MLflow 2.x 版本演进全解析：从 2.0 到 2.22 的 GenAI、Tracing 与 MLOps 能力跃迁

MLflow 2.x 版本演进全解析从 2.0 到 2.22 的 GenAI、Tracing 与 MLOps 能力跃迁【免费下载链接】mlflowThe open source AI engineering platform for agents, LLMs, and ML models. MLflow enables teams of all sizes to debug, evaluate, monitor, and optimize production-quality AI applications while controlling costs and managing access to models and data.项目地址: https://gitcode.com/GitHub_Trending/ml/mlflowMLflow 2.x 系列是 MLflow 从经典 MLOps 平台向面向 Agent、LLM 与生产级 AI 应用的可观测与治理平台转型的关键阶段。本文以官方发布日志 changelogs/v2.x.md 为骨架系统梳理 2.0.1 至 2.22.1 期间每个版本的核心特性、破坏性变更与安全修复并结合当前仓库源码mlflow/tracing、mlflow/models、mlflow/gateway、mlflow/evaluation、mlflow/deployments、mlflow/dspy 等验证这些能力的落地点帮助你快速判断各版本的升级价值、规划迁移路径并理解 MLflow 现役 API 的演进脉络。读完本文你将掌握 2.x 期间三大主线——MLflow Tracing、GenAI 模型接口ChatModel/DSPy/LangChain与部署/网关服务——各自从无到有的完整时间线及对应源码位置。1. 版本总览与阅读地图MLflow 2.x 版本跨度约两年半2022 年 11 月至 2025 年 6 月当前仓库主版本已演进到 mlflow/version.py 中的3.16.1.dev02.x 的多数能力已成为现役核心功能。下表按时间线汇总主要版本及其定位版本发布时间定位与代表特性2.0.12022-11-142.x 起点大量 1.x API 破坏性变更、MLflow Recipes、评分 REST API 重构2.1.02022-12-21多分类 Recipes、Model Registry FileStore、MLmodelmetadata字段2.2.x2023-02~03Recipes 评分校准与标签编码、PyTorch 原生 autologging、注册模型安全加固2.3.x2023-04~05新增transformers/openai/langchain三大命名 flavor、HTTP Basic Auth2.4.x2023-06~07数据集追踪 API、log_table/load_table、LLM 任务评估、AI Gateway 起步2.5.02023-07-17AI Gateway 正式发布、Tracking/Model Registry 认证授权2.6.02023-08-15PyFunc 推理额外参数、LangChain retriever 模型2.7.x2023-09Prompt Engineering UI、MosaicML 提供商、Tracking Server 认证插件2.8.x2023-10~11LLM 评估扩展、AI Gateway 新增 4 家提供商、异步日志2.9.x2023-12安全补丁批次、AI Gateway 迁移至 Deployments API、copy_model_version2.10.x2024-01~02Signature 支持 Object/Array、LangChain autologging、Deployments 流式与限流2.11.x2024-03Deep Learning UI 重构、PEFT 支持、ChatModel 接口、Keras 3、checkpointing2.12.x2024-04~05PromptFlow flavor、code_paths统一、predict_stream、Unity Catalog 元数据共享2.13.x2024-05~06流式 Python 模型、代码依赖推断、Deployments OpenAI 兼容标准化2.14.x2024-06~07MLflow Tracing 正式发布、Unity Catalog 集成、OpenAI Autologging2.15.x2024-07~08LlamaIndex flavor、OpenAI Tracing、模型部署前校验、自定义指标定义记录2.16.x2024-08~09LangGraph 支持、AutoGen Tracing、AI Gateway 插件体系、UC 开源版注册表2.17.x2024-09~10ChatModel 工具调用、可调用 GenAI 评估指标、AI Gateway 撤销弃用2.18.02024-11-18最低 Python 3.9、DSPy flavor、Fluent API 线程/多进程安全、LLM-as-a-Judge 扩容2.19.02024-12-11ChatModel 统一为 ChatCompletion 模式、CrewAI/Anthropic Tracing、AnyType2.20.x2025-01类型提示签名、Bedrock/Groq 一键 Tracing、Jupyter 内联 Trace UI、uv 校验2.21.x2025-03文档站重构、Prompt Registry、FastAPI 评分服务器、增强 Tracing2.22.x2025-04~06OpenAI Responses API Tracing、get_last_active_trace、Gemini Embeddings、ADLS 制品仓库2. 2.x 起点2.0.1 的破坏性变更与迁移要点2.0.1 是进入 2.x 时代的里程碑版本官方发布日志明确列出大量相对 1.x API 的破坏性变更。对仍在维护老代码的团队这部分是升级前必读的迁移清单Python 版本下限提升放弃 Python 3.7要求Python 3.8到 2.18.0 进一步要求Python 3.9。Recipes 取代 Pipelinesmlflow.pipelinesAPI 全部替换为mlflow.recipes。默认环境管理器改为 virtualenv模型推理与 Projects 执行的默认环境管理从conda变为virtualenvCLI 的--no-conda参数替换为--env-managerlocal。评分 REST API 重构移除通过Content-Type头定义输入格式的方式改用dataframe_split、dataframe_records等格式指示符并支持多输出字段。API 清理移除实验/模型/运行的旧式listAPI、MlflowClient.download_artifacts、mlflow.sklearn.eval_and_log_metrics、mlflow.azureml模块Keras 模型日志 API 移入mlflow.tensorflowflavor 并放弃 TensorFlow Estimators。服务行为变化mlflow server默认以--serve-artifacts模式运行MLFLOW_EXPERIMENT_NAME环境变量在创建实验时总是生效。这一版本的 Recipes 重构奠定了 mlflow/recipes 模块在 2.x 前期的地位评分 API 的格式指示符设计也延续至今体现在 mlflow/models/model.py 与评分服务相关实现中。3. 经典 MLOps 能力的持续增强2.1 ~ 2.82.x 前中期在经典 MLOps 领域持续补强以下能力贯穿 2.1 至 2.8模型注册表2.1.0 引入 Model Registry 的 FileStore 支持源码见 mlflow/store/model_registry/file_store.py与mlflow.search_registered_models()fluent API2.8.0 加入copy_model_version客户端 API 用于跨注册模型复制模型版本并扩展参数长度上限500 → 6000。模型 flavor 家族成型2.3.0 一次性新增transformers、openai、langchain三个命名 flavor2.4.0 新增sentence_transformers与johnsnowlabs2.4.1 为 transformers 增加max_shard_size参数与音频转写/分类 Pipeline 支持。数据集追踪2.4.0 引入mlflow.data与mlflow.log_input()数据集追踪 API以及mlflow.log_table()/mlflow.load_table()评估表格日志 API2.11.0 支持不加载到内存直接记录数据集。评估能力扩展2.4.0 将mlflow.evaluate()扩展支持 LLM 任务2.8.0 提供默认 LLM 评估指标、支持评估检索器Retriever模型与单参数函数。Recipes 打磨2.2.0 加入分类评分校准、自动标签编码、自定义数据切分与可配置 Run 名前缀。这些能力在现役代码中的对应实现分别位于 mlflow/models/evaluation评估、mlflow/data数据集、mlflow/store/model_registry注册表等目录。4. AI Gateway 与 Deployments 服务的演进主线2.5 ~ 2.174.1 AI Gateway 发布与提供商生态2.5.0 正式发布MLflow AI Gateway目标是统一组织内各种 LLM 提供商OpenAI、Anthropic 等的使用提供标准化接口与集中式凭据管理。后续版本持续扩充2.8.0新增 AWS Bedrock、HuggingFace TGI、Google PaLM 2、AI21 Labs 四家提供商。2.7.0新增 MosaicML 提供商并发布集成在 Gateway 中的Prompt Engineering UI。2.6.0支持将 MLflow 模型服务路由到 AI Gateway。当前仓库中的实现集中在 mlflow/gateway 目录其中 mlflow/gateway/providers 存放各提供商适配器mlflow/gateway/config.py 负责 Gateway 配置解析与校验mlflow/gateway/cli.py 提供启动与路由管理命令。4.2 弃用、撤销弃用与 OpenAI 兼容标准化2.9.0 迁移AI Gateway 被迁移到 MLflow Deployments APImlflow.deployments官方文档提供了迁移指南。2.17.0 撤销弃用官方重新考虑后将命名与命名空间回退为原始配置AI Gateway 不再处于弃用状态。2.13.0 标准化Deployments Server 端点输出对齐 OpenAI 接口简化与常用服务的集成mlflow.deployments.openaiAPI2.9.2 加入可直接通过 Deployments API 访问 OpenAI 服务。2.10.0 流式与限流Deployments Server 支持 OpenAI 兼容的流式响应并支持按端点设置限流rate limits以控制 SaaS 模型成本超支。2.16.0 插件体系引入 AI Gateway 插件提供商系统开发者可以定义自研提供商接口并安装为可安装的 provider 定义将 Gateway 连接到任意 GenAI 服务——相关入口见 mlflow/deployments/plugin_manager.py 与 mlflow/gateway/provider_registry.py。此外 2.16.0 支持开源版 Unity Catalog 作为 Model Registry 服务mlflow/store/model_registry 相关 RestStore 实现2.16.1 支持 AWS KMS 加密。5. Tracing贯穿 2.14 ~ 2.22 的绝对主线MLflow Tracing 是 2.x 中后期最核心的能力从 2.14.0 正式发布到 2.22.x 持续演进现役实现位于 mlflow/tracing 目录包含 mlflow/tracing/fluent.py 的高层 fluent API、mlflow/tracing/client.py 的客户端 API、mlflow/tracing/otel 的 OpenTelemetry 桥接与 mlflow/tracing/export 的导出器。5.1 2.14.0Tracing 正式落地提供可检查 GenAI 应用处理请求时中间输出的能力便于监控、分析与调试。内置自动 LangChain 集成同时提供高层 fluent API 与低层 client API。Deployments Server 集成 Unity Catalog可将注册函数作为工具增强 Chat 应用。新增 OpenAI Autologging调用 OpenAI API 时自动记录输入输出为制品。5.2 2.15 ~ 2.16集成面快速铺开2.15.0OpenAI 集成支持一键mlflow.openai.autolog()自动记录 token 用量与交互历史。2.16.0支持 Microsoft AutoGen 多轮 Agent 应用的全自动追踪mlflow.autogen.autolog()支持 LangGraph 的 tracing 与 models-from-code 日志mlflow.trace装饰器支持异步降低 tracing 延迟开销。5.3 2.17 ~ 2.19标准化与更多框架2.17.0统一检索器 span 输出为 MLflowDocument列表。2.18.0DSPy、LiteLLM、Google Gemini 支持一键自动追踪对应 mlflow/dspy/autolog.py 与 mlflow/litellmfluent API 实现线程与多进程安全。2.19.0新增 CrewAI 与 Anthropic 追踪DSPy、LlamaIndex、LangChain flavor 均支持自动与手动追踪评估时自动启用 tracing新增update_current_traceAPI 与trace.search_spans()方法。5.4 2.20 ~ 2.22一键体验与生产化2.20.0Amazon Bedrock 与 Groq 支持一行自动追踪mlflow.bedrock.tracing/mlflow.groq.tracingTrace UI 新增统一 Chat 面板支持在 Jupyter Notebook 内联渲染 Trace UI。2.21.0支持同步/异步生成器支持 Async OpenAI 自动追踪。2.22.0支持 OpenAI Responses API 追踪引入get_last_active_trace影响模型 serving/monitoring 逻辑Databricks traces 默认异步导出2.22.1 优化include_spansFalse时 span 拉取的线程开销。6. GenAI 模型接口ChatModel、DSPy 与 Type Hint 签名6.1 ChatModel 接口的诞生与规范化2.11.0为 GenAI 工作负载新增ChatModel接口不再要求 Pandas DataFrame 输入统一与各类 LLM 提供商的交互体验。2.17.0原生支持工具调用tool calling满足自定义 Agent 的创建需求所有数据结构新增from_dict()增加metadata字段支持完整输入负载定制处理refusal响应类型。2.18.0公布 ChatModel 接口的阶段性破坏性变更预告——ChatRequest→ChatCompletionRequest、ChatResponse→ChatCompletionResponse、metadata→custom_inputs/custom_outputs、predict_stream未来返回ChatCompletionChunk生成器。2.19.0上述模式正式落地predict_stream使用ChatCompletionChunk实现真正流式custom_inputs/custom_outputs改用AnyType并预告未来移除ChatParams中n、temperature、stream的默认值。相关数据结构实现可查阅 mlflow/models/rag_signatures.py统一后的 ChatCompletion 模式也体现在 mlflow/models 模块的 GenAI 相关实现中。6.2 流式预测与代码依赖推断2.12 ~ 2.132.12.1/2.12.2为 LangChain 模型与自定义 pyfunc 模型引入predict_streamAPI 实现流式输出统一并标准化各 flavor 的code_paths参数code_path作为别名弃用。2.13.0predict_stream正式面向 Python 模型开放新增infer_model_code_paths选项自动推断模型实现依赖的代码模块补充code_paths参数确保模型可隔离加载与部署——相关示例见 examples/pyfunc/infer_model_code_paths.py。2.13.0Deployments Server 输出统一为 OpenAI 兼容接口并新增 TogetherAI 提供商。6.3 DSPy 与类型提示签名2.18 ~ 2.202.18.0新增DSPy flavor支持 DSPy 模型的记录、加载与追踪实现位于 mlflow/dspy含 mlflow/dspy/save.py、mlflow/dspy/load.py、mlflow/dspy/autolog.py 与 mlflow/dspy/callback.py。2.19.0模型签名支持AnyType可承载此前不受支持的任意数据类型。2.20.0支持基于PythonModel.predict函数类型提示定义模型签名并校验输入负载是最 Pythonic 的签名定义方式同时支持 Pydantic 模型类型提示2.19.0。6.4 LlamaIndex、LangGraph 与更多 flavor2.15 ~ 2.172.15.0新增原生 LlamaIndex flavor可记录索引并用于不同引擎类型的推理任务。2.16.0LangChain 集成扩展支持 LangGraph Agent 框架支持 models-from-code 日志与追踪LlamaIndex 支持 engine 直接保存与外部向量库。2.17.1支持 LlamaIndexWorkflows对象序列化、ChatModel 工具调用。7. 评估体系的 GenAI 化LLM-as-a-Judge 与自定义指标2.8.0提供默认 LLM 评估指标支持评估检索器模型与推理数据集。2.15.0自动记录并版本化自定义指标定义含作为 Judge 的模型与提示词模板保证评估跨 Run 可复现mlflow.evaluate的校验能力用于部署前检查输入输出处理。2.17.0GenAI 评估指标改为**可调用callable**形式可直接用于支持 callable 指标的其他包并简化原型调试。2.18.0LLM-as-a-Judge 支持 Anthropic、Bedrock、Mistral、TogetherAI 等更多提供商并可通过proxy_url与extra_headers配置代理端点或自托管 LLM支持更改内置 Judge 指标的max_workers。2.20.0mlflow.evaluate支持在评估中记录 DSPy 结果表2.12.2 支持覆盖mlflow.evaluate的整体判断提示词。现役实现集中在 mlflow/evaluation 与 mlflow/models/evaluation评估相关示例见 examples/evaluation。8. 认证、安全与大规模部署加固2.3 ~ 2.228.1 认证与授权2.3.0/2.3.2Tracking Server 支持 HTTP Basic Auth后续扩展用户、注册模型与实验的权限管理。2.5.0正式发布 Tracking 与 Model Registry 的认证授权支持。2.7.0支持 Tracking Server 认证插件体系。2.8.0调整用户创建行为仅管理员可创建新用户。2.22.0强制密码校验最少 8 个字符。8.2 关键安全修复时间线2.x 期间公开修复了多类安全漏洞部署mlflow server/mlflow ui的团队尤其需要关注以下批次版本修复内容2.3.1修复注册模型源相对路径导致的 LFI 攻击官方强烈建议立即升级2.4.1 / 2.5.0增强 LFI 攻击防御含 Windows 路径校验2.9.0三个安全补丁并签发 CVEHttpArtifactRepository.list_artifacts路径清理、Content-Disposition文件名清理、Content-Type头校验防 POST XSS2.9.2禁用恶意 YAML 注入安全 Sandbox 模式渲染、多项路径穿越修复..查询、编码路径、FTP 后端、tracking server 净化路径2.11.2 / 2.11.3修复 url 参数误用导致的 LFI 漏洞2.12.1修复 Model Registry 本地文件读取/路径穿越LFI绕过漏洞8.3 大规模制品与基础设施多部分上传/下载2.9.2 起通过环境变量配置分块大小以支持超大模型制品2.10.0 支持 Azure Blob 多部分上传。Artifact Store 扩展2.22.0 新增 Azure Data Lake StorageADLS制品仓库2.7.0 支持 Cloudflare R2 后端。异步日志2.8.0 引入实验性异步日志支持metrics/params/tags2.11.0 提供mlflow.config.enable_async_logging配置后续持续优化性能。模型 serving2.21.0 将推理服务器从 Flask 迁移到 FastAPI启用 ASGI 扩展以获得更高吞吐2.13.0 支持多个推理 worker 配置。9. 版本升级建议与 2.x 演进总结9.1 升级路径建议从 1.x 升级必须完整处理 2.0.1 的破坏性变更清单Python 版本、Recipes、评分 API、环境管理器默认值详见第 2 节。使用 AI Gateway 的团队注意 2.9.0 迁移到mlflow.deployments的变更以及 2.17.0 撤销弃用后的命名回归2.13.0 起输出已对齐 OpenAI 接口。依赖 GenAI 能力的团队Tracing 从 2.14.0 起可用框架集成在 2.15~2.19 密集落地ChatModel 接口在 2.19.0 发生数据结构变更若使用 2.18.x 的ChatRequest/ChatResponse需适配新命名。关注安全合规的团队务必升级到至少 2.9.2 及之后的安全修复批次版本见第 8.2 节表格并确保 2.3.1 修复的 LFI 问题已覆盖。9.2 演进总结回顾整个 2.x 周期MLflow 完成了三次关键跃迁其一从经典 MLOpsRecipes、注册表、评估走向 GenAI 原生支持ChatModel、DSPy、Prompt Registry其二从「记录运行」走向「生产级可观测」Tracing 全框架自动埋点、Trace UI、LLM-as-a-Judge其三从单一 Tracking Server 走向可插拔的部署与网关体系Deployments 插件、OpenAI 兼容标准化、Unity Catalog 集成。这些能力在 mlflow 主包中均有对应实现是理解现役 MLflow 3.x 架构的最佳历史注脚。10. 相关资源发布日志原文changelogs/v2.x.md更早版本见 changelogs/v1.x.md更完整时间线可对照 CHANGELOG.mdTracing 实现mlflow/tracing、examples/tracing模型与 GenAI flavormlflow/models、mlflow/dspy、mlflow/langchain、mlflow/openai评估实现与示例mlflow/evaluation、mlflow/models/evaluation、examples/evaluation部署与网关mlflow/deployments、mlflow/gateway、examples/gateway模型注册表mlflow/store/model_registry【免费下载链接】mlflowThe open source AI engineering platform for agents, LLMs, and ML models. MLflow enables teams of all sizes to debug, evaluate, monitor, and optimize production-quality AI applications while controlling costs and managing access to models and data.项目地址: https://gitcode.com/GitHub_Trending/ml/mlflow创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考