跳转至

MLflow / JupyterLab / MCP

MLflow

Lite:

stats = bt.run()
bt.log_mlflow(
    experiment_name="tradelearn-research",
    run_name="lite-index-enhance",
    artifacts=["report.html", "plot.html"],
)

Engine:

cerebro.addanalyzer(
    bt.analyzers.MLflowAnalyzer,
    _name="mlflow",
    experiment_name="tradelearn-research",
)

MLflow 适合记录：

  • 参数和核心指标。
  • report.html / plot.html。
  • CSV artifacts。
  • XLSX artifacts。
  • research steps 和 allocator 参数。

JupyterLab

tradelearn.lab 用于本地研究环境启动计划，适合把 notebook、MLflow、MCP 工具放到同一研究工作台里。

MCP

tradelearn.mcp 面向自动化工具和智能助手集成，用于检索项目、配置、API、lab plan 等能力。它不承载策略语义，也不反向进入回测 runtime。