Creación de un agente de IA

En este artículo se presenta el proceso de creación de agentes de inteligencia artificial en Azure Databricks y se describen los métodos disponibles para crear agentes.

Para más información sobre los agentes, consulte Patrones de diseño del sistema del agente.

Prototipo de agentes con AI Playground

AI Playground es la manera más fácil de crear un agente en Azure Databricks. AI Playground le permite seleccionar entre varias MÁQUINAS VIRTUALES y agregar rápidamente herramientas al LLM mediante una interfaz de usuario de código bajo. A continuación, puede chatear con el agente para probar sus respuestas y, a continuación, exportar el agente al código para la implementación o el desarrollo posterior.

Consulte Empiece por: Consultar modelos de lenguaje y crear prototipos de agentes de IA sin necesidad de programación.

Compilación automática de un agente con Knowledge Assistant

Knowledge Assistant proporciona un enfoque simplificado para crear y optimizar bots de chat de preguntas y respuestas específicos de dominio sobre sus documentos y mejorar la calidad basándose en los comentarios en lenguaje natural de los expertos en la materia.

Knowledge Assistant tiene un enfoque totalmente administrado que es un buen lugar para empezar antes de profundizar en agentes más personalizados.

Codificación de un agente personalizado

Agent Framework y MLflow tienen herramientas para ayudarle a crear agentes listos para la empresa en Python.

Azure Databricks admite la creación de agentes mediante bibliotecas de creación de agentes de terceros como LangGraph/LangChain, OpenAI, LlamaIndex o implementaciones personalizadas de Python.

Para empezar a trabajar rápidamente, consulte Introducción a los agentes de IA. Para más información sobre la creación de agentes con diferentes marcos y características avanzadas, consulte Creación de un agente de IA e implementación en Aplicaciones de Databricks.

Descripción de las firmas de modelo para garantizar la compatibilidad con las características de Azure Databricks

Azure Databricks usa firmas de modelo de MLflow para definir el esquema de entrada y salida de los agentes. Las características del producto, como el AI Playground, asumen que su agente tiene una de un conjunto de firmas de modelo admitidas.

Si sigue el enfoque recomendado para crear agentes mediante la interfaz ResponsesAgent, MLflow deducirá automáticamente una firma para el agente que sea compatible con las características del producto de Azure Databricks.