Legacy-Agent-Angebote

Legacy-Agent-Angebote sind frühere Azure Databricks-Agentenprodukte, die nicht mehr als Best Practice für den Aufbau von Agenten verwendet werden. Sie bleiben dokumentiert, damit Sie bestehende Agenten warten und migrieren können. Nutze sie nicht für neue Agenten. Wie Azure Databricks Support-Lebenszyklen definiert, erfahren Sie unter Databricks support lifecycles.

Für neue Agenten, die in Code geschrieben sind, empfiehlt Databricks die Agent Bricks CLI, die deinen Agenten mit DurableAgentServer bereitstellt und ihn in Agent Runtime deployt. Siehe Agents auf Azure Databricks bereitstellen. Für neue Agenten, die ohne Code erstellt wurden, verwenden Sie Genie Agents.

Legacy-Angebote und ihre Ersatzangebote

Legacyangebot	Stattdessen verwenden
Wissensassistent	Genie-Agents für Low-Code-Agents für Ihre Dokumente und Daten.
Supervisor-Agent	Genie-Agenten für Low-Code-Agenten. Um mehrere Agenten im Code zu koordinieren, verwenden Sie die Agent Bricks CLI.
Supervisor API (veraltet)	Schreibe deine eigene Agent-Schleife und deploye sie mit der Agent Bricks CLI. Siehe Agents auf Azure Databricks bereitstellen.
Baue ein individuelles Multi-Agenten-System	Der Agent Bricks CLI. Um Ihrem Agenten Genie-Agenten als Werkzeuge zu geben, führen Sie agentbricks tools add genie-agent aus.
Agenten auf Databricks-Apps mit dem Legacy-Agent-Server ausführen	Die Agent Bricks-CLI mit DurableAgentServer in Agent Runtime.
Erstellen Sie ein Frontend für einen Chat-Agent	Projekte, die du mit der Agent Bricks CLI erstellst, beinhalten eine Chat-UI.
Custom Agent für Model Serving	Der Agent Bricks CLI. Um einen bestehenden Agenten zu verschieben, siehe Einen Agenten von Model Serving zu Databricks Apps migrieren.
Erstellen Sie einen benutzerdefinierten LLM-Agenten	KI-Funktionen wie ai_query.
Verwaltete Arbeitsspeicherspeicher (Legacy)	Agenten-Gedächtnis.
KI-Spielplatz	Um Modelle abzufragen, lesen Sie Grundlagenmodelle und Einbettungsmodelle abfragen. Um Agenten zu erstellen und zu testen, verwenden Sie die Agent Bricks CLI und führen Sie Ihren Agenten lokal mit agentbricks devaus. Um einen bereitgestellten Agenten abzufragen, siehe Auf Azure Databricks bereitgestellte Agenten abfragen.

Die Seite zum Self-managed Agent Memory (Lakebase) ist ebenfalls veraltet. Nutze stattdessen Agentenspeicher und Agent-Sitzungen.