Erstellen eines Prototyps für Toolaufruf-Agents im KI-Playground
Wichtig
Dieses Feature befindet sich in der Public Preview.
In diesem Artikel wird gezeigt, wie Sie im KI-Playground einen Prototyp für einen Toolaufruf-KI-Agent erstellen.
Verwenden Sie den KI-Playground, um schnell einen Toolaufruf-Agent zu erstellen und zum Überprüfen seines Verhaltens live mit ihm zu chatten. Exportieren Sie dann den Agent für die Bereitstellung oder Weiterentwicklung im Python-Code.
Informationen zum Erstellen von Agents mit einem Code-First-Ansatz finden Sie unter Author AI agents in code (Erstellen von KI-Agents im Code).
Anforderungen
Ihr Arbeitsbereich muss über die folgenden Features verfügen, um Agents mit AI Playground prototypenfähig zu machen:
Entweder Pay-per-Token-Foundation-Modelle oder externe Modelle. Weitere Informationen finden Sie unter Regionale Verfügbarkeit der Modellbereitstellung.
Erstellen eines Prototyps für Toolaufruf-Agents im KI-Playground
So erstellen Sie einen Prototyp für einen Toolaufruf-Agent
Wählen Sie im Playground ein Modell mit der Bezeichnung Aktivierte Tools aus.
Wählen Sie Tools aus, und wählen Sie ein Tool aus, das dem Agent übergeben werden soll. Wählen Sie für diese Anleitung die integrierte Unity-Katalogfunktion
system.ai.python_exec
aus. Diese Funktion bietet Ihrem Agent die Möglichkeit, beliebigen Python-Code auszuführen. Informationen zum Erstellen von Agenttools finden Sie unter KI-Agent-Tools.Chatten Sie, um die aktuelle Kombination von LLM, Tools und Systemaufforderungen zu testen und Variationen auszuprobieren.
Exportieren und Bereitstellen von KI-Playground-Agents
Nachdem Sie den KI-Agenten im KI-Playground erstellt haben, exportieren Sie ihn in Python Notebooks, um ihn an einem Endpunkt für Modelldienste bereitzustellen.
Klicken Sie auf Exportieren, um Python-Notizbücher zu generieren, die den KI-Agent definieren und bereitstellen.
Nach dem Exportieren des Agentcodes werden drei Dateien in Ihrem Arbeitsbereich gespeichert. Diese Dateien folgen den Modellen von MLflow aus der Codemethodik, die Agents direkt im Code definiert, anstatt sich auf serialisierte Artefakte zu verlassen. Weitere Informationen finden Sie in der Anleitung zu Modellen aus Code von MLflow:
agent
Notizbuch: Enthält Python-Code, der Ihren Agent mithilfe von LangChain definiert.driver
Notizbuch: Enthält Python-Code zum Protokollieren, Nachverfolgen, Registrieren und Bereitstellen des KI-Agents mithilfe von Mosaik AI Agent Framework.config.yml
: Enthält Konfigurationsinformationen zu Ihrem Agent, einschließlich Tooldefinitionen.
Öffnen Sie das
agent
Notizbuch, um den LangChain-Code anzuzeigen, der Ihren Agent definiert.Führen Sie das
driver
-Notebook aus, um Ihren Agent zu protokollieren und auf einem Bereitstellungsendpunkt bereitzustellen.
Anmerkung
Der exportierte Code verhält sich möglicherweise anders als Ihre AI Playground-Sitzung. Databricks empfiehlt, die exportierten Notebooks zum Durchlaufen und weiteren Debuggen auszuführen, die Qualität des Agents zu bewerten und den Agent dann zur Freigabe für andere Benutzer bereitzustellen.
Agenten im Code entwickeln
Verwenden Sie die exportierten Notizbücher, um automatisiert zu testen und zu iterieren. Verwenden Sie das Notizbuch, um z. B. Tools hinzuzufügen oder die Parameter des Agents anzupassen.
Bei der programmgesteuerten Entwicklung müssen Agents bestimmte Anforderungen erfüllen, um mit anderen Databricks-Agent-Features kompatibel zu sein. Informationen zum Erstellen von Agents mit einem Code-first-Ansatz finden Sie unter Erstellen von KI-Agents im Code