MLflow 是管理机器学习端到端生命周期的开源平台，帮助数据科学家和机器学习工程师跟踪实验、将代码打包为可复现运行，并把模型部署到不同平台。其核心概念包括 Experiment、Run、Model、Model Version。官方文档见 https://www.mlflow.org/docs/latest/index.html。
本技能通过 Membrane CLI 与 MLflow 交互，由 Membrane 自动处理认证与凭据刷新。安装 CLI：npm install -g @membranehq/cli@latest。登录：membrane login --tenant --clientName=<agentType>；无界面环境会输出授权 URL，用户完成登录后用 membrane login complete <code> 收尾。任意命令加 --json 可获得机器可读输出。
连接 MLflow 可执行 membrane connection ensure "https://mlflow.org/" --json，用户在浏览器完成认证后得到连接 id。若连接处于 BUILDING 状态，用 npx @membranehq/cli connection get <id> --wait --json 轮询，直到 READY；若为 CLIENT_ACTION_REQUIRED，则按 clientAction 说明完成认证或输入。
查找动作：membrane action list --connectionId=CONNECTION_ID --intent "QUERY" --limit 10 --json，结果含 id、name、description、inputSchema、outputSchema。运行动作：membrane action run <actionId> --connectionId=CONNECTION_ID --json，传参用 --input '{"key": "value"}'，结果在响应的 output 字段。当已有动作不覆盖需求时，可用 membrane request CONNECTION_ID /path/to/endpoint 通过代理直接请求 MLflow API，支持 -X/--method、-H/--header、-d/--data、--json、--rawData、--query、--pathParam 等选项。
适用场景为需要以编程方式与 MLflow 数据交互、管理记录或自动化工作流的用户。限制：具体可用动作、支持的字段与接口覆盖范围取决于 Membrane 侧实现，资料未提供完整动作清单，需通过 action list 实际发现；使用本技能需先安装并登录 Membrane CLI。