Développer des agents sur Azure Databricks

Agent Bricks est la plateforme de développement d’agents Azure Databricks. Utilisez-le pour construire et déployer les agents qui alimentent vos produits et flux de travail agentiques.

Agent Bricks prend en charge les flux de travail de base pour construire un agent de production :

• Déployez votre agent : Agent Runtime héberge des agents construits avec n’importe quel framework ou outil d’orchestration, avec ou sans état, et AgentKit ajoute une exécution durable pour que les exécutions survivent aux redémarrages et aux pannes.
• Exécuter le code en toute sécurité : Les agents exécutent le code qu’ils écrivent dans Databricks Sandbox, un environnement isolé dont le répertoire personnel persiste à travers les sessions.
• Enrichir le contexte de votre agent : La mémoire et les sessions de l’agent permettent à votre agent de se souvenir de ce qu’il a appris lors de conversations précédentes, afin de personnaliser les réponses et de réduire les coûts des jetons.
• Déboguez et testez votre agent : MLflow Tracing enregistre chaque étape de votre agent, et vous pouvez stocker et gérer des traces à grande échelle dans Unity Catalog.

Le Agent Bricks CLI génère la structure de base du code de l’agent qui se connecte à ces services. Vous pouvez itérer localement, y compris avec des agents de codage, puis déployer votre agent.

Commencez

Découvrez ce qu’offre Agent Bricks et créez votre premier agent.

Guide	Description
Démarrage rapide de l’agent Bricks	Construis et déploie ton premier agent avec la CLI Agent Bricks.
Qu’est-ce qu’Agent Bricks ?	Apprenez les composants d’un agent et comment Agent Bricks les supporte.
CLI de l’agent Bricks	Créez, exécutez et déployez des agents depuis la ligne de commande, ou importez un agent existant.

Se connecter aux modèles

Guide	Description
Se connecter aux modèles	Appelez des modèles Frontier et des modèles ouverts via Unity Gateway avec une API unique, et basculez les modèles sans changer le code de l’agent.

Ajouter le contexte de l’agent

Enrichissez le contexte de votre agent avec la mémoire, les outils et les données de votre organisation.

Guide	Description
Mémoire et sessions de l’agent	Stocker l’état de la conversation et la mémoire à long terme dans des espaces de stockage gérés adossés à Lakebase.
Serveurs MCP et outils d’agents	Connectez les agents aux serveurs et outils MCP gérés par Azure Databricks, personnalisés et externes.
serveur MCP Genie One	Enrichir les agents avec le contexte commercial combiné de votre organisation à travers des questions en langage naturel sur des données gouvernées.
Recherche par IA	Récupérez du texte pertinent et des données non structurées à partir d’un index de recherche IA géré.

Déployer votre agent

Faites tourner votre agent avec un serveur d’agent sur une capacité de calcul gérée.

Guide	Description
Déployer des agents sur Azure Databricks	Apprenez la pile de calcul des agents : framework ou harnais, serveur d’agent et environnement d’exécution de l’agent.
Agent Server	Servez votre agent avec DurableAgentServer: des exécutions synchrones, en streaming et en arrière-plan, avec récupération en cas de plantage.
Runtime de l’agent	Déployer et gérer les agents sur des ressources de calcul hébergées sur Azure Databricks.
Bac à sable Databricks	Offrez aux agents un environnement isolé pour exécuter le code qu’ils écrivent, avec un accès limité aux données gouvernées.

Interrogez votre agent

Guide	Description
Agents de requête déployés sur Azure Databricks	Envoyez des requêtes aux agents déployés via l’API d’invocation, l’API Responses ou SQL.

Observabilité et qualité de l’agent

Tracez, évaluez et surveillez les agents en développement et en production.

Guide	Description
Observabilité et qualité de l’agent	Apprenez comment MLflow trace, évalue et surveille les agents.
Traçage MLflow	Notez chaque étape qu’un agent effectue pour le corriger et l’améliorer.
Évaluer et améliorer	Mesurez la qualité des agents avec des juges LLM, des notateurs personnalisés et des retours d’experts.

Gouvernez vos agents

Guide	Description
Unity Gateway	Gérez l’accès aux modèles, serveurs MCP et compétences, avec des garde-fous, des limites de fréquence et un suivi d’utilisation.

Transformer les données non structurées

Guide	Description
Fonctions IA	Appliquez des modèles d’IA à vos données issues de SQL pour classifier, extraire, résumer et parser des documents.