MLflow 3.8+使用agents.deploy()持久化追踪至Delta推理表的环境变量需求

我当前使用databricks.agents库的agents.deploy()（而非mlflow.deploy()），搭配MLflow 3.8.1及已安装的databricks-agents包。测试发现设置enable_production_monitoring=True仅能启用Beta版质量评分器，无法开启MLflow追踪日志（包含spans、LLM调用记录）。仅当设置环境变量ENABLE_MLFLOW_TRACING=True时，才能将MLflow追踪数据持久化到Delta推理表，但这一配置的相关说明并不明确。

我的具体问题：在MLflow 3.8+版本中，使用agents.deploy()进行程序化部署时，需要配置哪些具体的环境变量或参数，才能将MLflow追踪（spans、LLM调用）持久化至Delta推理表？官方文档未明确说明该场景下的部署流程与配置要求。

已查阅的相关文档（均未明确解答该问题）：

• Databricks Agent Framework API Reference：agents.deploy()的方法签名中未列出enable_production_monitoring参数
• Deploy an agent：说明enable_production_monitoring是Beta版质量评分器的开关，而非MLflow追踪日志的启用开关
• Inference tables：指出mlflow.deploy()会自动启用追踪，但agents.deploy()需要设置ENABLE_MLFLOW_TRACING环境变量，但未补充更多细节
• Tracing deployment reference：提到了ENABLE_MLFLOW_TRACING环境变量，但未明确其在agents.deploy()场景下的具体配置方式
• Request assessment logs：已废弃，不覆盖MLflow 3版本的内容

内容的提问来源于stack exchange，提问作者David