Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Diese Seite beschreibt, wie man Antworten auf Azure Databricks mit Echtzeitinformationen aus dem Web untermauert. Verwenden Sie einen Websuchserver mit Model Context Protocol (MCP), um MCP-kompatible Clients und Agenten mit Websuchwerkzeugen zu verbinden.
Tip
Genie Code kann das für dich übernehmen. Probieren Sie diese Beispielaufforderung aus:
Query the system.ai.gemini-3-1-pro model using the OpenAI client with the google_search parameter enabled, ask a question about a current event, and print the response.
Was ist die Websuche?
Die Websuche ermöglicht es Foundation-Modellen, während der Generierung von Antworten aktuelle Informationen aus dem Internet abzurufen. Wenn die Websuche aktiviert ist, kann das Modell das Web durchsuchen, um relevante Informationen zu finden und in seine Antwort zu integrieren. Dies ist nützlich für Fragen zu aktuellen Ereignissen, aktuellen Daten oder themen, in denen Echtzeitinformationen die Antwort verbessern.
Verwenden der Websuche
Aktivieren Sie die Websuche für MCP-kompatible Clients und Agenten, indem Sie einen Websuch-MCP-Server aus dem Azure Databricks Marketplace installieren.
Websuche über MCP
MCP-kompatible Clients und Agenten können unabhängig von ihrem Modellanbieter ein Web-Suchtool aufrufen. Verbinde deinen Client oder Agent mit einem Websuch-MCP-Dienst oder -Server über MCP.
Das systemeigene Websuchtool von Anthropic ist über Azure Databricks Foundation Model-APIs nicht verfügbar. Nutzen Sie MCP, um Agenten, die Anthropic-Modelle verwenden, Websuchwerkzeuge bereitzustellen.
Unterstützte Modelle
Die MCP-Websuche erfordert einen Client oder Agenten, der die MCP-Tools aufrufen kann. Es ist nicht auf einen bestimmten Modellanbieter beschränkt. Für die Agentenintegration siehe Verwendung von MCP-Tools in einem Python-Agenten.
Datenschutz und Aufbewahrung von Daten
Wenn Sie die Websuche über Azure Databricks Foundation Model APIs aktivieren, wird die Suche auf einem von Azure Databricks gehosteten Foundation-Modell-Endpunkt durchgeführt. Die Suchanfrage und die Ergebnisse werden vom gehosteten Modell verarbeitet, unabhängig davon, welches Modell Ihre Anwendung aufruft. Die gleichen Datenschutz- und Aufbewahrungsbedingungen, die Model Serving gelten, gelten für diese Anfragen:
- Azure Databricks verwendet keine Eingaben, die an Model Serving gesendet werden, oder Ausgaben davon, um Modelle zu trainieren. Siehe Datenschutz bei Model Serving.
- Jede temporäre Speicherung zur Missbrauchserkennung wird in derselben Region wie Ihr Arbeitsbereich aufbewahrt und zeitlich begrenzt. Siehe Datenaufbewahrung.
Das Modell formuliert Suchanfragen aus Ihrem Prompt und sendet sie an einen externen Suchanbieter, um Ergebnisse abzurufen. Behandle Prompt-Inhalte, die die Websuche erreichen, als Daten, die Azure Databricks für den Suchanbieter verlassen, und plane entsprechend, was deine Anwendung sendet.
Einschränkungen
- Die Websuche ist für Arbeitsbereiche mit aktivierter HIPAA/BAA-Compliance nicht verfügbar, da Websuchabfragen an externe Suchdienste gesendet werden, die nicht HIPAA-kompatibel sind.
- Websuchergebnisse hängen von der Fähigkeit des Modells ab, Suchabfragen zu formulieren und Ergebnisse zu synthetisieren. Die Antwortqualität kann variieren.