AWS SageMaker: cómo integrar la interfaz de MLflow en un portal propio con React

AWS ha publicado una guía detallada para integrar la interfaz de SageMaker MLflow Apps directamente en una aplicación web propia. La documentación describe la arquitectura completa (React + Flask + AWS CDK), el proceso de despliegue y los aspectos clave de seguridad para escenarios empresariales.

Por qué integrar MLflow en un portal propio

MLflow es una herramienta popular para el seguimiento de experimentos de ML, el versionado de modelos y la gestión de artefactos. Los científicos de datos y los ingenieros la usan constantemente. El problema: cuando una empresa tiene muchos sistemas, los empleados pierden tiempo al cambiar entre interfaces.

SageMaker MLflow Apps permite ejecutar MLflow en la nube de AWS. Integrar este servicio en un portal corporativo era una tarea complicada: exigía gestionar correctamente la autenticación de AWS, el proxy de las solicitudes y el control de acceso. Ahora AWS ha presentado una solución lista que se puede copiar y adaptar a las necesidades de cada empresa.

Arquitectura: React, Flask y SigV4

La solución tiene tres capas. El frontend en React muestra la interfaz de MLflow, gestiona la sesión del usuario y envía solicitudes al backend. El proxy inverso de Flask intercepta las solicitudes del navegador, añade a cada una una firma AWS Signature Version 4 (SigV4), la reenvía a SageMaker MLflow y devuelve la respuesta al cliente.

• La aplicación React gestiona la interfaz y la autorización del usuario
• El controlador de Flask añade firmas SigV4 a las solicitudes
• AWS SageMaker MLflow procesa los datos de modelos y experimentos
• AWS CDK crea automáticamente toda la infraestructura
• CloudTrail registra todas las operaciones para auditoría

Toda la pila se despliega con AWS CDK (Cloud Development Kit), una herramienta de Infrastructure as Code que crea automáticamente todos los recursos de AWS necesarios a partir de código en Python o TypeScript.

Cómo funciona la seguridad

SigV4 es un mecanismo de firma electrónica para las solicitudes a la API de AWS. El servidor Flask tiene las credenciales de IAM y firma cada solicitud antes de enviarla a SageMaker. El navegador nunca ve las claves de AWS, que se almacenan solo en el servidor Flask.

«La arquitectura con proxy inverso permite centralizar la

autenticación y mantener un control total sobre el acceso», describe AWS este enfoque en su documentación.

Esto permite ocultar las credenciales al cliente, controlar el acceso mediante políticas de IAM, registrar todas las solicitudes en CloudTrail y separar los permisos por usuario. Incluso si un usuario abre las DevTools del navegador, no encontrará claves secretas de AWS.

Qué significa

AWS ha simplificado la migración de MLflow al entorno empresarial. Las grandes compañías ya pueden integrar SageMaker MLflow en su portal corporativo, una aplicación única a través de la cual los empleados acceden a todas sus herramientas.

La guía incluye el código fuente completo, instrucciones de despliegue paso a paso y una lista de verificación para comprobar el despliegue.