К основному содержанию
скилл CX Codex

sagemaker-mlflow — скилл для Claude Code

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.

Apache-2.0 394 установок ★ 91 обновлён 2026-10-23

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

Что делает sagemaker-mlflow

Скилл проверяет три обязательных условия: Python не ниже 3.10, AWS-credentials (переменные окружения, aws configure или IAM-роль) и плагин sagemaker-mlflow, без которого вызов mlflow.set_tracking_uri() с ARN завершается ошибкой UnsupportedModelRegistryStoreURIException. Если ARN не задан, скрипт discover_arns.py находит доступные ресурсы в текущем регионе; ARN из другого региона не пройдёт аутентификацию.

После экспорта ARN в MLFLOW_TRACKING_URI и региона в AWS_DEFAULT_REGION запускается проверка verify_connection.py, которая тестирует все три компонента и останавливается на первой ошибке с подсказкой. Скилл не устанавливает зависимости и не настраивает credentials сам — это делает пользователь.

Ошибка AccessDenied или 403 означает, что у принципала нет прав sagemaker-mlflow или sagemaker на ARN, либо регион в AWS_DEFAULT_REGION не совпадает с регионом ресурса.

Какие задачи решает

  • подключить агента к SageMaker Managed MLflow через ARN
  • проверить Python, AWS-credentials и плагин sagemaker-mlflow перед работой
  • найти доступные MLflow-ресурсы в текущем AWS-регионе
  • настроить MLFLOW_TRACKING_URI для других MLflow-скиллов
  • диагностировать UnsupportedModelRegistryStoreURIException или AccessDenied

Примеры запросов агенту

  • Подключи агента к SageMaker MLflow по ARN arn:aws:sagemaker:us-east-1:123456789012:mlflow-app/my-app
  • Найди доступные MLflow-ресурсы в моём AWS-регионе
  • Проверь, установлен ли sagemaker-mlflow и настроены ли AWS-credentials

Как установить sagemaker-mlflow

1Через Skills CLI (Vercel)

npx skills add mlflow/skills --skill sagemaker-mlflow -a claude-code

2Вручную: положить файлы

~/.claude/skills/sagemaker-mlflow/SKILL.md

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

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

Вопросы о sagemaker-mlflow

Как установить sagemaker-mlflow в Claude Code?

Выполни команду npx skills add mlflow/skills --skill sagemaker-mlflow -a claude-code, скилл установится в ~/.claude/skills/sagemaker-mlflow/SKILL.md.

Что делает скилл sagemaker-mlflow?

Подключает агента к SageMaker Managed MLflow по ARN, проверяет Python не ниже 3.10, AWS-credentials и плагин sagemaker-mlflow, затем передаёт окружение другим MLflow-скиллам через MLFLOW_TRACKING_URI.

Что нужно для работы sagemaker-mlflow?

Python 3.10 или выше, плагин sagemaker-mlflow (устанавливается через pip install sagemaker-mlflow), настроенные AWS-credentials и ARN ресурса mlflow-app или mlflow-tracking-server в том же регионе, что и credentials.

Исходный текст

SKILL.md · Apache-2.0
---
name: sagemaker-mlflow
description: >
  Connect to SageMaker Managed MLflow (mlflow-app or mlflow-tracking-server ARN) as an
  MLflow backend, then hand off to the other MLflow skills. Triggers on a SageMaker MLflow
  ARN (arn:aws:sagemaker:...:mlflow-app/... or arn:aws:sagemaker:...:mlflow-tracking-server/...)
  or "SageMaker Managed MLflow".
---

# Connect to SageMaker MLflow

Connect using the `sagemaker-mlflow` plugin, an ARN tracking URI and AWS credentials.
Other MLflow skills inherit the connection through `MLFLOW_TRACKING_URI`.

Requires **Python >= 3.10** (mlflow >= 3.8). Validate and report the fix — never
auto-install the plugin or acquire credentials (mirrors the repo's Databricks pattern).

## Step 1: Preconditions
- `python --version` -> must be 3.10+. If older, STOP and tell the user.
- Confirm AWS credentials resolve (env vars, `aws configure` / SSO, or an IAM role). If
  they error (ExpiredToken / no creds), STOP and ask the user to configure them.
  (`scripts/verify_connection.py` also checks this, via boto3.)

## Step 2: Check the plugin
If missing, stop and give the user this installation command:
```bash
pip install sagemaker-mlflow
```
Required even if `MLFLOW_TRACKING_URI` is already an ARN — without it,
`mlflow.set_tracking_uri()` fails with `UnsupportedModelRegistryStoreURIException`.

## Step 3: Select the resource ARN
- **If the user already provided an ARN** (or `MLFLOW_TRACKING_URI` is set to
  `arn:aws:sagemaker:...`), use it as-is.
- **Otherwise, discover it** in the user's region:
  ```bash
  python scripts/discover_arns.py
  ```
  If exactly one is returned, use it; if several, list name/status/ARN and ask the user
  which to use. Both `mlflow-app` and `mlflow-tracking-server` ARNs work; the ARN is also
  shown on the resource's detail page in the SageMaker Studio console.

Then export it (the ARN is region-bound — a cross-region ARN will not authenticate):
```bash
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)
```

## Step 4: Verify
```bash
python scripts/verify_connection.py "$MLFLOW_TRACKING_URI"
```
Checks all three prerequisites (plugin / credentials / ARN connectivity) and exits
non-zero with a remediation hint on the first failure. Do not proceed until it passes.

After the connection verifies, hand off to the requested MLflow skill — it inherits the
connected environment via `MLFLOW_TRACKING_URI`.

## Troubleshooting
- `UnsupportedModelRegistryStoreURIException` — see Step 2, then repeat verification.
- `AccessDenied` / `403` — credentials are missing/expired, or the principal lacks MLflow
  permissions on the ARN. Check that credentials resolve, grant `sagemaker-mlflow` /
  `sagemaker` permissions, and confirm the ARN region matches `AWS_DEFAULT_REGION`.

© mlflow · Apache-2.0 · mlflow/skills

Похожие скиллы

Все скиллы по теме «ИИ и ML» →
hf-cloud-sagemaker-iam-preflight huggingface Скилл hf-cloud-sagemaker-iam-preflight проверяет и подбирает IAM-роль для SageMaker перед деплоем или обучением. Предотвращает ошибки AccessDenied при работе через SSO. CX Codex +1 683установок hf-cloud-sagemaker-production-defaults huggingface Скилл hf-cloud-sagemaker-production-defaults для Claude Code, Codex, Cursor и других платформ, создающий AWS SageMaker эндпоинт с автоскейлингом, CloudWatch-алармами и тегированием. CX Codex +1 690установок sagemaker-ai awslabs Плагин для Claude, который ведёт от постановки задачи до деплоя модели на Amazon SageMaker AI и разбирает сбои кластеров HyperPod. ★ 948звёзд репо querying-aws-sagemaker-catalog aws Скилл querying-aws-sagemaker-catalog запускает SQL-аналитику по метаданным SageMaker Catalog в таблицах Apache Iceberg. Помогает проверять владельцев данных, отслеживать рост ассетов и находить пропуски в описаниях. CX Codex +1 5 700установок aws-ai-ml aws Скилл aws-ai-ml для Claude Code помогает выбирать, настраивать и развёртывать модели в Amazon SageMaker. Он включается для задач с данными, обучением и диагностикой конечных точек. CX Codex +1 4 400установок mlops-mlflow Orchestra Research Скилл mlops-mlflow учит Claude работать с MLflow: логировать параметры и метрики, вести реестр моделей и воспроизводить запуски. CX Codex +1 64установок

Из того же набора17

Весь набор →
retrieving-mlflow-traces Скилл retrieving-mlflow-traces для Claude Code. Достаёт трассы MLflow по ID или фильтрам через CLI и Python API. Находит упавшие трассы и анализирует медленные запуски. CX Codex +1 991установок analyzing-mlflow-session Скилл analyzing-mlflow-session для Claude Code и Codex, разбирает сессию MLflow — цепочку трейсов одного многоходового чата. Восстанавливает разговор по шагам, когда диалог с агентом сломался и надо найти, на каком ходу. CX Codex +1 966установок querying-mlflow-metrics Скилл querying-mlflow-metrics для Claude Code тянет агрегированные метрики трейсов из MLflow: расход токенов, задержки, число трейсов и оценки качества. Смотрит статистику эксперимента прямо из чата. CX Codex +1 959установок 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 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

Спонсоры проекта

Компании, которые помогают держать аналитику открытой