Prototipo de agentes para invocar herramientas en AI Playground

Importante

Esta característica está en versión preliminar pública.

En este artículo se muestra cómo crear prototipos de agente de IA para invocar herramientas con AI Playground.

Use AI Playground para crear rápidamente un agente de llamada a herramientas y chatear con él en directo para ver cómo se comporta. A continuación, exporte el agente para la implementación o el desarrollo posterior en el código de Python.

Para crear agentes mediante un enfoque de código primero, consulte Creación de agentes de IA en el código.

Requisitos

El área de trabajo debe tener las siguientes características habilitadas para crear prototipos de agentes mediante AI Playground:

• Unity Catalog

• computación sin servidor

• Mosaic AI Agent Framework

• Modelos de base de pago por token o modelos externos. Consulte Modelo que atiende la disponibilidad regional

Prototipo de agentes para invocar herramientas en AI Playground

Para crear prototipos de un agente que invoca herramientas:

1. En Playground, seleccione un modelo con la etiqueta Herramientas habilitadas.

   

2. Seleccione Herramientas y seleccione una herramienta para darle al agente. Para esta guía, seleccione la función de catálogo de Unity integrada, system.ai.python_exec. Esta función proporciona al agente la capacidad de ejecutar código arbitrario de Python. Para aprender cómo crear herramientas de agentes, consulte herramientas de IA para agentes.

   

3. Chatee para probar la combinación actual de LLM, herramientas y mensaje del sistema y probar distintas variaciones.

   LLM

Exportación e implementación de agentes de AI Playground

Después de prototipar el agente de IA en AI Playground, expórtelo a notebooks de Python para implementarlo en un punto final de servicio del modelo.

1. Haga clic en Exportar para generar cuadernos de Python que definen e implementan el agente de IA.

   Después de exportar el código del agente, se guardan tres archivos en el área de trabajo. Estos archivos siguen los modelos de MLflow de la metodología de código, que define los agentes directamente en el código en lugar de confiar en artefactos serializados. Para obtener más información, consulte Modelo de MLflow en la guía de código:

   • Cuaderno agent: contiene código de Python que define el agente mediante LangChain.
   • Cuaderno driver: contiene código de Python para registrar eventos, trazar, hacer un seguimiento e implementar el agente de IA mediante Mosaic AI Agent Framework.
   • config.yml: contiene información de configuración sobre el agente, incluidas las definiciones de herramientas.

2. Abra el cuaderno agent para ver el código LangChain que define el agente.

3. Ejecute el cuaderno driver para registrar e implementar su agente en un modelo de puntos de conexión de servicio.

Nota

El código exportado podría comportarse de forma diferente a la sesión de AI Playground. Databricks recomienda ejecutar los cuadernos exportados para iterar y depurar más, evaluar la calidad del agente e implementar el agente para compartirlo con otros usuarios.

Desarrollo de agentes en código

Utiliza los cuadernos exportados para probar e iterar de forma programática. Use el cuaderno para hacer cosas como agregar herramientas o ajustar los parámetros del agente.

Al desarrollar mediante programación, los agentes deben cumplir requisitos específicos para que sean compatibles con otras características del agente de Databricks. Para obtener información sobre cómo crear agentes mediante un enfoque de código primero, consulte Creación de agentes de IA en el código

Pasos siguientes

• Crea tus propias herramientas de agente.
• Registro de un agente de IA.
• Adición de trazados a un agente de IA.
• Implementación de un agente de IA.