Partager via


Prototype d’agents appelant des outils dans AI Playground

Important

Cette fonctionnalité est disponible en préversion publique .

Cet article explique comment prototyper un assistant IA appelant des outils avec AI Playground.

Utilisez le AI Playground pour créer rapidement un agent de déclenchement d'outils et discuter en temps réel avec lui pour voir comment il se comporte. Ensuite, exportez l’agent pour le déploiement ou un développement ultérieur dans le code Python.

Pour créer des auteurs à l’aide d’une approche code-first, consultez Créer des assistants IA dans le code.

Exigences

Votre espace de travail doit avoir les fonctionnalités suivantes activées pour prototyper des agents à l’aide d’AI Playground :

Agents d’appel d’outils prototypes dans AI Playground

Pour prototyper un agent appelant des outils :

  1. Dans Playground, sélectionnez un modèle avec l’étiquette Outils activés.

    Sélectionner un LLM qui appelle les outils

  2. Sélectionnez Tools et sélectionnez un outil à donner à l’agent. Pour ce guide, sélectionnez la fonction de catalogue Unity intégrée, system.ai.python_exec. Cette fonction permet à votre agent d’exécuter du code Python arbitraire. Pour savoir comment créer des outils d’agent, consultez outils d’agent IA.

    Sélectionner un outil

  3. Discutez pour tester la combinaison actuelle de LLM, d’outils et d’invite système et essayez des variantes.

    Prototyper le LLM

Exporter et déployer des agents AI Playground

Après avoir prototypé l’assistant IA dans AI Playground, exportez-le vers des notebooks Python pour le déployer à un point de terminaison de mise en service de modèle.

  1. Cliquez sur Exporter pour générer des notebooks Python qui définissent et déploient l’agent IA.

    Après avoir exporté le code de l’agent, trois fichiers sont enregistrés dans votre espace de travail. Ces fichiers suivent la méthodologie des modèles MLflow à partir du code, qui définit des agents directement dans le code plutôt que de dépendre d'artefacts sérialisés. Pour plus d’informations, consultez modèle de MLflow à partir du guide de code :

    • agent notebook : contient du code Python définissant votre agent à l’aide de LangChain.
    • driver notebook : contient du code Python pour journaliser, suivre, inscrire et déployer l’agent IA à l’aide de Mosaic AI Agent Framework.
    • config.yml: contient des informations de configuration sur votre agent, y compris les définitions d’outils.
  2. Ouvrez le bloc-notes agent pour afficher le code LangChain définissant votre agent.

  3. Exécutez le notebook driver pour enregistrer et déployer votre agent sur un point de terminaison de mise en service du modèle.

Remarque

Le code exporté peut se comporter différemment de votre session AI Playground. Databricks recommande d’exécuter les notebooks exportés pour itérer et déboguer davantage, évaluer la qualité de l’agent, puis déployer l’agent pour partager avec d’autres personnes.

Développer des agents dans le code

Utilisez les notebooks exportés pour tester et itérer de manière programmatique. Utilisez le notebook pour effectuer des opérations telles que l’ajout d’outils ou l’ajustement des paramètres de l’agent.

Lors du développement par programme, les agents doivent répondre à des exigences spécifiques pour être compatibles avec d’autres fonctionnalités de l’agent Databricks. Pour savoir comment créer des agents à l’aide d’une approche code-first, consultez Créer des agents IA dans le code

Étapes suivantes