mcpField
S
sagemaker-mlflow

sagemaker-mlflow

github.com/mlflow云与 DevOps82394 次安装2 天前更新
代码仓库

关于 sagemaker-mlflow

sagemaker-mlflow 是将 MLflow 连接到 SageMaker 跟踪资源的技能。它会检查 Python、插件、AWS 凭证和资源 ARN，并验证连接后再交由其他 MLflow 技能处理。

主要功能

  1. 01检查 Python 版本和插件
  2. 02验证 AWS 凭证
  3. 03选择或发现资源 ARN
  4. 04验证跟踪连接
  5. 05向其他技能传递连接

适用场景

  1. 01设置 MLflow 跟踪 URI
  2. 02查找 SageMaker 资源 ARN
  3. 03排查连接前提条件

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/mlflow/skills --skill sagemaker-mlflow

安装后在 Claude Code 中输入/sagemaker-mlflow确认已加载。

附带文件scripts/discover_arns.pyscripts/verify_connection.py

详细介绍

连接到 SageMaker MLflow

使用 sagemaker-mlflow 插件、ARN 跟踪 URI 和 AWS 凭证进行连接。 其他 MLflow 技能会通过 MLFLOW_TRACKING_URI 继承此连接。

需要 Python >= 3.10（mlflow >= 3.8）。验证并报告修复方法 — 切勿 自动安装插件或获取凭证（与仓库的 Databricks 模式一致）。

第 1 步：前提条件

  • python --version -> 必须为 3.10+。如果版本较低，请停止并告知用户。
  • 确认 AWS 凭证可以解析（环境变量、aws configure / SSO 或 IAM 角色）。如果 出错（ExpiredToken / 没有凭证），请停止并要求用户配置凭证。 （scripts/verify_connection.py 也会通过 boto3 检查凭证。）

第 2 步：检查插件

如果缺少插件，请停止并向用户提供以下安装命令：

pip install sagemaker-mlflow

即使 MLFLOW_TRACKING_URI 已设置为 ARN，此插件仍是必需的 — 没有它， mlflow.set_tracking_uri() 会因 UnsupportedModelRegistryStoreURIException 而失败。

第 3 步：选择资源 ARN

  • 如果用户已提供 ARN（或 MLFLOW_TRACKING_URI 已设置为 arn:aws:sagemaker:...），请原样使用。
  • 否则，请在用户所在区域中查找： 
    python scripts/discover_arns.py
    如果只返回一个结果，请使用该结果；如果返回多个结果，请列出名称/状态/ARN，并询问用户 要使用哪一个。mlflow-app 和 mlflow-tracking-server ARN 均可使用；也可以在 SageMaker Studio 控制台中资源的详情页查看 ARN。

然后导出该 ARN（ARN 绑定到特定区域 — 跨区域 ARN 无法通过身份验证）：

export MLFLOW_TRACKING_URI="<arn>"    # mlflow-app/<id> or mlflow-tracking-server/<name>
export AWS_DEFAULT_REGION="<region>"  # AWS credentials resolved via the default chain (SigV4)

第 4 步：验证

python scripts/verify_connection.py "$MLFLOW_TRACKING_URI"

检查全部三项前提条件（插件 / 凭证 / ARN 连通性），并在首次检查失败时以非零状态退出， 同时给出修复提示。验证通过前请勿继续。

连接验证通过后，将任务交接给用户请求的 MLflow 技能 — 该技能会通过 MLFLOW_TRACKING_URI 继承已连接的环境。

故障排除

  • UnsupportedModelRegistryStoreURIException — 请参阅第 2 步，然后重新进行验证。
  • AccessDenied / 403 — 凭证缺失或已过期，或者主体缺少 ARN 上的 MLflow 权限。请检查凭证是否可以解析，授予 sagemaker-mlflow / sagemaker 权限，并确认 ARN 区域与 AWS_DEFAULT_REGION 相符。

评论

支持 Markdown