面向 Agent、LLM 与传统 ML 模型的开源 AI 工程平台，提供实验追踪、模型注册、LLM 可观测性、评估、提示词优化及统一 API 网关等全生命周期管理能力。
MLflow 由 Databricks 主导开发，当前版本 v3.11.1，采用 Apache-2.0 许可证。项目以 Python 为核心（60.9%），辅以 TypeScript/JavaScript（37.3%）和 Java（0.6%）实现多语言覆盖。
在传统 ML 领域，MLflow 提供 Experiment Tracking 跨实验追踪参数与指标、Model Registry 协作式模型全生命周期管理、Model Evaluation 自动化评估以及多目标 Deployment（Docker、Kubernetes、Azure ML、AWS SageMaker 等）。
在 LLM/Agent 工程化方面，MLflow v3 系列实现了四大核心能力：基于 OpenTelemetry 的全链路 Trace 可观测性，支持任意 LLM Provider 和 Agent 框架；50+ 内置指标与 LLM Judge 的系统化评估体系；带完整 lineage 追踪的提示词版本管理与自动优化；以及统一 LLM API 网关（路由、限流、降级、A/B 测试、Guardrails、凭证管理，兼容 OpenAI 接口）。
生态集成方面，MLflow 支持 60+ 框架的一行自动 Tracing，覆盖 Python（LangChain、LangGraph、DSPy、CrewAI、LlamaIndex 等 20+）、TypeScript（Vercel AI SDK、Mastra 等）和 Java（Spring AI、LangChain4j）三大语言生态，对接 20+ 模型提供商（OpenAI、Anthropic、Gemini、Bedrock、DeepSeek、Qwen 等），并与 LiteLLM Proxy、Kong AI Gateway 等网关及 Langfuse、Arize/Phoenix 等可观测性工具深度集成。
安装仅需 pip install mlflow 或 uvx mlflow server，三行代码即可实现 OpenAI 调用的自动 Trace 捕获与 UI 可视化。部署支持本地、自托管集群及 Databricks、AWS SageMaker、Azure ML、Nebius 等云平台。