Ofertas de agentes heredadas

Las soluciones de agentes heredadas son productos anteriores de agentes de Azure Databricks que ya no son la mejor práctica para crear agentes. Permanecen documentados para que puedas mantener y migrar agentes existentes. No los utilices para agentes nuevos. Para ver cómo Azure Databricks define los ciclos de vida de soporte, véase Ciclos de vida de soporte de Databricks.

Para agentes nuevos escritos en código, Databricks recomienda la CLI de Agent Bricks, que sirve al agente con DurableAgentServer y la despliega en Agent Runtime. Consulta Implementar agentes en Azure Databricks. Para agentes nuevos construidos sin código, usa Agentes Genie.

Ofertas anteriores y sus sustitutos

Oferta heredada	Use en su lugar
Asistente de conocimiento	Agentes Genie para agentes low-code sobre tus documentos y datos.
Agente supervisor	Genie Agents para agentes low-code. Para coordinar múltiples agentes en el código, utiliza la CLI de Agent Bricks.
Supervisor API (obsoleta)	Escribe tu propio bucle de agente y despliégalo con la CLI de Agent Bricks. Consulta Implementar agentes en Azure Databricks.
Construye un sistema multiagente personalizado	La CLI de Agent Bricks. Para proporcionar Genie Agents a tu agente como herramientas, ejecuta agentbricks tools add genie-agent.
Ejecuta agentes en Databricks Apps usando el servidor de agentes heredado	La CLI de Agent Bricks, con DurableAgentServer en Agent Runtime.
Crea una interfaz para un agente de chat	Los proyectos que creas con la CLI de Agent Bricks incluyen una interfaz de chat.
Agente personalizado en Modelo de servicio	La CLI de Agent Bricks. Para mover un agente existente, consulte Migrar un agente de Model Serving a Databricks Apps.
Crea un agente LLM personalizado	Funciones de IA, como ai_query.
Almacenes de memoria gestionada (heredados)	Memoria del agente.
AI Playground	Para consultar modelos, consulta Consultar modelos fundacionales y de embedding. Para construir y probar agentes, usa la CLI de Agent Bricks y ejecuta tu agente localmente con agentbricks dev. Para consultar un agente desplegado, consulte Consultar agentes desplegados en Azure Databricks.

La página de memoria de agentes autogestionados (Lakebase) también es legacy. Usa memoria del agente y sesiones del agente en su lugar.