Creación de un agente de IA

En este artículo se presenta el proceso de creación de agentes de inteligencia artificial en Azure Databricks y se describen los métodos disponibles para crear agentes.

Para más información sobre los agentes, consulte Introducción a las aplicaciones de IA generativas en Azure Databricks.

Compilación automática de un agente con Agent Bricks

Agent Bricks proporciona un enfoque sencillo para crear y optimizar sistemas de agentes de inteligencia artificial comunes específicos de un dominio y de alta calidad para casos de uso comunes de inteligencia artificial. Especifique el caso de uso y los datos, y Agent Bricks creará automáticamente varios sistemas de agentes de IA para usted que puede refinar aún más. Consulte Agent Bricks.

Creación de un agente en el código

Mosaic AI Agent Framework y MLflow proporcionan herramientas para ayudarle a crear agentes listos para la empresa en Python.

Azure Databricks admite la creación de agentes mediante bibliotecas de creación de agentes de terceros como LangGraph/LangChain, LlamaIndex o implementaciones personalizadas de Python.

Para empezar a trabajar rápidamente, consulte Introducción a los agentes de IA. Para más información sobre la creación de agentes con diferentes marcos y características avanzadas, consulte Creación de agentes de IA en el código.

Prototipo de agentes con AI Playground

AI Playground es la manera más fácil de crear un agente en Azure Databricks. AI Playground le permite seleccionar entre varias MÁQUINAS VIRTUALES y agregar rápidamente herramientas al LLM mediante una interfaz de usuario de código bajo. A continuación, puede chatear con el agente para probar sus respuestas y, a continuación, exportar el agente al código para la implementación o el desarrollo posterior.

Consulte Prototipo de agentes para invocar herramientas en AI Playground.

Descripción de las firmas de modelo para garantizar la compatibilidad con las características de Azure Databricks

Azure Databricks usa firmas de modelo de MLflow para definir el esquema de entrada y salida de los agentes. Las características del producto, como el AI Playground, asumen que su agente tiene una de un conjunto de firmas de modelo admitidas.

Si sigue el enfoque recomendado para crear agentes, MLflow deducirá automáticamente una firma para el agente que sea compatible con las características del producto de Azure Databricks, sin que se requiera ningún trabajo adicional por su parte.

De lo contrario, debe asegurarse de que el agente se adhiere a una de las otras firmas del esquema de agente de entrada y salida heredados para garantizar la compatibilidad con las características de Azure Databricks.