Vyvíjejte agenty v Azure Databricks

Agent Bricks je vývojářská platforma pro agenty Azure Databricks. Použijte ho k vytvoření a nasazení agentů, kteří pohánějí vaše agentické produkty a pracovní postupy.

Agent Bricks podporuje základní pracovní postupy pro budování produkčního agenta:

• Nasaďte svého agenta: Agent Runtime provozuje agenty vytvořené s jakýmkoli frameworkem nebo harnessem, stavovým i bezstavovým, a AgentKit přidává odolné vykonávání, takže běhy přežijí restarty a pády.
• Spouštějte kód bezpečně: Agenti spouštějí kód, který napíšou, v Databricks Sandbox, izolovaném prostředí, jehož domovský adresář přetrvává napříč relacemi.
• Obohaťte kontext svého agenta: Paměť a relace agenta umožňují agentovi vybavit si, co se naučil v předchozích konverzacích, takže může personalizovat odpovědi a snížit náklady na tokeny.
• Debugujte a testujte svého agenta: MLflow Tracing zaznamenává každý krok, který váš agent provede, a můžete ukládat a spravovat stopy ve velkém měřítku v Unity Catalog.

CLI Agent Bricks vytváří základ kódu agenta, který se připojuje k těmto službám. Můžete iterovat lokálně, i s pomocí kódovacích agentů, a pak nasadit svého agenta.

Začínáme

Zjistěte, co Agent Bricks nabízí, a vytvořte si svého prvního agenta.

Guide	Description
Agent Bricks rychlý úvod	Sestavte a nasaděte svého prvního agenta pomocí Agent Bricks CLI.
Co je Agent Bricks?	Naučte se komponenty agenta a jak Agent Bricks podporuje každou z nich.
Agent Bricks CLI	Vytvářejte, spouštějte a nasazujte agenty z příkazové řádky nebo připojte existujícího agenta.

Připojit se k modelům

Guide	Description
Připojit se k modelům	Využívejte frontier a open modely přes Unity Gateway s jedním API a přepínejte modely bez změny kódu agenta.

Přidat kontext agenta

Obohacete kontext svého agenta o paměť, nástroje a data vaší organizace.

Guide	Description
Paměť agenta a relace	Ukládejte stav konverzace a dlouhodobou paměť ve spravovaných úložištích podporovaných Lakebase.
MCP servery a nástroje agentů	Připojte agenty k serverům MCP spravovaným Azure Databricks, vlastním a externím, a k nástrojům.
Genie One MCP server	Obohacujte agenty o kombinovaný obchodní kontext vaší organizace prostřednictvím otázek v přirozeném jazyce nad řízenými daty.
Vyhledávání AI	Získejte relevantní text a nestrukturovaná data ze spravovaného indexu AI Search.

Nasazení agenta

Spusťte agenta s agentním serverem ve spravovaném výpočetním prostředí.

Guide	Description
Nasazení agentů na Azure Databricks	Naučte se agentní výpočetní stack: framework nebo harness, agent server a agentní runtime.
Agent Server	Obsluhujte svého agenta s DurableAgentServersynchronními, streamovacími a běhy na pozadí s obnovou po pádu.
Agent runtime	Nasadit a spravovat agenty ve výpočetním prostředí hostovaném službou Azure Databricks.
Databricks Sandbox	Dejte agentům izolované prostředí pro spouštění kódu, který píší, s omezeným přístupem k řízeným datům.

Zeptejte se svého agenta

Guide	Description
Agenti dotazů nasazení na Azure Databricks	Odesílejte požadavky prostřednictvím nasazených agentů přes rozhraní invocation API, Responses API nebo SQL.

Monitorování a kvalita agentů

Trasování, vyhodnocování a monitorování agentů ve vývoji a produkčním prostředí

Guide	Description
Pozorovatelnost a kvalita agentů	Zjistěte, jak MLflow sleduje, vyhodnocuje a monitoruje agenty.
Trasování MLflow	Zaznamenávejte každý krok, který agent podnikne při ladění a jeho vylepšování.
Vyhodnoťte a zlepšujte se	Měřte kvalitu agentů pomocí LLM rozhodčích, hodnotitelů na míru a odborné zpětné vazby.

Řiďte své agenty

Guide	Description
Unity Gateway	Řiďte přístup k modelům, serverům MCP a schopnostem pomocí ochranných bariér, limitů počtu požadavků a sledování využití.

Transformujte nestrukturovaná data

Guide	Description
Funkce AI	Aplikujte AI modely na svá data ze SQL pro klasifikaci, extrakci, shrnutí a parsování dokumentů.