Prototyp av verktygsanropande agenter i AI-lekplatsen

Viktig

Den här funktionen finns i offentlig förhandsversion.

Den här artikeln visar hur du prototypar en AI-agent som kräver ett verktyg för med AI Playground .

Använd AI Playground för att snabbt skapa en verktygssamtalsagent och chatta med den live för att se hur den fungerar. Exportera sedan agenten för distribution eller vidareutveckling i Python-kod.

Information om hur du skapar agenter med hjälp av en kod först-metod finns i Skapa AI-agenter i kod.

Krav

Din arbetsyta måste ha följande funktioner aktiverade för prototypagenter med AI Playground:

• Unity Catalog

• serverlös beräkning

• Without additional context or a known Swedish equivalent, the translation remains as "Mosaic AI Agent Framework".

• Antingen grundmodeller med betalning per token eller externa modeller. Se modell som betjänar regional tillgänglighet

Prototypverktygssamtalsagenter i AI Playground

För att skapa en agent för verktygsanrop:

1. Från Playground väljer du en modell med etiketten Tools aktiverat.

   

2. Välj Verktyg och välj ett verktyg att ge till agenten. I den här guiden väljer du den inbyggda funktionen Unity Catalog system.ai.python_exec. Den här funktionen ger din agent möjlighet att köra godtycklig Python-kod. Mer information om hur du skapar agentverktyg finns i AI-agentverktyg.

   

3. Chatta för att testa den aktuella kombinationen av LLM, verktyg och systemprompt och prova varianter.

   

Exportera och distribuera AI Playground-agenter

När du har skapat prototyper för AI-agenten i AI Playground exporterar du den till Python-notebook-filer för att distribuera den till en modell som betjänar slutpunkten.

1. Klicka på Exportera för att generera Python-notebook-filer som definierar och distribuerar AI-agenten.

   När du har exporterat agentkoden sparas tre filer på din arbetsyta. Dessa filer följer MLflows modeller från kodmetoden, som definierar agenter direkt i kod i stället för att förlita sig på serialiserade artefakter. Mer information finns i MLflows modell från kodguiden:

   • agent notebook-fil: Innehåller Python-kod som definierar din agent med hjälp av LangChain.
   • driver notebook-fil: Innehåller Python-kod för att logga, spåra, registrera och distribuera AI-agenten med hjälp av Mosaic AI Agent Framework.
   • config.yml: Innehåller konfigurationsinformation om din agent, inklusive verktygsdefinitioner.

2. Öppna agent notebook-filen för att se LangChain-koden som definierar din agent.

3. Kör driver notebook-fil för att logga och distribuera din agent till en modellserverslutpunkt.

Not

Den exporterade koden kan bete sig annorlunda än din AI Playground-session. Databricks rekommenderar att du kör de exporterade notebook-filerna för att iterera och felsöka ytterligare, utvärdera agentkvaliteten och sedan distribuera agenten för att dela med andra.

Utveckla programvaruagenter i kod

Använd de exporterade notebook-filerna för att testa och iterera programmatiskt. Använd notebook-filen för att göra saker som att lägga till verktyg eller justera agentens parametrar.

När agenterna utvecklas programmatiskt måste de uppfylla specifika krav för att vara kompatibla med andra Databricks-agentfunktioner. Information om hur du skapar agenter med hjälp av en kod-första metod finns i Skapa AI-agenter i kod

Nästa steg

• Skapa egna agentverktyg.
• Logga en AI-agent.
• Lägg till spårningar till en AI-agent.
• Distribuera en AI-agent.