AI プレイグラウンドでのプロトタイプ ツール呼び出しエージェント
重要
この機能は、パブリック プレビューにあります。
この記事では、AI Playgroundを使用して、ツール呼び出し AI エージェントの をプロトタイプ作成する方法について説明します。
AI Playground を使用すると、ツール呼び出しエージェントをすばやく作成し、ライブでチャットして動作を確認できます。 次に、Python コードでデプロイまたは開発のためにエージェントをエクスポートします。
コードファーストアプローチを使用してエージェントを作成するには、「コード で AI エージェントを作成するを参照してください。
必要条件
AI Playground を使用してエージェントをプロトタイプ化するには、ワークスペースで次の機能が有効になっている必要があります。
トークンごとの支払い基盤モデルまたは外部モデル。 「モデル提供が利用できるリージョン」を参照してください
AI Playground のプロトタイプ ツール呼び出しエージェント
ツール呼び出し元エージェントのプロトタイプを作成するには:
Playground で、Tools 有効ラベルが付いているモデルを選択します。
を選択するツール を選択し、エージェントに提供するツールを選択します。 このガイドでは、組み込みの Unity カタログ関数を選択
system.ai.python_exec。 この関数は、任意の Python コードを実行する機能をエージェントに提供します。 エージェント ツールを作成する方法については、ai エージェント ツールの を参照してください。
を選択するLLM、ツール、システム プロンプトの現在の組み合わせをテストし、バリエーションを試すチャット。
LLMする
AI Playground エージェントのエクスポートとデプロイ
AI Playground で AI エージェントのプロトタイプを作成した後、それを Python ノートブックにエクスポートして、モデル サービス エンドポイントにデプロイします。
[ エクスポート] をクリックして、AI エージェントを定義してデプロイする Python ノートブックを生成します。
エージェント コードをエクスポートすると、3 つのファイルがワークスペースに保存されます。 これらのファイルは、シリアル化された成果物に依存するのではなく、コード内でエージェントを直接定義する MLflow のコード手法のモデルに従います。 詳細については、コード ガイド から MLflow のモデルをを参照してください。
agentノートブック: LangChain を使用してエージェントを定義する Python コードが含まれています。driverノートブック: Mosaic AI Agent Framework を使用して AI エージェントのログ記録、トレース、登録、デプロイを行う Python コードが含まれています。config.yml: ツール定義など、エージェントに関する構成情報が含まれます。
agentノートブックを開き、エージェントを定義する LangChain コードを確認します。ノートブック
driver実行して、エージェントをログに記録し、モデル サービス エンドポイントにデプロイします。
手記
エクスポートされたコードの動作は、AI Playground セッションとは異なる場合があります。 Databricks では、エクスポートされたノートブックを実行して、さらに反復処理とデバッグを行い、エージェントの品質を評価してから、他のユーザーと共有するようにエージェントをデプロイすることをお勧めします。
コードでエージェントを開発する
エクスポートされたノートブックを使用して、プログラムを使用してテストおよび反復処理します。 ノートブックを使用して、ツールの追加やエージェントのパラメーターの調整などを行います。
プログラムで開発する場合、エージェントは他の Databricks エージェント機能と互換性を持つ特定の要件を満たす必要があります。 コードファーストアプローチを使用してエージェントを作成する方法については、「コード で AI エージェント 作成する」を参照してください。
次の手順
- 独自のエージェント ツールを作成します。
- AI エージェントのをログに記録します。
- AI エージェントにトレースを追加します。
- AI エージェントをデプロイします。