Tejas-TA/predikit

解決的問題

predikit 消除了將傳統機器學習模型（如 scikit-learn 和 XGBoost）整合至 LLM 代理所需的繁瑣膠水程式碼。它自動化生成 JSON 模式，處理輸入驗證與類型轉換，並提供標準化方式，將這些模型作為 AI 代理的工具進行整合。

工作原理

該庫將訓練好的 ML 模型封裝在 ModelTool 物件中。透過定義 Pydantic 的 BaseModel 作為輸入模式，predikit 會自動為 LLM API（如 OpenAI 或 LangChain）生成所需的 JSON 模式。它確保輸入欄位名稱與模型訓練特徵完全匹配，並處理模型 .predict() 方法的執行，以結構化格式返回結果。

適用對象

希望將訓練好的預測模型作為 LLM 驅動的代理工具使用，而無需手動編寫 API 模式與驗證程式碼的資料科學家與 AI 工程師。

主要亮點

• 自動生成功能：一行程式碼即可導出為 OpenAI 函數呼叫與 LangChain StructuredTool 格式。
• 模型集成：內建策略支援透過投票、平均或集合方式組合多個模型。
• 置信度路由：當分類器的預測置信度低於指定閾值時，可選擇警告、拋出錯誤或路由至備用工具。
• 註冊表載入器：直接整合 MLflow 與 Snowflake Model Registries，無需手動載入程式碼即可載入模型。
• MCP 伺服器支援：可透過 CLI 或進程內伺服器，透過 Model Context Protocol (MCP) 提供工具註冊表服務。
• 類型安全性：使用 Pydantic v2 實現嚴格的輸入驗證，並自動將 LLM 生成的字串（如 "yes" 轉為 True）進行類型轉換。