Créer et partager une interface utilisateur de conversation avec Databricks Apps

Utilisez Databricks Apps pour générer et déployer une interface utilisateur de conversation pour votre agent. Les modèles d’application agent incluent cette interface utilisateur de conversation sans configuration supplémentaire. Utilisez cette page pour personnaliser l’interface utilisateur du modèle ou ajouter une interface utilisateur de conversation à un agent déployé sans modèle.

Exemple d’interface utilisateur de conversation pour la conversation avec les agents déployés.

Spécifications

Cette interface utilisateur de conversation fonctionne avec n’importe quel agent Azure Databricks, à l’exception des schémas hérités, notamment :

Agents déployés sur les applications
Agents déployés sur Model Serving avec le type de tâche Chat ou Réponses

Points de terminaison de modèle Foundation avec le type de tâche Chat

Vous devez disposer des outils de développement suivants :

CLI NPM : Obligatoire pour le développement local. Voir GitHub - NPM CLI
Interface CLI Databricks : Obligatoire pour l’authentification, consultez le guide d’installation.
1. Installez l’interface CLI Databricks.
2. Définissez le nom de votre profil :
```
export DATABRICKS_CONFIG_PROFILE='your_profile_name'
```
3. Configurer l’authentification :
```
databricks auth login --profile "$DATABRICKS_CONFIG_PROFILE"
```

Exemple d’application de conversation

L’exemple d’application, e2e-chatbot-app-next utilise NextJS, React et LE SDK AI pour créer une interface de conversation prête pour la production.

Consultez le projet README.md pour obtenir des instructions détaillées sur l’utilisation du modèle.

L’exemple d’application illustre les éléments suivants :

Sortie en flux continu : affiche les réponses de l’agent à mesure qu'elles sont générées, avec repli automatique vers le mode non-diffusion en continu
Appels d’outils : affiche les appels d’outils pour les agents créés à l’aide des meilleures pratiques d’Agent Framework

Intégration de Databricks Agent et de Foundation Model : Connexion directe aux modèles Foundation, Databricks Agent servant des points de terminaison et Briques de l’agent

Authentification Databricks : utilise l’authentification Databricks pour identifier les utilisateurs finaux de l’application de conversation et gérer en toute sécurité leurs conversations.
Historique des conversations persistantes : stocke les conversations dans Databricks Lakebase (Postgres) avec une gouvernance complète

Ouvrez les sections suivantes pour activer les fonctionnalités facultatives :

Activer l’historique des conversations

Par défaut, les conversations sont stockées en mémoire uniquement et sont perdues lorsque la session se termine. Pour conserver l’historique dans PostgreSQL, exécutez le script de démarrage rapide décrit dans le modèle README.md.

Activer les commentaires des utilisateurs

Les utilisateurs peuvent fournir des commentaires positifs/négatifs sur les réponses, qui sont enregistrés dans une expérience "MLflow".

Si vous utilisez un modèle d’agent tel que agent-openai-agents-sdk ou agent-langgraph, le bundle configure automatiquement l’authentification de l’application pour écrire des commentaires utilisateur dans l’expérience MLflow. Les commentaires fonctionnent après databricks bundle deploy sans aucune étape supplémentaire.

Si vous utilisez l’application autonome e2e-chatbot-app-next connectée à un point de terminaison d’agent existant, exécutez le script de démarrage rapide décrit dans le fichier modèle README.md pour configurer l’authentification pour l’expérience MLflow.

Note

Liez également une base de données Lakebase pour conserver l’état des likes/dislikes lors des rechargements de la page. Consultez Activer l’historique des conversations.

Héberger plusieurs applications sur la même instance de base de données

Cet exemple crée une seule base de données par application, car le code de l’application cible un schéma fixe ai_chatbot dans l’instance de base de données. Pour héberger plusieurs applications hors de la même instance, vous devez effectuer les opérations suivantes :

Mettez à jour le nom de l’instance de base de données dans databricks.yml.
Mettez à jour les références à ai_chatbot dans la base de code avec votre nouveau nom de schéma souhaité au sein de l'instance de base de données existante.
Exécutez npm run db:generate pour régénérer les migrations de base de données.
Déployez l’application.

Activer l’autorisation utilisateur (préversion publique)

Activer l’autorisation utilisateur

Important

L’autorisation utilisateur est en aperçu public. Votre administrateur d’espace de travail doit l’activer avant de pouvoir configurer l’autorisation utilisateur pour votre application.

Certains points de terminaison de service nécessitent que l’application transfère le jeton d’accès de l’utilisateur au lieu du jeton de principal de service de l’application. Il s’agit de l’autorisation de l’utilisateur, parfois appelée autorisation au nom de l’utilisateur.

Les points de terminaison de superviseur multi-agent nécessitent toujours une autorisation utilisateur. Les points de terminaison de modèles personnalisés nécessitent également une autorisation utilisateur lorsque des étendues d'API sont configurées dans la stratégie d'authentification du point de terminaison.

Pour configurer l’autorisation utilisateur, ajoutez les étendues requises lorsque vous créez ou modifiez une application dans l’interface utilisateur Azure Databricks :

Dans l’étape Configurer les ressources , sous Autorisation utilisateur, cliquez sur +Ajouter une étendue.
Ajoutez l’étendue serving.serving-endpoints . Cette étendue est requise pour tous les points de terminaison qui utilisent l’autorisation utilisateur.
Ajoutez toutes les étendues supplémentaires répertoriées dans la stratégie d’authentification du point de terminaison.

Pour obtenir des instructions détaillées, consultez Ajouter des étendues à une application.

Le modèle e2e-chatbot-app-next détecte automatiquement si le point de terminaison de service configuré nécessite une autorisation utilisateur. Si l’application n’a pas d’étendues requises, elle affiche une bannière d’avertissement répertoriant les étendues manquantes.

Accordez aux utilisateurs l’autorisation d’afficher l’application (consultez Configurer des autorisations pour une application Databricks), puis partagez l’URL de l’application.

Limitations connues

Aucune prise en charge des images ou d'autres entrées multimodales
Cette application prend uniquement en charge l’authentification de l’interface CLI Databricks (développement local) et l’authentification du principal de service (applications déployées) uniquement. Les identités managées Azure, les tokens d'accès personnel (PAT) et d'autres mécanismes ne sont pas pris en charge.
Les scopes de fonction du catalogue Unity ne supportent pas l'autorisation des utilisateurs.

Application de conversation de l’agent Streamlit

Le modèle Streamlit précédent, e2e-chatbot-app, est toujours disponible mais ne dispose pas des fonctionnalités de production d’e2e-chatbot-app-next.

Commentaires

Est-ce que cette page vous a été utile?

Last updated on 2026-03-21