zenml-io/zenml

ZenML – パイプライン、エージェント、LLMのためのオープンソースMLOpsプラットフォーム

概要 – ZenMLはPythonベースのフレームワークで、AI/MLエンジニアが**パイプライン（ワークフロー）**を再利用可能なバージョン管理されたステップとして定義し、任意のインフラストラクチャ（ローカル、Docker、Kubernetes、SageMakerなど）で実行できるようにします。自動コンテナ化、アーティファクト追跡、メタデータログ、Webダッシュボードを追加し、既存のツール（MLflow、Weights & Biases、LangChain/Graph、Langfuse、Sagemaker、GCP Vertexなど）と統合します。

重要性 – 現代のAIプロジェクトは、従来のMLモデル、大規模言語モデル（LLM）サービス、自律エージェントを組み合わせます。ZenMLは、データ準備、トレーニングから評価、デプロイ、モニタリング、さらには会話形式での実行クエリまで、ライフサイクル全体をオーケストレーションするため、チームはコードを書き直すことなく実験から本番環境に移行できます。

コア機能（READMEに記載）

パイプライン・アズ・コード – @stepデコレータでパイプラインを記述。任意のPythonロジック（トレーニング、推論、エージェントループ）をラップできます。
インフラ非依存のスタック – シンプルな設定でバックエンド（ローカルDocker、Kubernetes、Kubeflow、SageMaker、GCP Vertexなど）を切り替え可能。
自動コンテナ化とバージョニング – ZenMLは各ステップの再現可能なコンテナを構築し、コード、パラメータ、出力を追跡します。
実行追跡と可観測性 – メトリクス、ログ、メタデータを保存・可視化。MLflow、W&B、Langfuseと統合。
拡張可能な統合 – 一般的なツール用の組み込みコネクタとカスタム統合用プラグインシステム。
Webダッシュボードとクライアント・サーバーアーキテクチャ – パイプライン監視用の専用UI（zenml-dashboardリポジトリ経由）。ローカルまたはリモートサーバーとして実行可能。
LLMOpsとエージェントサポート – RAGパイプライン、エージェンティックワークフロー、評価ループのガイドと例。
MCP（モデル・コンテキスト・プロトコル）チャットインターフェース – Claude Desktop、Cursorなどで自然言語によるパイプラインクエリ。
オープンソースの姉妹プロジェクト Kitaru – AIエージェントのリプレイベース評価。ZenMLと密結合。

典型的なユースケース

シナリオ	ZenMLの利点
従来のMLモデル学習	データ準備、学習、検証ステップを定義。ローカルDockerまたはKubernetesクラスターで実行。MLflow/W&Bで実験追跡。
LLMのファインチューニングとRAGパイプライン	データ取り込み、埋め込み生成、検索、生成、評価をオーケストレーション。ベストプラクティスにはLLMOpsガイドを使用。
エージェンティックワークフロー	LangGraph/LangChainエージェントをステップにラップ。アーキテクチャ比較。Kitaruでリプレイ実行し安全にテスト。
バッチ推論とモニタリング	新データ取得、推論、結果保存、モニタリングダッシュボードへのメトリクス送信をエンドツーエンドのパイプラインで構築。
本番デプロイ	モデルやエージェントをスケーラブルなサービスとしてデプロイ。ZenMLがバージョン管理されたアーティファクトを処理し、MCPチャットインターフェース経由でデプロイをトリガー。
クロスチームコラボレーション	中央集権的なメタデータ、ダッシュボード、チャットベースのクエリにより、データサイエンティスト、エンジニア、プロダクトオーナーが連携。

エコシステムとコミュニティ

統合 – MLflow、Weights & Biases、LangChain/Graph、Langfuse、SageMaker、GCP Vertex、Kubernetes、Kubeflowなど多数（src/zenml/integrations参照）。
拡張機能 – エディタから直接パイプライン管理できるVS Code/Cursor拡張機能。
関連プロジェクト – zenml-dashboard（UI）、mcp-zenml（チャットインターフェース）、kitaru（エージェントリプレイ）。
採用状況 – Airbus、AXA、JetBrains、Rivian、WiseTech Global、Brevo、Leroy Merlin、Koble、Playtika、NielsenIQ、Enelなどの企業が使用。
コミュニティ – GitHub上でオープンソース、Apache-2.0ライセンス、コントリビューションガイド、good-first-issues、公開ロードマップ、Slackコミュニティ、ブログ、定期リリース。

はじめに（READMEより）

# フルクライアント・サーバーパッケージのインストール
pip install "zenml[server]"   # 通常の `pip install zenml` はスリムなクライアントのみ

# ZenMLリポジトリの初期化
zenml init

# ローカルサーバーの起動またはリモートサーバーへの接続
zenml login

その後、examples/フォルダを探索してください。quickstart 例では、パイプライン、ステップ、アーティファクト、スナップショット、デプロイメントを説明しています。

ライセンス

Apache License 2.0 – 無料で使用、変更、配布可能。

TL;DR

ZenMLは、クラウドまたはオンプレミスインフラストラクチャ上でAIパイプライン（LLMやエージェントワークフローを含む）を記述、バージョン管理、実行できる、本番対応のオープンソースMLOpsフレームワークです。組み込みの可観測性、統合、Web UIを備え、従来のMLと最新の生成AIワークロードの両方に統一プラットフォームを提供します。