跟踪 Claude 代码

MLflow 跟踪 会自动跟踪使用 Claude 代理 SDK 创作的 Claude Code 对话和代理，捕获用户提示、AI 响应、工具使用情况、计时和会话元数据。

MLflow 支持用于 Claude Code 跟踪的两种方法：

• CLI 跟踪：通过 MLflow CLI 配置跟踪以自动跟踪交互式 Claude Code 会话（MLflow 3.4+）
• SDK 跟踪：使用 Claude 代理 SDK 以编程方式为 Python 应用程序启用跟踪（MLflow 3.5+）

要求

CLI 跟踪

Claude Code CLI 跟踪需要以下条件：

• Claude CLI
• MLflow 3.4 或更高版本，附带 Databricks 附加功能

pip install --upgrade "mlflow[databricks]>=3.4"

SDK 追踪

Claude Agent SDK 跟踪要求：

• Claude 代理 SDK 0.1.0 或更高版本
• 使用 Databricks Extras 的 MLflow 3.5 或更新版本

pip install --upgrade "mlflow[databricks]>=3.5" "claude-agent>=0.1.0"

设置 Databricks 环境变量

配置以下 Databricks 环境变量：

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

对于生产环境，请使用 马赛克 AI 网关或 Databricks 机密 进行安全 API 密钥管理。

跟踪克劳德

使用 CLI 或 Claude 代理 SDK 跟踪 Claude 代码。

CLI 跟踪

1. 用 mlflow autolog claude 在项目目录的 .claude/settings.json 文件中配置 Claude Code 挂钩。

   # Set up tracing with Databricks (uses environment variables set earlier)
   mlflow autolog claude ~/my-project
   
   # Or set up tracing in current directory
   mlflow autolog claude
   

   其他配置选项：

   # Specify experiment by name
   mlflow autolog claude -n "My AI Project"
   
   # Specify experiment by ID
   mlflow autolog claude -e 123456789
   
   # Use local file-based tracking instead of Databricks
   mlflow autolog claude -u file://./custom-mlruns
   mlflow autolog claude -u sqlite:///mlflow.db
   

   注释

   若要禁用跟踪，请运行 mlflow autolog claude --disable。 这会从 .claude/settings.json中删除跟踪配置。

2. 检查跟踪状态

   mlflow autolog claude --status
   

3. 在启用了跟踪的项目目录中使用 claude 命令时，会自动跟踪对话：

   # Set up tracing in your project
   mlflow autolog claude ~/my-project
   
   # Navigate to project directory
   cd ~/my-project
   
   # Use Claude Code normally - tracing happens automatically
   claude "help me refactor this Python function to be more efficient"
   
   

4. 在 MLflow 界面中查看跟踪数据：

   # View traces in MLflow UI
   mlflow ui
   

SDK 追踪

为 Claude 代理 SDK 启用自动记录以跟踪所有 Claude 代理 SDK 交互：

import asyncio
import mlflow.anthropic
from claude_agent_sdk import ClaudeSDKClient

# Enable autologging
mlflow.anthropic.autolog()

# Disable autologging
# mlflow.anthropic.autolog(disable=True)

# Optionally configure MLflow experiment
mlflow.set_experiment("my_claude_app")

async def main():
   async with ClaudeSDKClient() as client:
      await client.query("What is the capital/major city of France?")

      async for message in client.receive_response():
            print(message)

if __name__ == "__main__":
   asyncio.run(main())

还可以将 SDK 跟踪与 MLflow 的 GenAI 评估框架配合使用：

import asyncio
import pandas as pd
from claude_agent_sdk import ClaudeSDKClient

import mlflow.anthropic
from mlflow.genai import evaluate, scorer
from mlflow.genai.judges import make_judge

mlflow.anthropic.autolog()

async def run_agent(query: str) -> str:
   """Run Claude Agent SDK and return response"""
   async with ClaudeSDKClient() as client:
      await client.query(query)

      response_text = ""
      async for message in client.receive_response():
            response_text += str(message) + "\n\n"

      return response_text

def predict_fn(query: str) -> str:
   """Synchronous wrapper for evaluation"""
   return asyncio.run(run_agent(query))

relevance = make_judge(
   name="relevance",
   instructions=(
      "Evaluate if the response in {{ outputs }} is relevant to "
      "the question in {{ inputs }}. Return either 'pass' or 'fail'."
   ),
   model="openai:/gpt-4o",
)

# Create evaluation dataset
eval_data = pd.DataFrame(
   [
      {"inputs": {"query": "What is machine learning?"}},
      {"inputs": {"query": "Explain neural networks"}},
   ]
)

# Run evaluation with automatic tracing
mlflow.set_experiment("claude_evaluation")
evaluate(data=eval_data, predict_fn=predict_fn, scorers=[relevance])

Troubleshooting

CLI 跟踪

请验证项目是否已启用 CLI 追踪功能：

mlflow autolog claude --status

这会显示当前跟踪配置，以及它是否对 Claude Code CLI 处于活动状态。

跟踪不起作用：

• 请确保您位于已配置的目录中。
• 确认 .claude/settings.json exists
• 在 .claude/mlflow/claude_tracing.log 查看日志

缺少痕迹：

• 检查配置中是否存在MLFLOW_CLAUDE_TRACING_ENABLED=true
• 验证跟踪 URI 是否可访问
• 查看 .claude/mlflow/claude_tracing.log 中的日志

SDK 追踪

缺少痕迹：

• 在创建 ClaudeSDKClient 之前，请验证是否已经调用了 mlflow.anthropic.autolog（）
• 检查是否已正确配置跟踪 URI 和试验 ID