mlflow-agent

MLflow Agent — официальный skill-диспетчер для задач, связанных с MLflow и GenAI-агентами. Его назначение — не выполнять произвольную работу вместо специализированных инструкций, а разобрать намерение пользователя и направить его в подходящий workflow. В исходном SKILL.md прямо перечислены сценарии трассировки, оценки, отладки и улучшения агента, поэтому карточка подходит для ситуации, когда нужно выбрать правильную ветку MLflow до начала технической работы. Skill срабатывает на запросы о MLflow, добавлении MLflow в проект, трассировке агента, оценке или анализе trace, а также на общий запрос, в котором пока не названа конкретная подзадача. Маршрутизация разделена по намерениям. Трассировка и инструментирование передаются в instrumenting-with-mlflow-tracing; оценка и scoring — в agent-evaluation; отладка отдельного trace — в analyze-mlflow-trace; разбор chat-сессии — в analyze-mlflow-chat-session. Для поиска traces предусмотрен retrieving-mlflow-traces, для метрик и стоимости — querying-mlflow-metrics, для первого знакомства — mlflow-onboarding, для вопросов о документации и API — searching-mlflow-docs. Такая карта полезна тем, что общий entry point не смешивает наблюдаемость, оценку, диагностику и документацию в одну длинную процедуру: сначала определяется вид задачи, затем читается инструкция конкретного подскилла. Исходный workflow ограничивает автоматическую маршрутизацию. Skill должен выбрать подскилл, а не делать его работу самостоятельно; если намерение действительно неясно, допускается один уточняющий вопрос. Когда в запросе одновременно указаны несколько независимых направлений, их следует обрабатывать в логическом порядке: настройка, инструментирование, оценка. Это практическое ограничение важно для результата: наличие MLflow в проекте ещё не означает, что нужно немедленно запускать оценку или менять код трассировки. Сначала нужно сопоставить пользовательскую цель с одной из явно названных веток и только затем открыть соответствующий workflow. Skill удобен как точка входа для coding-agent сценариев вокруг MLflow, но не заменяет сам MLflow, его конфигурацию, SDK, трассировку или интерпретацию результатов оценки. Он также не обещает, что один запрос покроет все этапы GenAI-проекта: при сложном запросе маршруты нужно пройти последовательно и сохранить границы каждой подзадачи. Если конкретный подскилл не был найден, безопаснее остановиться на выборе маршрута и запросить недостающий контекст, чем придумывать команды, параметры или метрики. В карточке поэтому важно различать диспетчеризацию и исполнение: mlflow-agent помогает определить следующий официальный workflow, а фактические изменения выполняются уже по его специализированным инструкциям. Источник также задаёт технический флаг disable-model-invocation: это дополнительный сигнал, что автоматический вызов самого диспетчера должен быть ограничен, а его применение контролируется контекстом агента. Для команды это означает необходимость явно понимать, почему выбран именно этот skill и какой подскилл будет следующим. Проверяемый исходник содержит название mlflow-agent, список триггеров, таблицу маршрутов и правила обработки неоднозначности; описание карточки опирается на эти элементы и не расширяет их обещаниями о конкретной версии MLflow, поддерживаемых хранилищах, цене или производительности.