MLflow 2.20.0rc0 是 2.20.0 的发布候选版本。要安装，请运行以下命令

pip install mlflow==2.20.0rc0

主要新特性​

• 💡 基于类型提示的模型签名：以最Pythonic的方式定义模型的签名。MLflow 现在支持根据 PythonModel 的 predict 函数中的类型提示来定义模型签名，并据此验证输入数据负载。( #14182, #14168, #14130, #14100, #14099, @serena-ruan)

• 🧠 Bedrock / Groq 追踪支持：MLflow 追踪现为Amazon Bedrock和Groq LLM 提供一行自动追踪体验。只需在代码中添加 mlflow.bedrock.tracing 或 mlflow.groq.tracing 调用，即可追踪模型内的 LLM 调用。( #14018, @B-Step62, #14006, @anumita0203)

• 🗒️ Jupyter Notebook 中的内联追踪渲染：MLflow 现在支持在您运行模型的笔记本内部渲染追踪 UI。这消除了在笔记本和浏览器之间频繁切换的需要，从而提供无缝的本地模型调试体验。( #13955, @daniellok-db)

• ⚡️ 使用 uv 包管理器实现更快的模型验证：MLflow 已采用 uv，这是一个基于 Rust 的、超快的 Python 包管理器。此版本在 mlflow.models.predict API 中增加了对新包管理器的支持，从而实现了更快的模型环境验证。敬请关注更多更新！( #13824, @serena-ruan)

• 🖥️ 追踪 UI 中的新聊天面板：MLflow 追踪 UI 现在为 LLM 调用显示一个统一的 chat 面板。此更新允许您在跨 LLM 提供商的丰富且一致的 UI 中查看聊天消息和函数调用，还可以检查原始输入和输出负载。( #14211, @TomuHirata)

其他功能：​

• 引入了 ChatAgent 基类，用于定义自定义 Python 代理 ( #13797, @bbqiu)
• 支持 DSPy 追踪中的工具调用 ( #14196, @B-Step62)
• 增加了对 Databricks 资源中调用者权限的支持 ( #14212, @aravind-segu)
• 为 Spark UDF 推理的请求内本地评分服务器应用了超时覆盖 ( #14202, @BenWilson2)
• 支持字典类型作为推理参数 ( #14091, @serena-ruan)
• 使调用 PythonModel 实例的 context 参数可选 ( #14059, @serena-ruan)
• 为 ChatModel 设置了默认任务 ( #14068, @stevenchen-db)

请尝试使用并向问题跟踪器报告任何问题！