OuterSpace Apizr

OuterSpace Apizr

Comprende y compara experimentos de ciencia de datos. Conecta funciones seleccionadas de Python a agentes de IA a través de MCP, o exponlas como APIs REST.

Apizr es un compilador de capacidades de código abierto: analiza código Python existente, elige qué funciones son públicas, genera sus interfaces y define cómo se ejecutan. Tu lógica de negocio permanece en Python.

Inicio rápido para científicos de datos: notebook → ejecuciones → predicción · Inicio rápido: haz tus primeras llamadas MCP y REST · El recorrido completo

Sigue Instalar Apizr y luego el Inicio rápido. Consulta el historial de versiones para funcionalidades específicas por versión, compatibilidad y publicación verificada. El recorrido es: código Python → descubrir/seleccionar capacidades → exponer como REST/MCP → opcionalmente entregar como OCI.

Apizr 0.4.5 está disponible en PyPI. El núcleo y los complementos opcionales MCP, OCI y Attest comparten la misma versión. Consulta el registro de versiones para funcionalidades, artefactos públicos verificados y evidencia de instalación.

Python 3.11–3.14 · GPL-3.0-or-later.

Apizr 0.4.5 te permite registrar y comparar experimentos, y luego seleccionar explícitamente una función de predicción para REST o MCP. Conoce qué datos, código, parámetros y entorno produjeron tu resultado. Prueba el notebook ordinario de scikit-learn.

Apizr 0.4.5 también reconoce cargas útiles de modelos TypedDict de Python compatibles como entradas JSON anidadas y compartidas para REST y MCP. Consulta la guía de inspección de código fuente para un ejemplo ejecutable y los límites de declaración actuales.

También añade análisis MCP conciso: solicita view="summary", luego inspecciona una función con view="detail", capability_id="python:model:predict". La guía del servidor de análisis explica la evidencia de dependencias, la paginación y las negativas de exposición localizadas.

Instalar con uv

Con uv y Python 3.11–3.14 instalados:

uv tool install outerspace-apizr==0.4.5

Rutas de documentación

Empieza aquí · Ejemplos · Guía de usuario · Guía de desarrollador · Guía de operaciones · Referencia

Exponer una función existente no requiere una Ejecución de Experimento. La ruta de experimento es opcional cuando la evidencia registrada ayuda a tu trabajo. La guía de desarrollador integra Apizr; Contribuir cubre cómo modificar Apizr en sí.

Elige tu ruta

¿Tienes un script de entrenamiento o un notebook? Apizr 0.4.5 añade un primer paso sin ejecución:

apizr experiment inspect train.py

Consulta código, datos, parámetros, aleatoriedad, entorno, métricas, salidas y candidatos de servicio. Sigue el ejemplo de inspección de experimentos para configuración, notebooks y JSON. No se necesita instalación de frameworks de ciencia.

Apizr también puede ejecutar cargas de trabajo confiables y mantener historial local. run ejecuta tu código con acceso al sistema de archivos del host, red y subprocesos; no es un sandbox de seguridad. Este pequeño ejemplo usa solo la biblioteca estándar:

cat > local_run.py <<'PY'
from pathlib import Path
mean = sum([2, 4, 6]) / 3
Path("model.json").write_text('{"mean": 4.0}\n')
PY
apizr experiment inspect local_run.py
RUN=$(apizr experiment run local_run.py --metric mean=mean --output model=model.json --format json | python3 -c 'import json,sys; print(json.load(sys.stdin)["run_digest"])')
apizr experiment list
apizr experiment show "$RUN"

Lee la guía de ejecución local e historial para controles de entorno, evidencia observada, manejo de fallos y límites de almacenamiento.

Tu objetivo	Empieza aquí
Comprender un script de entrenamiento o notebook (0.4.5)	Inspeccionar un experimento sin ejecutarlo
Exponer funciones de Python como herramientas MCP o endpoints REST	Instalar → Inicio rápido
Analizar un proyecto desde un cliente MCP	Instalar el perfil MCP → servidor de análisis
Construir y entregar un servicio	Instalar OCI o entrega → OCI y Attest
Inicializar y diagnosticar un proyecto (0.4.2)	Init seguro, doctor de solo lectura y completado de shell
Validar/construir en CI (0.4.2)	GitHub Action, componente fuente de GitLab y apizr ci

El núcleo maneja el análisis estático y la generación compatibles. Los servidores generados tienen sus propias dependencias de tiempo de ejecución. Los complementos opcionales viven en entornos separados; la instalación, activación y autorización del operador son decisiones independientes.

Apizr 0.4.5 te permite exponer una función independiente mientras experimentos no relacionados permanecen sin terminar; consulta el ejemplo de repositorio de investigación.

Inspeccionar → Ejecutar → Comparar → Exponer

"Mi ROC AUC cambió. ¿Qué más cambió entre estas ejecuciones?" Este ejemplo solo con núcleo registra dos ejecuciones locales confiables y luego compara su evidencia guardada.

cat > compare_train.py <<'PYTHON'
max_depth = 8
score = 0.91
PYTHON
apizr experiment inspect compare_train.py
A=$(apizr experiment run compare_train.py --metric roc_auc=score --format json | python3 -c 'import json,sys; print(json.load(sys.stdin)["run_digest"])')
cat > compare_train.py <<'PYTHON'
max_depth = 12
score = 0.92
PYTHON
B=$(apizr experiment run compare_train.py --metric roc_auc=score --format json | python3 -c 'import json,sys; print(json.load(sys.stdin)["run_digest"])')
apizr experiment list
apizr experiment diff "$A" "$B"
rm compare_train.py
apizr experiment diff "$A" "$B" --format json > comparison.json

A → B significa evidencia añadida en B o eliminada de A; los deltas numéricos son B - A. show lee una Ejecución; diff compara dos Ejecuciones del mismo almacén local validado. La comparación sigue funcionando después de eliminar la fuente. Las observaciones desconocidas permanecen desconocidas. Apizr identifica diferencias registradas; no prueba cuál causó el cambio de métrica. Lee la guía de comparación para evidencia de datos, entorno y salidas.

Después de revisar una Ejecución exitosa, selecciona explícitamente su capacidad de servicio:

apizr experiment expose <RUN> --root . --operator-policy operator.json \
  --capability python:fraud_detection:predict --interface mcp \
  --artifact model --output-dir dist/predict

La fuente actual y los bytes del recurso seleccionado deben coincidir con la Ejecución. La Preparación del Repositorio y la Exposición deciden la elegibilidad. Sigue la guía de Experimento → servicio para autoridad de fuente, pines de dependencia exactos y límites actuales de servicio directo.

Expón las funciones que elijas

Preparación informa si la evidencia de código disponible respalda una interfaz. Una política de exposición nombra las funciones que eliges hacer públicas. Un bundle es el servidor generado, sus contratos y la fuente necesaria para esas funciones. Estar preparado nunca hace pública una función automáticamente.

Conéctate a través de	Empieza con
Herramientas MCP para agentes y otros clientes	Generar MCP y hacer dos llamadas
Endpoints REST para aplicaciones	Generar REST y enviar dos solicitudes

El servidor MCP generado llama a tus funciones seleccionadas. El servidor MCP de análisis de Apizr separado analiza repositorios y planifica la exposición; no ejecuta sus funciones.

Elige los límites de ejecución

El análisis y la generación no ejecutan el proyecto. Iniciar un servidor generado y llamar a sus funciones sí lo hace: usa fuente y dependencias confiables. El modo Directo ejecuta funciones dentro del servidor. El modo Gobernado usa una política de ejecución para elegir un trabajador y sus límites requeridos: un proceso local nuevo o un contenedor OCI por llamada. Los trabajadores locales no aíslan el sistema de archivos del host ni la red; los contenedores no son una garantía de código no confiable.

El Inicio rápido directo no necesita Docker. Lee la guía de exposición para ejemplos gobernados y los límites de ejecución para sus garantías y limitaciones.

Flujos de trabajo y límites existentes

inspect, generate rest/mcp y execute de fuente única siguen siendo compatibles. Apizr 0.4.2 también exporta bundles REST verificados a colecciones de Postman, Bruno y Insomnia, con archivos deterministas y regeneración local segura.

El pipeline histórico es una ruta de compatibilidad separada. Consulta el recorrido completo para límites de dependencia, recursos y exposición.

Mira la demo · Guía de arquitectura · Desarrollo y verificaciones · Reportar un problema · GPL-3.0-or-later