- Étape 1 : Installer l'agent MLE via pip ou cloner le dépôt GitHub.
- Étape 2 : Configurer les identifiants MLflow, Kubeflow ou Airflow dans le fichier de configuration.
- Étape 3 : Initialiser l'agent avec la commande `mle-agent init`.
- Étape 4 : Interagir avec l'agent via la CLI ou des invites conversationnelles.
- Étape 5 : Récupérer les métriques d'expérience, surveiller les modèles ou planifier des retrainements.
- Étape 6 : Étendre la fonctionnalité en ajoutant ou en personnalisant des plugins.