querying-mlflow-metrics
mlflow/skills / querying-mlflow-metrics
affiche tokens, latence et évaluations MLflow , ce qui améliore : repère les dérives de coût
note 9/10risque élevé82 étoiles du dépôt
Fiche
- note du juge
- 9/10
- place
- hors pack
- éditeur
- mlflow
- statut
- nouveau
- commit épinglé
- 3b0d56a sur GitHub (nouvel onglet)
- dernier commit du skill
- 28 janv. 2026
- étoiles du dépôt
- 82
- type principal
- Data
Jugement
Déclencheur précis et commandes exactes avec sorties attendues. API MLflow spécifique, donc utile. Note réduite : tableau d'arguments incomplet et incohérences de types d'agrégation avec l'annexe.
réserves
- Le script scripts/fetch_metrics.py n'est pas fourni : son contenu et son comportement réel ne sont pas vérifiables.
- Le tableau des arguments ne liste que certaines métriques (span_count, assessment_value absents) et les dimensions d'ASSESSMENTS ne sont pas documentées dans SKILL.md.
- Incohérence : SKILL.md cite P50, P95, P99 comme agrégations, alors que l'annexe décrit PERCENTILE avec percentile_value.
- Pas de mention de version de MLflow ni de l'endpoint /api/3.0 requis, ce qui limite la vérification de la compatibilité.
sous-notes
- Déclenchement
- 2/2
- Valeur ajoutée
- 2/2
- Précision
- 2/2
- Périmètre
- 2/2
- Qualité
- 1/2
Alertes
1 alerte, par catégorie
Scan statique
- risque élevé
scripts lancés par le SKILL.md
scripts/fetch_metrics.py
Description d’origine
Fetches aggregated trace metrics (token usage, latency, trace counts, quality evaluations) from MLflow tracking servers. Triggers on requests to show metrics, analyze token usage, view LLM costs, check usage trends, or query trace statistics.
ajouté le 19 oct. 2026 · licence Apache-2.0