К основному содержанию
скилл CX Codex

mlflow-trace-retrieval — скилл для Claude Code: поиск трасс

Скилл mlflow-trace-retrieval для Claude Code извлекает трассы MLflow по ID или ищет их по заданным фильтрам. Запускается для поиска трасс по эксперименту, запуску, пользователю, времени или другим полям.

Apache-2.0 174 установок ★ 91 обновлён 2026-10-23

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add mlflow/skills --skill mlflow-trace-retrieval -a claude-code
Открыть на GitHub

Что делает mlflow-trace-retrieval

Скилл получает трассу MLflow по ID или ищет записи по эксперименту и фильтрам: времени, статусу, сессии, пользователю, тегам, оценкам и полям спанов. Результаты можно сохранить в JSON-файл; для поиска с ID или без него используются команды mlflow traces get и mlflow traces search.

Для поиска в Databricks UC нужны настроенный SQL warehouse и аутентификация workspace. Запросы в UC должны включать нижнюю границу времени; для поиска по эксперименту, запуску или сессии временной диапазон также обязателен. Скилл сверяет ID, эксперимент, фильтры и временное окно, а при запросе анализа передаёт работу mlflow-trace-analysis. Сам поиск не означает диагностику.

Какие задачи решает

  • найти трассу MLflow по ID
  • отфильтровать трассы по статусу и временному диапазону
  • отыскать записи по сессии, пользователю или тегам
  • получить спаны и оценки для выбранных трасс

Примеры запросов агенту

  • Найди трассу MLflow с ID abc123 и сохрани полный JSON.
  • Найди ошибки в эксперименте 42 за указанный временной диапазон.
  • Покажи трассы сессии session-7 и включи спаны.

Как установить mlflow-trace-retrieval

1Через Skills CLI (Vercel)

npx skills add mlflow/skills --skill mlflow-trace-retrieval -a claude-code

2Вручную: положить файлы

~/.claude/skills/mlflow-trace-retrieval/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/mlflow-trace-retrieval/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о mlflow-trace-retrieval

Как установить mlflow-trace-retrieval в Claude Code?

Выполни npx skills add mlflow/skills --skill mlflow-trace-retrieval -a claude-code. Файл скилла находится по пути ~/.claude/skills/mlflow-trace-retrieval/SKILL.md.

Что делает mlflow-trace-retrieval?

Получает трассу MLflow по ID или ищет трассы по фильтрам, включая время, статус, сессию, пользователя, теги и поля спанов. Сам по себе поиск не анализирует качество трасс.

Что нужно для поиска трасс в Databricks UC?

Нужны настроенный SQL warehouse и аутентификация workspace. Для UC-поиска также требуется нижняя граница временного диапазона.

Исходный текст

SKILL.md · Apache-2.0
---
name: mlflow-trace-retrieval
description: Retrieve MLflow traces by ID or search by run, session, user, status, time, tags, feedback, or span fields. Use for trace lookup and filtering; retrieval alone does not require diagnosis.
---

# Retrieve MLflow traces

## Step 1: Select the lookup

Reuse the configured tracking URI, experiment, supplied trace ID or filters, and incident/run time window. Check installed CLI flags with `mlflow traces get --help` or `mlflow traces search --help` for the operation selected.

For Databricks UC traces, first read [Databricks tracing setup](../mlflow-trace-instrumentation/references/databricks.md): trace retrieval requires the configured SQL warehouse and workspace authentication. Do not replace missing warehouse access with direct SQL, raw REST, or pasted tokens.

## Step 2: Fetch or search

With an ID, fetch directly. Save full JSON to a file before parsing so large output is not lost to tool truncation. `get` already outputs JSON; it needs no `--output` flag.

```bash
mlflow traces get --trace-id <TRACE_ID> > /tmp/trace.json
```

Without an ID, search the selected experiment and requested time window:

```bash
mlflow traces search --experiment-id <EXPERIMENT_ID> \
  --filter-string 'metadata.`mlflow.trace.session` = "<SESSION_ID>" AND trace.timestamp_ms >= <START_MS> AND trace.timestamp_ms <= <END_MS>' \
  --order-by 'timestamp_ms ASC' --max-results 50 --output json > /tmp/traces.json
```

- Replace placeholders before execution. Every UC search needs a `trace.timestamp_ms` lower bound; add an upper bound when known.
- Experiment/run/session lookups also need time bounds: a small result limit does not bound a table scan.
- Use the user's historical window or incident/run timestamps, never silently the last hour. Ask for the period if unknown before a broad UC search.

### Filters

Combine predicates with `AND`; verify operators supported by the installed backend/version.

| Selection | Predicate or flag |
|---|---|
| Run | `--run-id <RUN_ID>` (combine with time bounds) |
| Status | `trace.status = 'ERROR'` (`OK`, `IN_PROGRESS` also available) |
| Time / latency | `trace.timestamp_ms >= 1700000000000`, `trace.execution_time_ms > 1000` (milliseconds) |
| Session / user | ``metadata.`mlflow.trace.session` = 'abc'``, ``metadata.`mlflow.trace.user` = 'user1'`` |
| Tags / metadata | `tag.environment = 'production'`, ``metadata.`user.id` = 'abc'`` |
| Span | `span.name = 'lookup'`, `span.type = 'RETRIEVER'` |
| Assessments | `feedback.rating = 'positive'`, `expectation.<name> = <value>` |
| Text | `trace.text LIKE '%error%'` |

Backticks quote special characters in field names. In shell commands put the outer expression in **single quotes**, as above, or escape backticks inside double quotes to prevent command substitution. Escape filter values separately; do not interpolate untrusted values as shell syntax. `LIKE`, `ILIKE` and `RLIKE` support pattern matching where permitted; use [search docs](https://mlflow.org/docs/latest/genai/tracing/search-traces.md) for exact field/operator support.

Use `--include-spans` when details are needed; otherwise fetch selected IDs after search. `--extract-fields` can reduce search output after inspecting the actual schema, but nested span inputs/outputs may be omitted: use the full trace for diagnosis. Follow returned continuation tokens with `--page-token` while keeping filters/order fixed; report a bounded sample as a sample, not all matches.

### Python alternative

```python
trace = mlflow.get_trace(trace_id)
# Or search when the ID is unknown:
traces = mlflow.search_traces(
    locations=[experiment_id],
    filter_string=f"trace.timestamp_ms >= {start_ms} AND trace.timestamp_ms <= {end_ms}",
    max_results=50, return_type="list", include_spans=True,
)
```

Check installed signatures; older versions may use `experiment_ids`. `search_traces()` has **no `start_time` keyword**. Use `filter_string` for timestamp predicates.

## Verification

- For setup readback, record the time immediately before the run; follow [setup verification](../mlflow-trace-instrumentation/SKILL.md#verification) when available.

Confirm returned IDs, experiment/location, window and filters match the request; distinguish no matches from a failed query or partial page. Return the IDs/output file and any coverage limits. Do not infer quality from status `OK` alone.

For newly added instrumentation only: enforce a **60-second wall-clock deadline** including flush/readback/internal retries, terminating the command at expiry. Fetch one captured ID or make one run-time-bounded search with `max_results=1`. Inspect expected spans and actual inputs/outputs; retry at most once after a quick concrete fix within the original budget. Stop on auth/provider-key/permission/warehouse blockers and report the failed operation and required prerequisite. No parallel searches, repeated agent runs, direct SQL, raw REST or alternate-auth fallbacks. This setup limit does not replace the scope of a dedicated retrieval/investigation request.

## References

- Additional search syntax/API options: [official search guide](https://mlflow.org/docs/latest/genai/tracing/search-traces.md), checked against installed help/signatures. Use [llms.txt](https://mlflow.org/docs/latest/llms.txt) only if the page moves; if unavailable, use installed help and stop when correctness is unresolved.
- When analysis is requested, use `mlflow-trace-analysis`; retrieval alone stops with the requested evidence.

© mlflow · Apache-2.0 · mlflow/skills

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
agent-observability-trace-rca datadog-labs Скилл agent-observability-trace-rca для Claude Code и других платформ: идёт по дереву спанов продакшн-трейсов от симптома к корню сбоя LLM-приложения. Разбирает падение оценок и рантайм-ошибки. CX Codex +1 688установок trace-claude-code parcadei Скилл trace-claude-code настраивает сквозную отправку сессий Claude Code в Braintrust. Фиксирует шаги диалога, редактирование файлов и вызовы консоли. CX Codex +1 ★ 3 951звёзд репо databricks-mlflow-evaluation databricks Скилл databricks-mlflow-evaluation для запуска mlflow.genai.evaluate(), проектирования скорёров и датасетов, настройки судей через MemAlign и мониторинга качества в проде. CX Codex +1 355установок cloud-trace-querying официальный google Скилл cloud-trace-querying для Claude Code ищет Cloud Trace-трейсы по задержке и статусу ошибки. Он помогает разбирать медленные запросы и связывать трейсы с логами Cloud Logging. CX Codex +1 835установок observe-trace ruvnet Скилл observe-trace собирает спаны распределённой трассировки по идентификатору задачи и строит дерево выполнения с таймингами. Помогает разобрать задержки между агентами. CX Codex +1 733установок distributed-debugging-debug-trace sickn33 Скилл distributed-debugging-debug-trace помогает настроить отладку и распределённую трассировку: границы трейсов, ключевые спаны, корреляционные ID и проверка покрытия запроса. CX Codex +1 ★ 50 109звёзд репо

Из того же набора17

Весь набор →
mlflow-agent Маршрутизирует задачи по MLflow к нужному скиллу: от трассировки и оценки до разбора сбоев агента. Подходит для запросов без выбранного сценария. CX Codex +1 882установок sagemaker-mlflow Скилл sagemaker-mlflow подключает агента к SageMaker Managed MLflow по ARN ресурса (mlflow-app или mlflow-tracking-server), после чего передаёт управление другим MLflow-скиллам через MLFLOW_TRACKING_URI. CX Codex +1 394установок fix-agent-issue Скилл fix-agent-issue ведёт агента по циклу EXPLORE → PLAN → IMPLEMENT → VERIFY, чтобы правка поведения опиралась на трейс и тест, а не на догадку. CX Codex +1 376установок build-a-scorer Скилл build-a-scorer помогает спроектировать и внедрить набор судей и скореров MLflow для RAG или LLM-агента. Выделяет атомарные критерии качества и выбирает самую дешёвую надёжную проверку. CX Codex +1 339установок mlflow-evaluation Скилл mlflow-evaluation для Claude Code настраивает оценщиков MLflow и запускает оценку GenAI на агенте, наборе данных, готовых результатах или трассировках. Проверяет качество ответов и разбирает результаты запусков. CX Codex +1 184установок mlflow-trace-analysis Скилл mlflow-trace-analysis для Claude Code разбирает MLflow-трейсы и объясняет сбои агентов, ошибки и проблемы качества. Запускается для анализа отдельных трасс и многотуровых диалогов. CX Codex +1 178установок mlflow-trace-metrics Скилл mlflow-trace-metrics для Claude Code запрашивает агрегированные метрики трейсов, спанов и оценок MLflow. Показывает задержки, расход токенов и тренды качества за выбранный интервал. CX Codex +1 174установок mlflow Добавляет в Claude Code сценарии для трейсинга, отладки и оценки GenAI-приложений через MLflow. Пригодится при настройке LLMOps в проекте. ★ 91звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой