import mlflow
from openai import OpenAI

# 단 한 줄로 OpenAI 자동 트레이싱 활성화
mlflow.openai.autolog()

client = OpenAI()
response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "당신은 도움이 되는 어시스턴트입니다."},
        {"role": "user", "content": "MLflow Tracing의 주요 기능은 무엇인가요?"}
    ]
)

import mlflow
import openai
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate
from mlflow.entities import SpanType

# 여러 프레임워크 동시 자동 트레이싱
mlflow.openai.autolog()
mlflow.langchain.autolog()

client = openai.OpenAI()

@mlflow.trace(span_type=SpanType.CHAIN)
def multi_provider_workflow(query: str):
    # OpenAI 직접 호출로 쿼리 분석
    analysis = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": "쿼리를 분석하여 핵심 주제를 추출하세요."},
            {"role": "user", "content": query}
        ]
    )
    topics = analysis.choices[0].message.content

    # LangChain으로 상세 응답 생성
    llm = ChatOpenAI(model="gpt-4o-mini")
    prompt = ChatPromptTemplate.from_template(
        "다음 주제들을 바탕으로: {topics}\n이 질문에 답하세요: {query}"
    )
    chain = prompt | llm
    response = chain.invoke({"topics": topics, "query": query})
    return response

result = multi_provider_workflow("양자 컴퓨팅을 설명해주세요")

import mlflow
import openai
from mlflow.entities import SpanType

mlflow.openai.autolog()
client = openai.OpenAI()

@mlflow.trace(span_type=SpanType.CHAIN)
def run(question: str):
    messages = build_messages(question)
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        max_tokens=100,
        messages=messages,
    )
    return parse_response(response)

@mlflow.trace
def build_messages(question: str):
    # 커스텀 프롬프트 구성 로직
    return [
        {"role": "system", "content": "당신은 도움이 되는 챗봇입니다."},
        {"role": "user", "content": question},
    ]

@mlflow.trace
def parse_response(response):
    # 커스텀 응답 파싱 로직
    return response.choices[0].message.content

run("MLflow란 무엇인가요?")

import mlflow
from mlflow.entities import SpanType

mlflow.set_tracking_uri("databricks")
mlflow.set_experiment("/Shared/production-agent-experiment")

# 에이전트 배포 시 자동으로 트레이싱 활성화
# mlflow.langchain.autolog() 또는 mlflow.openai.autolog() 호출만으로 충분

import mlflow
from mlflow.entities import SpanType
from openai import OpenAI
import numpy as np

mlflow.set_tracking_uri("databricks")
mlflow.set_experiment("/Shared/rag-pipeline-tracing")
mlflow.openai.autolog()

client = OpenAI()

@mlflow.trace(span_type=SpanType.CHAIN, name="rag_pipeline")
def rag_pipeline(question: str) -> str:
    """RAG 파이프라인 전체를 하나의 트레이스로 기록"""
    # 검색 단계
    retrieved_docs = retrieve_documents(question)

    # 프롬프트 구성 단계
    context = format_context(retrieved_docs)

    # 생성 단계 (자동으로 mlflow.openai.autolog()가 추적)
    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "system",
                "content": f"다음 컨텍스트를 바탕으로 질문에 답하세요:\n\n{context}"
            },
            {"role": "user", "content": question}
        ]
    )
    return response.choices[0].message.content

@mlflow.trace(span_type=SpanType.RETRIEVER, name="vector_retrieval")
def retrieve_documents(query: str) -> list:
    """벡터 검색 단계를 별도 스팬으로 추적"""
    # 실제 벡터 DB 검색 로직 (예시)
    results = [
        {"content": "MLflow는 머신러닝 라이프사이클 관리 플랫폼입니다.", "score": 0.95},
        {"content": "MLflow Tracing은 GenAI 관측성을 제공합니다.", "score": 0.92},
    ]
    return results

@mlflow.trace(name="format_context")
def format_context(docs: list) -> str:
    """검색 결과 포매팅을 별도 스팬으로 추적"""
    return "\n".join([f"- {doc['content']}" for doc in docs])

# 실행
answer = rag_pipeline("MLflow Tracing이란 무엇인가요?")
print(answer)

import mlflow
from databricks.sdk import WorkspaceClient

# Databricks Secrets를 통한 안전한 자격증명 관리
w = WorkspaceClient()
api_key = w.dbutils.secrets.get(scope="llm-secrets", key="openai-api-key")

import os
os.environ["OPENAI_API_KEY"] = api_key

mlflow.openai.autolog()

pip install mlflow[databricks]>=3.1 openai>=1.0.0

import mlflow

mlflow.set_tracking_uri("databricks")
mlflow.set_experiment("/Shared/my-genai-experiment")
mlflow.openai.autolog()  # 또는 mlflow.langchain.autolog() 등