zenml

ZenML은 기업 환경에서 클래식 머신러닝, LLM 워크플로우 또는 에이전트를 다루는 ML 및 AI 엔지니어를 위한 오픈소스 플랫폼입니다. 핵심 아이디어는 Python으로 워크플로우(파이프라인)를 작성하고 이를 모든 인프라 백엔드(스택)에서 실행한다는 것입니다. 모델 학습이나 에이전트 루프 실행 등 어떤 Pythonic 로직이든 파이프라인에 포함할 수 있습니다. 이 플랫폼이 파이프라인과 관련해 수행하는 작업: - 코드를 자동으로 컨테이너화하고 추적합니다. - 메트릭, 로그, 메타데이터로 개별 실행을 추적합니다. - 인프라 복잡성을 추상화합니다. - 기존 도구와 인프라를 통합하며, MLflow, LangGraph, Langfuse, SageMaker, GCP Vertex 등에 대한 문서화된 통합을 제공합니다. - 개발 및 프로덕션에서 실험을 반복할 수 있는 관측 가능한 계층을 제공합니다. 아키텍처 및 설정: ZenML은 통합 웹 대시보드(별도의 대시보드 저장소)와 함께 클라이언트-서버 아키텍처를 사용합니다. 로컬 모드는 클라이언트와 서버를 로컬에서 실행하고, 프로덕션 배포는 서버를 별도로 실행하고 클라이언트를 여기에 연결합니다. 설치는 pip를 통해 이루어지며, 전체 기능을 위한 server extra를 설치한 후 저장소 초기화와 로그인을 수행합니다. README는 또한 편집기에서 파이프라인을 관리하기 위한 VS Code / Cursor 확장을 언급합니다. 문서 및 예제: 이 프로젝트는 제품 문서, 첫 파이프라인 튜토리얼, 시작 가이드, LLMOps 가이드 및 SDK 레퍼런스를 안내합니다. 저장소의 예제 프로젝트는 퀵스타트, 에이전트 아키텍처 비교, ML 모델 배포, 에이전트 배포, 엔드투엔드 배치 추론, LLM RAG 파이프라인, 에이전트 기반 심층 연구 워크플로우 및 파인튜닝 파이프라인을 다룹니다. 관련 도구: MCP 서버를 통해 사용자는 MCP 호환 클라이언트에서 자연어로 파이프라인을 조회하고, 실행을 분석하고, 배포를 트리거할 수 있습니다. 자매 프로젝트인 Kitaru는 AI 에이전트를 위한 재생 기반 평가에 초점을 맞추며, 자체 호스팅 실행과 ZenML은 ML 파이프라인용, Kitaru는 에이전트용이라는 명시된 역할 구분을 가지고 있습니다. README는 ZenML을 사용한다고 알려진 기업들을 나열하고, 이를 다룬 책들을 링크하며, good-first-issues 및 통합 작성과 같은 기여 경로를 설명합니다. Apache License 2.0에 따라 배포됩니다.