mlflow OSS

概要

MLflow（エムエルフロー）は、AIエージェント・LLM(大規模言語モデル)・従来の機械学習モデルを問わず、開発から本番運用までのライフサイクル全体を一つのプラットフォームで管理できるオープンソースツールです。実験の追跡・モデルの登録・評価・デプロイ(本番環境への公開)まで、バラバラになりがちな作業をまとめて扱えるため、「あの設定で試した結果どこ行ったっけ？」という個人開発あるあるの悩みを解消できます。

2026年時点でバージョン3系が主流となり、AIエージェントやLLMアプリの「トレーシング(AIが何をどの順番で考えたかを記録する仕組み)」や「プロンプト管理」機能が大幅に強化されました。月間ダウンロード数3,000万超・GitHub Stars 2万以上を誇り、世界中の組織が実際の開発現場で使っている業界標準のツールです。個人のパソコン上でもそのまま動かせる点が、クラウド前提のサービスとの大きな違いです。

主な機能

• 実験トラッキング(実験日誌の自動記録): AIのパラメーター(設定値)・評価スコア・出力ファイルを自動で記録し、ブラウザ上のUIで複数の実験結果を並べて比較できます。mlflow.autolog() の1行を追加するだけで自動記録が始まります。

• LLMトレーシング(AIの思考過程の可視化): ChatGPTなどのLLMやAIエージェントが「どのプロンプトを使い・何を検索し・どう回答したか」をステップごとに記録して可視化します。OpenTelemetry(業界標準の観測規格)に対応しており、60以上のAIフレームワークをワンライン追加で自動計測できます。

• プロンプト管理(AIへの指示文のバージョン管理): AIへの指示文(プロンプト)をバージョン管理し、過去のプロンプトとの性能比較や、アルゴリズムによる自動改善(プロンプト最適化)が行えます。

• モデルレジストリ(モデルの保管庫): 作成したAIモデルを一か所で管理し、「開発中」「テスト中」「本番稼働中」といったステージを明確に区別して運用できます。

• AIゲートウェイ(LLM接続の一元管理): OpenAI・Anthropic・Geminiなど複数のLLMサービスへの接続を一つの入口でまとめて管理し、コスト監視・アクセス制限・A/Bテスト(2種類の設定をランダムに試す手法)を設定できます。

• 評価スイート(自動採点): 50種類以上の組み込み評価指標やLLMを審査員にした自動採点を利用でき、回答の品質・ハルシネーション(AIの誤情報生成)・レイテンシ(応答速度)などを定量的に確認できます。

• デプロイ対応(本番公開): 作成したモデルをDocker・Kubernetes・AWS SageMaker・Azure MLなど主要な環境へそのまま公開する機能を備えています。

料金プラン

> OSSとして自己ホストする場合は費用ゼロ。個人開発なら自分のPCやVPS上に立てるだけで全機能を無料で使えます。

導入方法

ステップ1: インストール

Python環境があればコマンド1行でインストール完了です。

pip install mlflow

軽量版が必要な場合:

pip install mlflow-skinny

ステップ2: UIサーバーの起動

インストール後、以下のコマンドでブラウザから実験結果を確認できるダッシュボードを起動します。

mlflow ui

起動後は http://localhost:5000 にアクセスするだけでUIが表示されます。

ステップ3: 実験の自動記録(最短1行)

Pythonコードに以下を追加するだけで、学習パラメーターや評価スコアが自動記録されます。

import mlflow
mlflow.autolog()  # この1行で自動記録スタート

# あとはいつも通りの学習コードを書くだけ

Scikit-learn・XGBoost・PyTorch・Keras・Sparkなど主要ライブラリに対応しています。

ステップ4(任意): LLMトレーシングの有効化

LLM/エージェント開発の場合は、以下のようにトレーシングを追加できます。

import mlflow
mlflow.openai.autolog()  # OpenAI呼び出しをすべて自動記録

こんな人におすすめ

• 「試したAIの設定が多すぎて管理できない」個人開発者: 何十回も試行錯誤するAI開発では、どの設定が良かったか記録が残らないと無駄が生じます。MLflowは自動でその日誌をつけてくれます。

• LLMアプリやAIエージェントを作っている人: プロンプトを変えるたびに「前のほうが良かった気がする…」とならないよう、バージョンごとの性能を比較・管理したい方に最適です。

• コストを意識してOpenAIなど複数のAPIを使い分けたい人: AIゲートウェイ機能でOpenAI・Anthropic・Geminiを一元管理し、コスト可視化やフォールバック(メインのAPIが落ちたときの自動切り替え)が実現できます。

• 将来チーム開発に移行したい個人開発者: 最初からMLflowで開発しておけば、チームが増えたときにトラッキングサーバーを共有するだけでスムーズに引き継げます。ロールベースのアクセス制御(誰が何を見られるか管理する仕組み)にも対応しています。

よくある質問

Q. 本当に無料で使えますか？ A. オープンソース版は完全無料です。自分のPC上にインストールして全機能を使えます。有料になるのは、DatabricksやAWSなどのクラウドサービス上でマネージド(運用管理お任せ)版を使う場合のみです。

Q. プログラミング初心者でも使えますか？ A. PythonのコードにMLflowのコードを数行加えるだけで使い始められます。ただし、Pythonの基本的な読み書きは必要です。AIを使って開発している方であればすぐに試せる難易度です。

Q. ChatGPTやClaudeを使ったアプリにも使えますか？ A. はい。OpenAI・Anthropic(Claude)・Google Gemini・Qwenなど主要なLLMプロバイダーのトレーシングに対応しており、60以上のフレームワークとの自動連携もサポートしています。

Q. 自分のPCのデータがMLflowの運営会社に送られますか？ A. OSSをローカルで使う限り、実験データはすべて自分のPC内に保存されます。外部に送信されることはありません。チームでの共有が必要な場合のみ、自分で用意したサーバーに向けて設定します。