Creación de agentes de IA en Azure Databricks

Azure Databricks permite crear, evaluar e implementar agentes de IA, desde llamadas sencillas a modelos de lenguaje de gran tamaño (LLM) hasta agentes con llamada a herramientas y sistemas multiagente. En estas guías se tratan los conceptos, los flujos de trabajo de desarrollo y las herramientas que se usan para enviar un agente.

¿Buscas aprendizaje automático clásico o aprendizaje profundo? Consulte aprendizaje automático en Azure Databricks.

Comenzar

Pruebe un inicio rápido o aprenda los conceptos fundamentales.

Guía	Description
AI Playground	Crea prototipos y prueba agentes y LLM con ingeniería de prompts sin código y ajuste de parámetros.
Introducción a los agentes de IA	Compile e implemente el primer agente de IA de un extremo a otro.
Conceptos: IA generativa en Azure Databricks	Obtenga información sobre modelos, agentes, herramientas y aplicaciones.
Ciclo de vida de desarrollo del agente	Comprenda el ciclo de vida completo de la creación de un agente de INTELIGENCIA ARTIFICIAL.

Compilación e implementación

Desarrollar e implementar agentes.

Feature	Description
Asistente de conocimiento	Compile y optimice los bots de chat del agente de control de calidad específicos del dominio.
Supervisor Agent	Crea un agente supervisor que orqueste Genie Spaces, puntos de conexión de agentes, funciones de Unity Catalog, servidores MCP y agentes personalizados.
Agentes personalizados	Compile e implemente agentes, incluidas las aplicaciones RAG y los sistemas multiagente, con Python.
Aplicaciones de Databricks	Compile e implemente interfaces de usuario interactivas para los agentes, como aplicaciones de chat y formularios de entrada de datos.
Servidores MCP	Conecte agentes a herramientas, datos y flujos de trabajo a través de servidores MCP estandarizados.
Vector de búsqueda	Consulta de un índice vectorial administrado para recuperar texto relevante y datos no estructurados.

Evaluación y supervisión

Seguimiento, evaluación y supervisión de agentes en desarrollo y producción.

Feature	Description
Evaluación y supervisión	Evalúe la calidad del agente y supervise las implementaciones de producción.
Rastreo de MLflow	Registre y analice el comportamiento del agente para depurar y mejorar el rendimiento.

Consultar y servir

Realice consultas a modelos de lenguaje de gran tamaño (LLM) y sirva agentes y modelos en endpoints escalables.

Feature	Description
Consultar LLMs y agentes en Azure Databricks	Consulta LLMs y agentes desde notebooks, SQL y aplicaciones.
Modelos de base	Ofrezca LLM mediante API escalables con gobernanza y monitorización integradas.
Puerta de enlace de INTELIGENCIA ARTIFICIAL de Unity	Gestione y supervise el acceso a los LLM y agentes con seguimiento del uso, registro de cargas útiles y controles de seguridad.
Funciones de IA	Llame a LLM directamente desde SQL para enriquecer los datos y crear flujos de trabajo de IA.