Mistralのトレース

MLflow Tracing により、 Mistral AI モデルとのインタラクションの可観測性が確保されます。mlflow.mistral.autolog関数を呼び出すことでMistralの自動トレースが有効になっている場合、 Mistral SDKを使用すると、インタラクティブ開発中に生成されたトレースが自動的に記録されます。

Text Generation API への同期呼び出しのみがサポートされていることに注意してください。 また、非同期 API とストリーミング メソッドはトレースされません。

前提 条件

以下の例を実行する前に、次のものがあることを確認してください。

1. Databricks 資格情報が構成されている : Databricks の外部で実行している場合は、環境変数を設定します。

   Bash

   export DATABRICKS_HOST="https://your-workspace.cloud.databricks.com"
   export DATABRICKS_TOKEN="your-personal-access-token"

ヒント

Databricks ノートブック内で実行している場合、これらは自動的に設定されます。

2. Mistral API キー : API キーを環境変数として設定します。

   Bash

   export MISTRAL_API_KEY="your-mistral-api-key"

使用例

Python

import os

from mistralai import Mistral

import mlflow

# Turn on auto tracing for Mistral AI by calling mlflow.mistral.autolog()
mlflow.mistral.autolog()

# Set up MLflow tracking on Databricks
mlflow.set_tracking_uri("databricks")
mlflow.set_experiment("/Shared/mistral-demo")

# Configure your API key.
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

# Use the chat complete method to create new chat.
chat_response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {
            "role": "user",
            "content": "Who is the best French painter? Answer in one short sentence.",
        },
    ],
)
print(chat_response.choices[0].message)

自動トレースを無効にする

Mistral の自動トレースは、 mlflow.mistral.autolog(disable=True) または mlflow.autolog(disable=True)を呼び出すことでグローバルに無効にできます。

次のステップ

• トレースの概念を理解する - MLflow でトレース データをキャプチャして整理する方法を学習します
• アプリのデバッグと監視 - Trace UI を使用して、Mistral アプリケーションの動作を分析します
• アプリの品質を評価する - Mistral 搭載アプリケーションの品質評価を設定します