Inicio rápido de Agent Bricks

Importante

Esta característica se encuentra en su versión beta. No se requiere ninguna configuración de espacio de trabajo para activarlo. Instala la CLI de Agent Bricks para empezar.

Este inicio rápido te lleva de un directorio vacío a un agente personalizado desplegado usando la CLI de Agent Bricks (databricks-agentbricks), la herramienta de línea de comandos de Azure Databricks para crear y desplegar agentes. La CLI de Agent Bricks gestiona el acceso al modelo, la memoria, las sesiones, las herramientas y el trazado por ti, para que puedas centrarte en la lógica de tu agente.

Cómo funciona la CLI de Agent Bricks

La CLI de Agent Bricks genera la estructura de un proyecto local a partir de una plantilla de marco de trabajo, con el entorno de ejecución, las pruebas y una interfaz de chat opcional ya conectados. Escribes la lógica de la aplicación (modelo, herramientas y prompts), y la CLI la ejecuta localmente y la despliega. El archivo declarativo agent.toml es la fuente de verdad para los recursos gestionados por Azure Databricks de los que depende tu agente, como herramientas, memoria, sesiones y trazado. agentbricks deploy lo utiliza para provisionar y cablear todo.

Tres comandos llevan un agente de un directorio en blanco a producción:

• agentbricks init genera la estructura del proyecto y escribe agent.toml.
• agentbricks devejecuta el agente localmente, usando el mismo entorno y tiempo de ejecución que utiliza Azure Databricks.
• agentbricks deploy aprovisiona los recursos declarados y realiza la implementación.

Prerequisites

• La Databricks CLI, instalada y en tu PATH.

• Python 3.10 o superior, con pip.

• Instala la CLI de Agent Bricks:

  pip install databricks-agentbricks
  

Paso 1: Autenticación

Autentica tu espacio de trabajo con OAuth, guarda un perfil con nombre y establécelo como el perfil predeterminado de la CLI de Agent Bricks:

databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>

Paso 2: Generar el esqueleto del proyecto

Crea un nuevo proyecto de agente eligiendo una plantilla de framework con --framework:

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

Paso 3: Ejecuta el agente localmente

Ejecuta el agente en tu máquina para probarlo antes de implementarlo:

agentbricks dev

Esto inicia un servidor local en el puerto 8000 usando el mismo comando y entorno que el runtime del agente de Azure Databricks, conectado a Model Serving de Azure Databricks. Envía solicitudes a http://localhost:8000 para interactuar con el agente.

Paso 4: Desplegar el agente

Implemente el agente en el entorno de ejecución del agente de Azure Databricks:

agentbricks deploy my-agent

La CLI de Agent Bricks aprovisiona cualquier almacén vinculado, otorga al principal de servicio del agente acceso a ellos e implementa el despliegue. Cuando termina, la CLI devuelve la URL del despliegue. Abre la URL para interactuar con tu agente en directo.

Pasos siguientes

• Guía completa de comandos y capacidades de CLI de Agent Bricks: CLI de Agent Bricks.
• Vincular memoria y sesiones gestionadas: Memoria gestionada del agente.
• Añadir herramientas y servicios MCP: MCPs.
• Ver trazas de agentes con MLflow: Resumen de trazas.