Sestavení agentů AI na Azure Databricks

Azure Databricks podporuje vytváření, vyhodnocování a nasazování agentů umělé inteligence – od jednoduchých volání modelů LLM až po agenty využívající volání nástrojů a multiagentní systémy. Tyto příručky pokrývají koncepty, vývojové pracovní postupy a nástroje, které používáte k odeslání agenta.

Hledáte klasické strojové učení nebo hluboké učení? Přečtěte si Strojové učení na Azure Databricks.

Začínáme

Vyzkoušejte rychlý start nebo se seznamte se základními koncepty.

Guide	Description
Dětské hřiště AI	Vytvářejte prototypy a testujte agenty a LLM pomocí bezkódového prompt engineeringu a ladění parametrů.
Začněte s agenty umělé inteligence	Sestavte a nasaďte svého prvního agenta AI od začátku do konce.
Koncepty: Generování umělé inteligence v Azure Databricks	Seznamte se s modely, agenty, nástroji a aplikacemi.
Životní cyklus vývoje agentů	Seznamte se s úplným životním cyklem vytváření agenta AI.

Sestavení a nasazení

Vývoj a nasazení agentů

funkce	Description
Pomocník pro znalosti	Vytvářejte a optimalizujte chatboty pro zodpovídání dotazů, specializované na konkrétní oblast.
Nadřízený agent	Sestavte agenta nadřízeného, který orchestruje Genie Spaces, koncové body agenta, funkce katalogu Unity, servery MCP a vlastní agenty.
Agenti na míru	Sestavte a nasaďte agenty, včetně aplikací RAG a systémů s více agenty, pomocí Python.
Databricks Apps	Vytvářejte a nasazujte interaktivní uživatelská rozhraní pro vaše agenty, jako jsou chatovací aplikace a formuláře pro zadávání dat.
Servery MCP	Připojte agenty k nástrojům, datům a pracovním postupům prostřednictvím standardizovaných serverů MCP.
Vektorové vyhledávání	Zadejte dotaz na spravovaný vektorový index a načtěte relevantní text a nestrukturovaná data.

Vyhodnocení a monitorování

Trasování, vyhodnocování a monitorování agentů ve vývoji a produkčním prostředí

funkce	Description
Vyhodnocení a monitorování	Vyhodnoťte kvalitu agenta a monitorujte produkční nasazení.
Trasování MLflow	Zaznamenejte a analyzujte chování agenta za účelem ladění a zlepšení výkonu.

Dotazování a obsluha

Dotazování LLM a obsluhování agentů a modelů na škálovatelných koncových bodech

funkce	Description
Dotazování LLM a agentů v Azure Databricks	Dotazujte se na modely LLM a agenty v poznámkových blocích, přes SQL a v aplikacích
Základní modely	Obsluha LLM prostřednictvím škálovatelných rozhraní API s integrovanými zásadami správného řízení a monitorováním
Unity AI Gateway	Řízení a monitorování přístupu k LLM a agentům pomocí sledování využití, protokolování datové části a kontrolních mechanismů zabezpečení
Funkce AI	Volání LLM přímo z SQL za účelem obohacení dat a sestavení pracovních postupů AI