 클론 뜨고 설치 스크립트만 돌리면 끝이야.
기본적인 원리는 이거야. MCP를 니가 쓰는 LLM에 연결하고, 데이터셋(CSV, 탭 구분 데이터, 시계열 데이터)을 던져준 다음에 데이터로 뭘 하고 싶은지 물어보기만 하면 돼. 그럼 알아서 구글 모델 중 뭘 쓸지 결정하고, 문맥에 맞춰서 회귀, 분류, 예측 작업을 돌린 다음에 결과를 LLM한테 다시 뱉어주는 방식이지. 이게 내가 설명할 수 있는 최선이다. 구글 모델이 정확히 뭘 하는지는 구글 블로그 가서 확인해 봐.
