- Schritt 1: MLE Agent via pip installieren oder das GitHub-Repository klonen.
- Schritt 2: MLflow-, Kubeflow- oder Airflow-Zugangsdaten in der Konfigurationsdatei einrichten.
- Schritt 3: Den Agenten mit dem Befehl `mle-agent init` initialisieren.
- Schritt 4: Mit der CLI oder Konversationsaufforderungen mit dem Agenten interagieren.
- Schritt 5: Experimentmetriken abrufen, Modelle überwachen oder Nachtrainingsjobs planen.
- Schritt 6: Funktionalität durch Hinzufügen oder Anpassen von Plugins erweitern.