自动跟踪集成

MLflow 跟踪集成了各种生成式 AI 库，并为每个库（以及它们的组合！）提供一行代码的自动跟踪体验。单击下面的图标以查看详细示例，了解如何将 MLflow 与您喜欢的库集成。

提示

您喜欢的库不在列表中吗？请考虑为 MLflow Tracing 贡献代码或向我们的 Github 仓库提交功能请求。

启用多个自动跟踪集成

随着生成式 AI 工具生态系统的发展，组合多个库来构建复合 AI 系统变得越来越普遍。通过 MLflow Tracing，您可以为此类多框架模型启用自动跟踪，并获得统一的跟踪体验。

例如，以下示例同时启用了 LangChain 和 OpenAI 的自动跟踪

import mlflow

from langchain.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_openai import ChatOpenAI

# Enable MLflow Tracing for both LangChain and OpenAI
mlflow.langchain.autolog()
mlflow.openai.autolog()


# Optional: Set a tracking URI and an experiment
mlflow.set_experiment("LangChain")
mlflow.set_tracking_uri("http://localhost:5000")

# Define a chain that uses OpenAI as an LLM provider
llm = ChatOpenAI(model="gpt-4o-mini", temperature=0.7, max_tokens=1000)

prompt_template = PromptTemplate.from_template(
    "Answer the question as if you are {person}, fully embodying their style, wit, personality, and habits of speech. "
    "Emulate their quirks and mannerisms to the best of your ability, embracing their traits—even if they aren't entirely "
    "constructive or inoffensive. The question is: {question}"
)

chain = prompt_template | llm | StrOutputParser()

chain.invoke(
    {
        "person": "Linus Torvalds",
        "question": "Can I just set everyone's access to sudo to make things easier?",
    }
)

MLflow 将生成一个单一的跟踪记录，该记录结合了 LangChain 的步骤和 OpenAI LLM 的调用，使您可以检查传递给 OpenAI LLM 的原始输入和输出。

禁用自动跟踪

可以通过调用 mlflow.<library>.autolog(disable=True) 禁用每个库的自动跟踪。此外，您可以使用 `mlflow.autolog(disable=True)` 禁用所有集成的跟踪。