本書は、MLflow 3を活用して、LLMアプリケーションの開発から本番運用までを体系的に学べる実践書です。可視化、品質評価、プロンプト管理、デプロイといったLLMOpsの一連のプロセスを、具体的なPythonコードとともに解説しています。従来の機械学習とは異なるLLM特有の課題（プロンプトによる品質の変動、エージェントの挙動追跡の難しさ、不透明なコストなど）に対し、トレーシング、LLM-as-a-Judgeによる自動評価、AI Gatewayを用いたガバナンスといった最新の手法でアプローチします。シンプルなLLMアプリからRAG、マルチエージェント構成までカバーしており、単なる開発手法に留まらず、OpenTelemetryとの連携やリアルタイム監視など、「運用し続けられる」システムの構築に強みがあります。対象読者は、LLMアプリケーションの開発に興味がある人や、運用の中で課題を感じている人です。実験管理から本番環境の健全性管理までを統合的に習得できる、実務に直結する一冊です。
"MLflowの機能を体系的に解説し、生成AIアプリの開発における実験管理や品質保証をLLMOpsとして実践するための指南書です。単なる機能解説に留まらず、AI Gatewayによるコスト管理やレート制限といった「現場の課題にどう効くか」という価値を重視しています。充実したサポートリポジトリでは、本文コードとの差分の意図や、最新バージョンへの追従状況が詳細に補完されており、読者が「動かない」と迷うことなく学習を進められる独自の強みがあります。実務の文脈に即して、AI SDKの使い分けや評価ライブラリ連携を効率化したい方に最適です。"
