Erstellen von KI-Agents auf Azure Databricks

Azure Databricks unterstützt das Erstellen, Bewerten und Bereitstellen von KI-Agenten – von einfachen LLM-Aufrufen bis hin zu Agenten mit Tool-Aufrufen und Multi-Agenten-Systemen. Diese Leitfäden umfassen die Konzepte, Entwicklungsworkflows und Tools, die Sie zum Versenden eines Agenten verwenden.

Suchen Sie nach klassischem ML oder Deep Learning? Weitere Informationen finden Sie unter Machine learning on Azure Databricks.

Get started

Probieren Sie eine Schnellstartanleitung aus, oder lernen Sie die grundlegenden Konzepte kennen.

Guide	Description
KI-Spielplatz	Erstellen und testen Sie Agenten und LLMs mit No-Code-Prompt-Engineering und Parameteroptimierung.
Erste Schritte mit KI-Agenten	Erstellen Sie Ihren ersten KI-Agenten und stellen Sie ihn von Anfang bis Ende bereit.
Konzepte: Generative KI auf Azure Databricks	Erfahren Sie mehr über Modelle, Agents, Tools und Apps.
Lebenszyklus der Agententwicklung	Verstehen sie den vollständigen Lebenszyklus des Aufbaus eines KI-Agents.

Erstellen und Implementieren

Agenten entwickeln und bereitstellen.

Funktion	Description
Wissensassistent	Erstellen und optimieren Sie domänenspezifische QA-Agent-Chatbots.
Supervisor-Agent	Erstellen Sie einen Supervisor-Agent, der Genie Spaces, Agent-Endpunkte, Unity-Katalogfunktionen, MCP-Server und benutzerdefinierte Agents orchestriert.
Benutzerdefinierte Agenten	Erstellen und Bereitstellen von Agents, einschließlich RAG-Anwendungen und Multi-Agent-Systemen, mit Python.
Databricks-Apps	Erstellen und Bereitstellen interaktiver UIs für Ihre Agents, z. B. Chat-Apps und Dateneingabeformulare.
MCP-Server	Verbinden Sie Agents mit Tools, Daten und Workflows über standardisierte MCP-Server.
Vektorsuche	Fragen Sie einen verwalteten Vektorindex ab, um relevante Text- und unstrukturierte Daten abzurufen.

Auswerten und Überwachen

Nachverfolgen, auswerten und überwachen Sie Agenten in der Entwicklung und Produktion.

Funktion	Description
Auswertung und Überwachung	Bewerten Sie die Agentqualität und überwachen Sie Produktivbereitstellungen.
MLflow-Ablaufverfolgung	Aufzeichnen und Analysieren des Agentverhaltens zum Debuggen und Verbessern der Leistung.

Abfragen und bereitstellen

LLMs abfragen und Agenten sowie Modelle über skalierbare Endpunkte bereitstellen.

Funktion	Description
LLMs und Agenten auf Azure Databricks abfragen	LLMs und Agenten aus Notebooks, SQL und Anwendungen abfragen.
Foundation Models	Bedienen Sie LLMs über skalierbare APIs mit integrierter Governance und Überwachung.
Unity AI-Gateway	Steuern und Überwachen des Zugriffs auf LLMs und Agents mit Verwendungsnachverfolgung, Nutzlastprotokollierung und Sicherheitskontrollen.
KI-Funktionen	Rufen Sie LLMs direkt aus SQL auf, um Daten zu erweitern und KI-Workflows zu erstellen.