Membangun agen di Azure Databricks

Azure Databricks mendukung membangun, mengevaluasi, dan menerapkan agen, dari panggilan LLM sederhana hingga agen yang memanggil alat dan sistem multiagen. Panduan ini mencakup konsep, alur kerja pengembangan, dan alat yang Anda gunakan untuk mengirim agen.

Mencari ML klasik atau pembelajaran mendalam? Lihat Machine learning di Azure Databricks.

Get started

Coba mulai cepat atau pelajari konsep dasar.

Panduan	Description
Taman Bermain AI	Prototipe dan agen pengujian dan LLM dengan rekayasa permintaan tanpa kode dan penyetelan parameter.
Mulai dengan agen	Buat dan deploy agen pertama Anda dari awal hingga akhir.
Konsep: AI di Azure Databricks	Pelajari tentang model, agen, alat, dan aplikasi.
Siklus hidup pengembangan agen	Pahami seluruh siklus hidup dalam membangun agen.

Membangun dan menyebarkan

Kembangkan dan terapkan agen.

Feature	Description
Asisten Informasi	Buat dan optimalkan chatbot agen QA khusus domain.
Supervisor Agen	Bangun agen supervisor yang mengatur Agen Genie, titik akhir agen, fungsi Unity Catalog, server MCP, dan agen kustom.
Agen Khusus	Membangun dan menyebarkan agen, termasuk aplikasi RAG dan sistem multi-agen, dengan Python.
Aplikasi Databricks	Buat dan sebarkan UI interaktif untuk agen Anda, seperti aplikasi obrolan dan formulir entri data.
Server MCP	Hubungkan agen ke alat, data, dan alur kerja melalui server MCP standar.
Pencarian AI (sebelumnya Pencarian Vektor Databricks)	Mengkueri indeks Pencarian AI terkelola untuk mengambil teks yang relevan dan data yang tidak terstruktur.

Mengevaluasi dan memantau

Melacak, mengevaluasi, dan memantau agen dalam pengembangan dan produksi.

Feature	Description
Evaluasi dan pemantauan	Evaluasi kualitas agen dan pantau penyebaran produksi.
Pelacakan MLflow	Rekam dan analisis perilaku agen untuk men-debug dan meningkatkan performa.

Menelusuri dan menyajikan

Mengkueri LLM dan melayani agen dan model pada titik akhir yang dapat diskalakan.

Feature	Description
Kueri LLM dan agen di Azure Databricks	Ajukan kueri ke LLM dan agen melalui notebook, SQL, dan aplikasi.
Model Dasar	Melayani LLM melalui API yang dapat diskalakan dengan tata kelola dan pemantauan bawaan.
Gerbang AI Unity	Mengelola dan memantau akses ke LLM dan agen dengan pelacakan penggunaan, pencatatan payload, dan kontrol keamanan.
Fungsi AI	Panggil LLM langsung dari SQL untuk memperkaya data dan membangun alur kerja AI.