Перевод tracking на SQLite + HTTP-клиенты (file-store запрещён в MLflow 3.x)

- start_ui.sh: SQLite backend (sqlite:///mlflow.db) вместо file-store
- все скрипты src/: mlflow.set_tracking_uri(http://localhost:5555) с env-override
- README: сервер должен быть запущен до запуска скриптов
- AGENTS.md: обновлена архитектура хранения и gotcha

start_ui.sh

@@ -3,45 +3,38 @@
 #  Запуск MLflow Tracking Server
 #  Откройте в браузере: http://localhost:5555
 #
-#  Backend store = file://$(pwd)/mlruns  (тот же каталог, куда скрипты
-#  пишут по умолчанию). Поэтому UI видит все эксперименты/запуски
-#  без доп. настройки tracking URI в скриптах.
+#  Backend store = SQLite (mlflow.db) — recommended MLflow backend.
+#  Скрипты в src/ логируют на этот сервер (http://localhost:5555) через
+#  mlflow.set_tracking_uri(...) — поэтому UI и скрипты работают с одной
+#  базой, и эксперименты сразу видны в UI.
 #
-#  ВАЖНО: file-store как СЕРВЕРНЫЙ бэкенд в новых MLflow (3.x) переведён в
-#  maintenance mode и по умолчанию запрещён. Официальный opt-out —
-#  MLFLOW_ALLOW_FILE_STORE=true (его и выставляем ниже). Это касается только
-#  `mlflow server`; клиентский file store (как пишут скрипты) работает и без него.
+#  ⚠️ file-store как tracking backend в новых MLflow (3.x) переведён в
+#  maintenance mode и запрещён (ошибка и на сервере, и у клиента-скрипта).
+#  Поэтому используем sqlite. Артефакты при этом лежат на локальном диске
+#  в ./artifacts (file-based artifact repository — он НЕ в maintenance mode).
 #
-#  Альтернатива — SQLite-бэкенд (recommended MLflow, без opt-out). Тогда
-#  раскомментируйте блок SQLITE ниже и закомментируйте FILE, а в скриптах
-#  задайте mlflow.set_tracking_uri("http://localhost:5555")
-#  (или export MLFLOW_TRACKING_URI=http://localhost:5555).
+#  Запустите сервер ДО запуска скриптов обучения:
+#    ./start_ui.sh          # в одном терминале
+#    python src/train_simple.py ...   # в другом (нужен работающий сервер)
 # ============================================================
 set -e
 cd "$(dirname "$0")"
 
-PORT=5555
+PORT="${MLFLOW_PORT:-5555}"
 
 echo "🚀 Запускаем MLflow Tracking Server..."
-echo "   UI:    http://localhost:${PORT}"
-echo "   Store: file://${PWD}/mlruns"
+echo "   UI:        http://localhost:${PORT}"
+echo "   Backend:   sqlite:///${PWD}/mlflow.db"
 echo "   Artifacts: file://${PWD}/artifacts"
 echo ""
+echo "   Скрипты логируют сюда через MLFLOW_TRACKING_URI=http://localhost:${PORT}"
+echo "   (можно переопределить: export MLFLOW_TRACKING_URI=http://<host>:${PORT})"
+echo ""
 echo "   Нажмите Ctrl+C для остановки"
 echo ""
 
-# ─── FILE backend (по умолчанию — единое хранилище со скриптами) ───
-# MLFLOW_ALLOW_FILE_STORE=true — opt-out из maintenance mode file-store бэкенда.
-export MLFLOW_ALLOW_FILE_STORE=true
 mlflow server \
-    --backend-store-uri "file://${PWD}/mlruns" \
+    --backend-store-uri "sqlite:///${PWD}/mlflow.db" \
     --default-artifact-root "file://${PWD}/artifacts" \
     --host 0.0.0.0 \
     --port "${PORT}"
-
-# ─── SQLITE backend (альтернатива — см. комментарий в шапке) ──────
-# mlflow server \
-#     --backend-store-uri sqlite:///mlflow.db \
-#     --default-artifact-root ./artifacts \
-#     --host 0.0.0.0 \
-#     --port "${PORT}"