Agent Evaluationから MLflow 3 への移行: クイック リファレンス

このクイック リファレンスでは、 Agent EvaluationとMLflow 2 から MLflow 3の改善されたAPIに移行するための主な変更点をまとめています。Agent EvaluationからMLflow 3 への移行 に関する完全なガイドを参照してください。

更新プログラムのインポート

Python

### Old imports ###
from mlflow import evaluate
from databricks.agents.evals import metric
from databricks.agents.evals import judges

from databricks.agents import review_app

### New imports ###
from mlflow.genai import evaluate
from mlflow.genai.scorers import scorer
from mlflow.genai import judges
# For predefined scorers:
from mlflow.genai.scorers import (
    Correctness, Guidelines, ExpectationGuidelines,
    RelevanceToQuery, Safety, RetrievalGroundedness,
    RetrievalRelevance, RetrievalSufficiency
)

import mlflow.genai.labeling as labeling
import mlflow.genai.label_schemas as schemas

評価機能

MLflow 2.x	MLflow 3.x
mlflow.evaluate()	mlflow.genai.evaluate()
model=my_agent	predict_fn=my_agent
model_type="databricks-agent"	(不要)
extra_metrics=[...]	scorers=[...]
evaluator_config={...}	(スコアラーでの設定)

ジャッジの選択

MLflow 2.x	MLflow 3.x
データに基づいて該当するすべてのジャッジを自動的に実行します	使用するスコアラーを明示的に指定する必要があります
evaluator_configを使用してジャッジを制限する	scorersパラメーターで目的のスコアラーをパスする
global_guidelines コンフィグで	Guidelines()スコアラーを使用する
利用可能なデータフィールドに基づいて選ばれるジャッジ	どのスコアラーを実行するかを正確に制御します

データフィールド

MLflow 2.x フィールド	MLflow 3.x フィールド	説明
request	inputs	エージェント入力
response	outputs	エージェントの出力
expected_response	expectations	グラウンドトゥルース
retrieved_context	トレース経由でアクセス	トレースからのコンテキスト
guidelines	スコアラー設定の一部	スコアラーレベルに移動

カスタムメトリクスとスコアラー

MLflow 2.x	MLflow 3.x	注
@metric デコレータ	@scorer デコレータ	新規名
def my_metric(request, response, ...)	def my_scorer(inputs, outputs, expectations, traces)	簡易
複数の expected_* パラメータ	dict である 1 つの expectations パラメータ	連結
custom_expected	expectations dict の一部	簡易
request パラメーター	inputs パラメーター	一貫した命名
response パラメーター	outputs パラメーター	一貫した命名

結果へのアクセス

MLflow 2.x	MLflow 3.x
results.tables['eval_results']	mlflow.search_traces(run_id=results.run_id)
DataFrame への直接アクセス	トレースと評価の反復処理

LLMジャッジ

ユースケース	MLflow 2.x	MLflow 3.x 推奨
基本的な正確性チェック	judges.correctness() in @metric	Correctness() スコアラーまたは judges.is_correct() ジャッジ
安全性評価	judges.safety() in @metric	Safety() スコアラーまたは judges.is_safe() ジャッジ
グローバルガイドライン	judges.guideline_adherence()	Guidelines() スコアラーまたは judges.meets_guidelines() ジャッジ
評価セット行ごとのガイドライン	judges.guideline_adherence() expected_*	ExpectationGuidelines() スコアラーまたは judges.meets_guidelines() ジャッジ
事実に基づく裏付けを確認する	judges.groundedness()	judges.is_grounded() または RetrievalGroundedness() スコアラー
コンテキストの関連性を確認する	judges.relevance_to_query()	judges.is_context_relevant() または RelevanceToQuery() スコアラー
コンテキストチャンクの関連性を確認する	judges.chunk_relevance()	judges.is_context_relevant() または RetrievalRelevance() スコアラー
コンテキストの完全性を確認する	judges.context_sufficiency()	judges.is_context_sufficient() または RetrievalSufficiency() スコアラー
複雑なカスタムロジック	直接のジャッジコール @metric	事前定義されたスコアラーまたはジャッジコールによる@scorer

人間のフィードバック

MLflow 2.x	MLflow 3.x
databricks.agents.review_app	mlflow.genai.labeling
databricks.agents.datasets	mlflow.genai.datasets
review_app.label_schemas.*	mlflow.genai.label_schemas.*
app.create_labeling_session()	labeling.create_labeling_session()

一般的な移行コマンド

Bash

# Find old evaluate calls
grep -r "mlflow.evaluate" . --include="*.py"

# Find old metric decorators
grep -r "@metric" . --include="*.py"

# Find old data fields
grep -r '"request":\|"response":\|"expected_response":' . --include="*.py"

# Find old imports
grep -r "databricks.agents" . --include="*.py"

追加のリソース

• MLflow 3 生成AI 評価ガイド
• カスタムスコアラーのドキュメント
• ラベリングセッションによる人間のフィードバック
• 事前定義されたジャッジスコアラー
• MLflow Tracing ガイド

移行中のその他のサポートについては、MLflow のドキュメントを参照するか、Databricks サポート チームにお問い合わせください。