Поделиться через


Создание агента ИИ

В этой статье описывается процесс создания агентов ИИ в Azure Databricks и описаны доступные методы для создания агентов.

Дополнительные сведения об агентах см. в статье Что такое составные системы ИИ и агенты ИИ?.

Создание агента в коде

Платформа агента ИИ Мозаики и MLflow предоставляют средства, помогающие создавать агенты, готовые для предприятий, в Python.

Databricks поддерживает агенты разработки с помощью библиотек разработки сторонних агентов, таких как LangGraph/LangChain, LlamaIndex или пользовательские реализации Python.

Сведения о создании агентов ИИ в Databricks см. в статье Создание агентов ИИ в коде.

Прототипирование агентов с помощью ИИ-платформы

Платформа искусственного интеллекта — самый простой способ создать агент в Azure Databricks. AI Playground позволяет выбирать из различных LLM и быстро добавлять инструменты в LLM с помощью интерфейса с малым количеством программирования. Затем вы можете общаться с агентом, чтобы протестировать ответы, а затем экспортировать агент в код для развертывания или дальнейшей разработки.

См. прототипы агентов по вызову инструментов в ИИ-площадке.

ИИ Плейграунд предоставляет вариант с низким уровнем кода для прототипирования агентов.

Понять сигнатуры модели для обеспечения совместимости с функциями Databricks

Databricks использует подписи модели MLflow для определения входной и выходной схемы агентов. Функции продукта, такие как ИИ-площадка, предполагают, что у вашего агента есть один из наборов поддерживаемых подписей модели.

Если вы следуете рекомендуемый подход к агентам разработки, MLflow автоматически выведет подпись для агента, совместимого с функциями продукта Databricks, без дополнительной работы, необходимой для вашей части.

В противном случае необходимо убедиться, что ваш агент соответствует одной из других подписей в схеме входных и выходных данных агента прежних версий , чтобы обеспечить совместимость с функциями Databricks.