2.19.0 (2024-12-11)​

我们很高兴地宣布 MLflow 2.19.0 发布！此次版本包含一系列重要的功能、增强和错误修复。

主要新特性​

• ChatModel 增强 - ChatModel 现在采用 ChatCompletionRequest 和 ChatCompletionResponse 作为其新模式。predict_stream 接口使用 ChatCompletionChunk 来提供真正的流式响应。此外，ChatModel 中的 custom_inputs 和 custom_outputs 字段现在使用 AnyType，支持更广泛的数据类型。注意： 在 MLflow 的未来版本中，ChatParams（以及由此衍生的 ChatCompletionRequest）将移除 n、temperature 和 stream 的默认值。( #13782, #13857, @stevenchen-db)

• 跟踪改进 - MLflow Tracing 现在支持 DSPy、LlamaIndex 和 Langchain 的自动和手动跟踪。跟踪功能也为所有支持的 MLflow 评估版本自动启用。( #13790, #13793, #13795, #13897, @B-Step62)

• 新的跟踪集成 - MLflow Tracing 现在支持 CrewAI 和 Anthropic，提供一站式、全自动的跟踪体验。( #13903, @TomeHirata, #13851, @gabrielfu)

• 模型签名中的 Any Type - MLflow 现在支持模型签名中的 AnyType。它可以用来容纳之前不支持的任何数据类型。( #13766, @serena-ruan)

其他特性

• [Tracking] 添加 update_current_trace API，用于向活动跟踪添加标签。( #13828, @B-Step62)
• [Deployments] 更新 Databricks 部署以支持 AI gateway 和其他更新端点。( #13513, @djliden)
• [Models] 支持在 mlflow.models.predict 中使用 uv。( #13824, @serena-ruan)
• [Models] 添加类型提示支持，包括 pydantic 模型。( #13924, @serena-ruan)
• [Tracking] 添加 trace.search_spans() 方法，用于在跟踪中搜索 span。( #13984, @B-Step62)

错误修复

• [Tracking] 允许在 mlflow 评估 API 中传入 spark connect 数据帧。( #13889, @WeichenXu123)
• [Tracking] 修复 MLflow 运行上下文管理器内的 mlflow.end_run。( #13888, @WeichenXu123)
• [Scoring] 修复远程 spark-connect 客户端或 Databricks Serverless 上的 spark_udf 条件检查。( #13827, @WeichenXu123)
• [Models] 允许更改内置 LLM-as-a-Judge 指标的 max_workers。( #13858, @B-Step62)
• [Models] 支持使用代码日志记录所有 langchain runnables。( #13821, @serena-ruan)
• [Model Registry] 当 DatabricksSDKModelsArtifactRepository.list_artifacts 被调用在文件上时，返回空数组。( #14027, @shichengzhou-db)
• [Tracking] 在 client.log_batch() 中字符串化参数值。( #14015, @B-Step62)
• [Tracking] 移除已弃用的 squared 参数。( #14028, @B-Step62)
• [Tracking] 修复 search_traces 输出中的 request/response 字段。( #13985, @B-Step62)

文档更新

• [Docs] 在跟踪文档中添加 Ollama 和 Instructor 示例。( #13937, @B-Step62)

有关变更的完整列表，请参阅 发布日志，并查看 mlflow.org 上的最新文档。