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.
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.