Tejas-TA/predikit

해결하는 문제

predikit는 전통적인 머신러닝 모델(예: scikit-learn 및 XGBoost)을 LLM 에이전트가 호출할 수 있도록 하기 위해 필요한 번거로운 연결 코드를 제거합니다. JSON 스키마 자동 생성, 입력 검증 및 타입 캐스팅 처리, AI 에이전트용 도구로 이러한 모델을 표준화된 방식으로 통합하는 방법을 제공합니다.

작동 방식

이 라이브러리는 훈련된 ML 모델을 ModelTool 객체로 래핑합니다. 입력 스키마를 위한 Pydantic BaseModel을 정의하면 predikit는 OpenAI 또는 LangChain과 같은 LLM API에 필요한 JSON 스키마를 자동으로 생성합니다. 입력 필드 이름이 모델의 훈련 특성과 정확히 일치하도록 보장하고, 모델의 .predict() 메서드를 실행하여 구조화된 형식으로 결과를 반환합니다.

대상 사용자

API 스키마 및 검증을 수동으로 작성하지 않고도, 훈련된 예측 모델을 LLM 기반 에이전트용 도구로 노출시키고 싶은 데이터 과학자 및 AI 엔지니어를 위한 것입니다.

주요 기능

• 자동 생성 스키마: OpenAI 함수 호출 및 LangChain StructuredTool 형식으로 1줄로 내보내기 가능.
• 모델 앙상블: 투표, 평균화, 수집을 통해 여러 모델을 결합하는 내장 전략.
• 신뢰도 라우팅: 분류기의 예측 신뢰도가 지정된 임계값 이하일 경우 경고, 오류 발생 또는 백업 도구로 라우팅할 수 있음.
• 레지스트리 로더: MLflow 및 Snowflake Model Registries에 직접 통합되어 수동 로딩 코드 없이 모델을 로드할 수 있음.
• MCP 서버 지원: CLI 또는 인프로세스 서버를 통해 Model Context Protocol (MCP)를 통해 도구 레지스트리 제공 가능.
• 타입 안정성: Pydantic v2를 사용하여 엄격한 입력 검증과 LLM 생성된 문자열(예: "yes" → True)의 자동 변환을 지원.