Offres des anciens agents

Les offres d’agents hérités sont des produits d’agents Azure Databricks antérieurs qui ne sont plus recommandés pour la création d’agents. Ils restent documentés afin que vous puissiez maintenir et migrer les agents existants. Ne les utilisez pas pour de nouveaux agents. Pour savoir comment Azure Databricks définit les cycles de vie du support, voir Cycles de vie de la prise en charge de Databricks.

Pour les nouveaux agents écrits en code, Databricks recommande l’interface de ligne de commande Agent Bricks, qui met en service votre agent avec DurableAgentServer et le déploie dans Agent Runtime. Voir Déployer les agents sur Azure Databricks. Pour les nouveaux agents créés sans code, utilisez Genie Agents.

Offres existantes et leurs remplacements

Ancienne offre	Utiliser à la place
Assistant de Connaissances	Genie Agents pour créer des agents low-code à partir de vos documents et données.
Agent de superviseur	Genie Agents pour les agents low-code. Pour coordonner plusieurs agents dans le code, utilisez Agent Bricks CLI.
Supervisor API (obsolète)	Écrivez votre propre boucle d’agent et déployez-la avec la CLI Agent Bricks. Voir Déployer les agents sur Azure Databricks.
Construire un système multi-agent personnalisé	Agent Bricks CLI. Pour donner à votre agent les Genie Agents en tant qu’outils, exécutez agentbricks tools add genie-agent.
Exécuter des agents sur Databricks Apps en utilisant le serveur d’agents hérité	L’interface de ligne de commande Agent Bricks, avec DurableAgentServer sur Agent Runtime.
Créez une interface d’agent de chat	Les projets que vous créez avec l’Agent Bricks CLI incluent une interface de chat.
Agent personnalisé sur Model Serving	Agent Bricks CLI. Pour déplacer un agent existant, voir Migrer un agent de Model Serving vers Databricks Apps.
Créez un agent LLM personnalisé	Fonctions IA, telles que ai_query.
Magasins de mémoire gérés (hérités)	Mémoire d’agent.
AI Playground	Pour interroger les modèles, voir Interroger les modèles de fondation et d’embedding. Pour construire et tester des agents, utilisez le Agent Bricks CLI et exécutez votre agent localement avec agentbricks dev. Pour interroger un agent déployé, voir Interroger les agents déployés sur Azure Databricks.

La page Mémoire d’agent autogérée (Lakebase) est également héritée. Utilisez plutôt la mémoire de l’agent et les sessions de l’agent.