--- title: "Model Registry" slug: "ai-mlxp-pmodelregistry" updated: 2026-09-17T09:07:14Z published: 2026-09-17T09:07:14Z canonical: "guide.ncloud-docs.com/ai-mlxp-pmodelregistry" stale: true --- > ## Documentation Index > Fetch the complete documentation index at: https://guide.ncloud-docs.com/llms.txt > Use this file to discover all available pages before exploring further. # Model Registry VPC 환경에서 이용 가능합니다. Model Registry 화면 구성에 대해 설명합니다. Model Registry에서는 사용자가 학습 과정에서 생성한 중간 결과물로서의 모델과 최종 모델에 대한 메타 정보를 조회할 수 있습니다. 참고 Model Registry에서 제공하는 기능은 ML expert Platform에서 제공하는 CLI, SDK를 통해서도 동일하게 이용 가능합니다. ## Model Registry Model Registry 화면의 기본적인 설명은 다음과 같습니다. ![mlxp_console_modelregistry01_ko](https://cdn.document360.io/6998976f-9d95-4df8-b847-d375892b92c2/Images/Documentation/mlxp_console_modelregistry01_ko.PNG?sv=2026-02-06&spr=https&st=2026-10-31T19%3A55%3A24Z&se=2026-10-31T20%3A55%3A24Z&sr=c&sp=r&sig=%2FMSLxmkmv1zUO0m4EJFvzQKIkUA8WMKK9DXAvqW8M5Y%3D) | 영역 | 설명 | | --- | --- | | ① 메뉴 이름 | 현재 확인 중인 메뉴 이름 | | ② 기본 기능 | 모델 메타 정보 생성, 모델 메타 정보 삭제 | | ③ 모델 목록 | 저장된 모델 목록 및 정보 확인 | ## Model Registry 목록 조회 사용자가 저장한 모델 목록의 정보는 다음과 같습니다. - **Name**: 최초 생성시 설정한 Volume 이름 - **Tags**: 버전을 관리할 수 있는 태그 정보 - **Created At**: 최초 생성 일시 ## 모델 생성 모델의 신규 메타 정보를 생성하는 방법은 다음과 같습니다. 1. **[Create]** 버튼을 클릭해 주십시오. 2. 모델 신규 메타 정보 생성 화면이 나타나면 모델 이름을 입력해 주십시오. - 영소문자, 숫자, 붙임표(-)를 사용하여 3~64자를 입력 - 첫 글자는 영문자, 마지막 글자는 영문자 또는 숫자 - 중복 사용 불가능 3. Summary를 입력해 주십시오. - 영문자, 숫자, 붙임표(-)를 사용하여 100자까지 입력 가능 4. Description을 입력해 주십시오. 5. Tag 정보를 입력해 주십시오. - 최대 10개 입력 가능 6. Label 정보를 입력해 주십시오. - 최대 100개 입력 가능 7. **[Create]** 버튼을 클릭해 주십시오. ## 모델 삭제 모델의 메타 정보를 삭제할 수 있습니다. 1. 삭제할 모델을 선택한 다음 **[Delete]** 버튼을 클릭해 주십시오. 2. **모델 삭제** 팝업 창이 나타나면 삭제할 모델의 이름을 입력한 다음 **[삭제]** 버튼을 클릭해 주십시오. 3. 모델 목록에서 선택한 모델이 삭제된 것을 확인해 주십시오. ## 모델 상세정보 조회 선택한 모델의 상세정보를 조회할 수 있습니다. 각 정보는 탭으로 나눠져 있습니다. ### Description 선택한 모델의 상세정보는 다음과 같습니다. - **Tags**: 모델의 버전을 관리할 수 있는 Tag 정보 - **Labels**: Key:Value 구조로 된 모델 Label 정보 - **Description**: 모델 메타 정보 생성시 작성한 설명 ### Versions and Files 선택한 모델의 메타 정보를 조회할 수 있습니다. - **Version**: 모델 버전정보 - **Size**: 모델 사이즈 - **Download**: 모델 다운로드 횟수 - **Tags/Labels**: 모델에 설정한 Tag 및 Label 정보 - **Updated at**: 최근 수정일 ### Settings 선택한 모델의 Description 정보를 수정할 수 있습니다. - **Tags**: 모델의 버전을 관리할 수 있는 Tag 정보 - **Labels**: Key:Value 구조로 된 모델 Label 정보 - **Description**: 모델 메타 정보 생성시 작성한 설명 ## Model Registry CLI 사용 Model Registry CLI는 커맨드라인에서 모델 관리를 위한 도구를 제공합니다. ### CLI 설치 CLI 설치는 다음과 같은 명령어를 통해 설치가 가능합니다. ``` pip install "ncloud-mlx[model-registry]" # double quotes are required ``` ### CLI 설정 CLI 사용을 위해서는 `Model` 권한이 있는 API Key가 필요합니다. Project의 모델에는 Project API Key를, Workspace의 모델에는 Workspace API Key를 사용합니다. 모델 조회·다운로드에는 reader, 모델·버전 생성과 파일 업로드·삭제에는 writer 권한이 필요합니다. API Key를 발급하는 방법은 [API Key 관리](/docs/ai-mlxp-apikey)를 참조해 주십시오. #### 방법 1: 환경변수 설정 다음과 같이 환경변수를 설정할 수 있습니다: ``` export MLX_ENDPOINT_URL="https://your-mlx-endpoint" export MLX_APIKEY="your-api-key" export MLX_PROJECT="your-project-name" ``` #### 방법 2: mlx configure 사용 (권장) 다음 명령어를 실행하여 설정을 입력합니다: ``` $ mlx configure Endpoint: https://... # 사용하는 mlx endpoint. 예시) https://clustername.mlxp.ncloud.com Workspace name: xxxx # 사용할 Workspace Project name: xxxx # 사용할 Project API Key: xxxx # 발급받은 API key ``` ### CLI 기본 사용법 #### 모델 생성 ``` mlx model-registry create model {model_name} ``` #### 버전 생성 ``` mlx model-registry create version {model_name} {version} ``` #### 모델 업로드 ``` mlx model-registry upload {model_name} {version} ./local_path ``` #### 모델 다운로드 ``` mlx model-registry download {model_name} {version} ./output_path ``` #### 기타 명령어 ``` # 모델 정보 조회 mlx model-registry get {model_name} # 버전 정보 조회 mlx model-registry get {model_name} {version} # 모델 업데이트 mlx model-registry update model {model_name} # 버전 업데이트 mlx model-registry update version {model_name} {version} # 모델 삭제 mlx model-registry delete {model_name} # 파일 삭제 mlx model-registry delete {model_name} {version} {file_path} # 도움말 mlx model-registry --help ``` 참고 각 명령어에 대한 자세한 옵션과 사용법은 `--help` 옵션을 사용하여 확인할 수 있습니다. 예시: `mlx model-registry upload --help`, `mlx model-registry download --help` ## Model Registry SDK 사용 Model Registry SDK는 Python 기반의 SDK를 제공하고 있습니다. SDK를 통해 모델 파라미터를 업로드/다운로드하는 방법은 다음과 같습니다. ### SDK 설치 SDK 설치는 다음과 같은 명령어를 통해 설치가 가능합니다. ``` # cli 와 동일한 패키지 이므로, cli 설치 후 사용 가능합니다. pip install "ncloud-mlx[model-registry]" # double quotes are required ``` ### 사용준비 SDK 사용을 위해서는 `Model` 권한이 있는 API Key가 필요합니다. 필요한 API Key의 종류와 권한은 [CLI 설정](/docs/ai-mlxp-pmodelregistry#CLI%EC%84%A4%EC%A0%95)과 [API Key 관리](/docs/ai-mlxp-apikey)를 참조해 주십시오. #### 방법 1: 직접 입력 생성된 API Key를 직접 입력하여 사용할 수 있습니다. ``` import os from mlx.sdk.model_registry import ModelRegistryAPI mlxp_endpoint = "{ Model Registry URL }" mlxp_apikey = "{ API Key }" mlxp_project = "{ Project 명 }" client = ModelRegistryAPI(mlxp_endpoint, mlxp_apikey) ``` #### 방법 2: 환경변수 설정 다음과 같이 환경변수를 설정할 수 있습니다. ``` export MLX_ENDPOINT_URL="https://your-mlx-endpoint" export MLX_APIKEY="your-api-key" export MLX_PROJECT="your-project-name" ``` 환경변수 설정 후 SDK에서 다음과 같이 사용할 수 있습니다. ``` from mlx.sdk.model_registry import ModelRegistryAPI import os mlxp_endpoint = os.getenv("MLX_ENDPOINT_URL") mlxp_apikey = os.getenv("MLX_APIKEY") mlxp_project = os.getenv("MLX_PROJECT") client = ModelRegistryAPI(mlxp_endpoint, mlxp_apikey) ``` #### 방법 3: mlx configure 사용 (권장) 다음 명령어를 실행하여 설정을 입력합니다. ``` $ mlx configure Endpoint: https://... # 사용하는 mlx endpoint. 예시) https://clustername.mlxp.ncloud.com Workspace name: xxxx # 사용할 Workspace Project name: xxxx # 사용할 Project API Key: xxxx # 발급받은 API key ``` 설정 완료 후 SDK에서 다음과 같이 사용할 수 있습니다. ``` from mlx.sdk.core import config from mlx.sdk.model_registry import ModelRegistryAPI # config 파일에서 자동으로 설정 불러오기 # (환경변수가 설정되어 있으면, 자동으로 환경변수로 설정된 값으로 override 됩니다.) mlxp_endpoint = config.ConfigFile().endpoint_url mlxp_apikey = config.ConfigFile().apikey mlxp_project = config.ConfigFile().project client = ModelRegistryAPI(mlxp_endpoint, mlxp_apikey) ``` ### 모델 레지스트리 생성 SDK 에서 모델 파라미터를 업로드/다운로드를 하기 위해서는 모델 레지스트리가 생성되어 있어야합니다. #### 모델 생성 SDK를 사용하여 모델을 생성하는 방법은 다음과 같습니다. ``` from mlx.sdk.model_registry import ModelRegistryAPI from mlx.api.model_registry import ModelRequest # 클라이언트 초기화 (앞서 설정한 방법 중 하나 사용) client = ModelRegistryAPI(mlxp_endpoint, mlxp_apikey) # 모델 생성 요청 model_request = ModelRequest(name="my_model") model = client.model_api.create(mlxp_project, model_request) print(f"모델 생성 완료: {model.name}") ``` #### 모델 버전 생성 생성된 모델에 버전을 추가하는 방법은 다음과 같습니다. ``` from mlx.api.model_registry import VersionRequest # 버전 생성 요청 version_request = VersionRequest(version="v1.0") version = client.model_version_api.create(mlxp_project, "my_model", version_request) print(f"모델 버전 생성 완료: {version_request.version}") ``` ### 모델 파라미터 업로드 모델 파라미터 업로드 하는 방법은 다음과 같습니다. ``` # 모델 파라미터 업로드 진행 현황 및 완료 Callback 작성 def progress_callback(progress_size: int, total_size: int): print(f"업로드 진행률: {progress_size}/{total_size} bytes") def completion_callback(file_path: str, size: int): print(f"업로드 완료: {file_path} ({size} bytes)") # 파일 업로드 실행 client.file_api.upload_sync( project_name=mlxp_project, model_name="my_model", version_name="v1.0", local_path="/path/to/local/files", remote_path="/", # Optional parameters: excludes=[], # 제외하고자할 파일 목록 overwrite=True, # 파일이 존재할 경우, 덮어쓰기 여부 parallel=1, # 병렬 처리 워커 수 progress_callback_func=progress_callback, file_complete_callback_func=completion_callback, ) ``` ### 모델 파라미터 다운로드 모델 파라미터 다운로드 하는 방법은 다음과 같습니다. ``` # 모델 파라미터 다운로드 진행 현황 및 완료 Callback 작성 def progress_callback(progress_size: int, total_size: int): print(f"다운로드 진행률: {progress_size}/{total_size} bytes") def completion_callback(file_path: str, size: int): print(f"다운로드 완료: {file_path} ({size} bytes)") # 파일 다운로드 실행 client.file_api.download_sync( project_name=mlxp_project, model_name="my_model", version_name="v1.0", remote_path="/", local_path="/path/to/download", # Optional parameters: overwrite=True, # 파일이 존재할 경우, 덮어쓰기 여부 parallel=1, # 병렬 처리 워커 수 progress_callback_func=progress_callback, file_complete_callback_func=completion_callback, ) ```