Vytvoření agenta AI

Tento článek představuje proces vytváření agentů AI v Azure Databricks a popisuje dostupné metody pro vytváření agentů.

Další informace o agentech najdete v tématu Co jsou složené systémy AI a agenti umělé inteligence?.

Vytvoření agenta v kódu

Rámec agentů Mosaic AI a MLflow poskytují nástroje, které vám pomohou vyvíjet podnikově připravené agenty v Pythonu.

Databricks podporuje vytváření agentů pomocí knihoven pro vytváření agentů třetích stran, jako jsou LangGraph/LangChain, LlamaIndex nebo vlastní implementace Pythonu.

Informace o vytváření agentů AI v Databricks najdete v tématu Vytváření agentů AI v kódu.

Prototypy agentů s AI Playground

AI Playground představuje nejjednodušší způsob, jak vytvořit agenta v Azure Databricks. AI Playground umožňuje vybírat z různých LLM a rychle přidávat nástroje do LLM pomocí uživatelského rozhraní s nízkým kódem. Pak můžete s agentem chatovat a otestovat jeho odpovědi a pak agenta exportovat do kódu pro nasazení nebo další vývoj.

Viz prototyp agentů pro volání nástrojů vAI Playground .

Vysvětlení podpisů modelu za účelem zajištění kompatibility s funkcemi Databricks

Databricks používá podpisy modelů MLflow k definování vstupního a výstupního schématu agentů. Funkce produktů, jako je AI Playground, předpokládají, že váš agent má některou ze sady podporovaných podpisů modelu.

Pokud postupujete podle doporučeného přístupu k vytváření agentů, MLflow automaticky odvozuje podpis pro vašeho agenta, který je kompatibilní s funkcemi produktu Databricks, a nevyžaduje se žádná další práce na vaší straně.

Jinak musíte zajistit, aby váš agent dodržoval jeden z ostatních podpisů v starším schématu vstupního a výstupního agenta, aby se zajistila kompatibilita s funkcemi Databricks.