Nasaďte agenty v Azure Databricks

Pro spuštění agenta v produkci nasadíte jeho kód na spravovanou výpočetní infrastrukturu, která obsluhuje požadavky od vašich uživatelů a aplikací. Nasazený agent má tři vrstvy: váš framework nebo harness, server agenta a runtime agenta. Agent Bricks nabízí možnosti na každé vrstvě, od DurableAgentServer po Agent Runtime v aplikacích Databricks.

Agentní výpočetní vrstva

Nasazený agent má tři vrstvy. Každá vrstva obaluje tu nad ní.

Vrstva	Jak funguje	Možnosti v Azure Databricks
Rám nebo přípravek	Provádí agentní cyklus: volá modely a nástroje a rozhoduje, co dělat dál.	Jakýkoli framework nebo harness, jako LangGraph nebo OpenAI Agents SDK, nebo meta-nástroj jako Omnigent.
Agent server	Zapouzdřuje smyčku agenta v serveru HTTP. Agent server zpřístupňuje invocation API, spravuje klientská připojení a zajišťuje perzistenci.	DurableAgentServer (doporučeno), servery legacy agentů nebo vlastní server.
Běh agenta	Agent server běží na spravovaných výpočetních prostředcích a zajišťuje hosting, identitu a škálování.	Agent Runtime v Databricks Apps.

Následující termíny popisují, jak vrstvy spolupracují:

Term	Co to znamená
Invocation API	HTTP API, které klienti používají ke spuštění agenta. Viz Agenti dotazů nasazení v Azure Databricks.
Serve	Runtime agenta spouští agentní server, který obsluhuje vašeho agenta prostřednictvím invocation API.
Nasadit	Nasaďte svůj agentní kód do runtime agenta.

Note

Databricks Sandbox není vrstva výpočetního stacku. Je to nástroj, který váš agent volá k spouštění kódu v izolovaném prostředí, odděleném od běhu agenta, s omezeným přístupem k vašim řízeným datům. Používejte sandbox, když váš agent píše a spouští kód, například skripty pro analýzu dat. Chcete-li dát projektu CLI sandboxový nástroj, spusťte agentbricks tools add sandbox.

Rámec nebo testovací prostředí

Rámec nebo testovací rozhraní je váš agentní kód. Spustí smyčku, která provádí odvozování s modelem, volá nástroje a rozhoduje, kdy reagovat. Agent Bricks nevyžaduje specifický framework.

Rámec nebo testovací rozhraní	Kdy ho použít
Šablony	Spouští se nový agent. Agent Bricks CLI vytváří kostru projektů pro LangGraph a OpenAI Agents SDK. Šablony drží váš framework kód oddělený od kódu, který ho připojuje k agentnímu serveru.
Stávající agenti	Přenesení agenta, kterého jste už vytvořili pomocí LangGraphu nebo OpenAI Agents SDK. Spusť agentbricks init --existing v adresáři, kde se nachází. Viz Přidat existujícího agenta.
Meta-harness	Složení více rámců, například kódujících agentů, do jednoho agenta pomocí Omnigent.

Server agenta

Agent server je knihovna, která zabalí váš agentní cyklus a promění ho ve službu. Definuje API, které klienti volají, sleduje každý běh a určuje, co se stane, když je běh přerušen.

Server agenta	Kdy ho použít
DurableAgentServer (doporučeno)	Noví agenti postavení s CLI Agent Bricks.
Servery legacy agentů	Udržování agentů vytvořených na základě šablon aplikací. Pro srovnání DurableAgentServer se staršími servery agentů viz Porovnání serverů agentů na Azure Databricks.
Váš vlastní server	Agenti, kteří potřebují vlastní endpointy, formáty požadavků nebo protokoly. Spouštějte agentbricks init --server custom, nebo si ponechte stávající server.

Modul runtime agenta

Agentní runtime je spravované výpočetní prostředí, které spouští váš agentní server. Místo toho, abyste sami zřizovali servery, nasazujete do něj kód.

Modul runtime agenta	Kdy ho použít
Agent runtime	Noví agenti. Spouští vašeho agenta v aplikacích Databricks. agentbricks deploy poskytuje zdroje, které váš agent potřebuje, poskytuje mu k nim přístup a nasadí ho na stabilní, autentizovaný koncový bod.
Poskytování modelů (zastaralé)	Starší agenti nasazení do endpointů služby Model Serving. Viz Nasazení agenta pro aplikace AI (obsluha modelu). Pro jejich přesun do aplikací Databricks viz Migrace agenta ze služby Model Serving do aplikací Databricks.

Nasaďte pomocí CLI Agent Bricks

CLI Agent Bricks propojuje tři vrstvy. Vygeneruje kostru kódu vašeho frameworku, spustí ho na DurableAgentServer lokálně a nasadí ho do Agent Runtime:

agentbricks init my-agent --framework langgraph
cd my-agent
agentbricks dev
agentbricks deploy my-agent

Pro vytvoření a nasazení prvního agenta navštivte rychlý start Agent Bricks.

Oprávnění k nasazení agenta

Uživatel nebo instanční objekt služby, pod kterým běží agentbricks deploy, potřebuje oprávnění k následujícímu:

• Vytvořte Databricks aplikace nebo spravujte stávající aplikaci pro opětovné nasazení. Viz Konfigurace oprávnění pro aplikaci Databricks.
• Vytvořte paměťová úložiště a úložiště relací deklarovaná v agent.toml, nebo spravujte existující úložiště tak, aby Agent Bricks mohl principálu služby aplikace udělit přístup k nim.
• Vytvořte experiment MLflow, který projekt používá pro trasování, nebo ho upravte, pokud už existuje.
• Udělit instančnímu objektu služby aplikace přístup ke zdrojům, které nástroje deklarují pomocí --auth app, například EXECUTE na funkci Unity Catalog, CAN RUN na agentu Genie nebo SELECT na tabulce v sandboxovém rozsahu.

Agent Bricks uděluje přístup pouze ke zdrojům, které přímo deklaruje agent.toml. Pokud nástroj používá jiné zdroje, například tabulky za Genie Agentem nebo objekty, které funkce Unity Catalog volá, udělte k nim přístup instančnímu objektu služby aplikace. Pokud Deploy nemůže aplikovat požadovaný grant, zastaví se před nahráním kódu a nechá běžet aktuální nasazení.

Dodatečné zdroje

• Agent Server
• Agent runtime
• Agenti dotazů nasazení na Azure Databricks