Kembangkan agen di Azure Databricks

Agent Bricks adalah platform pengembangan agen Azure Databricks. Gunakan ini untuk membangun dan menerapkan agen yang menggerakkan produk agentik dan alur kerja Anda.

Agent Bricks mendukung alur kerja inti untuk membangun agen produksi:

• Deploy agen Anda: Agent Runtime meng-host agen yang dibangun dengan framework atau harness apa pun, stateful atau stateless, dan AgentKit menambahkan eksekusi tahan lama sehingga run bertahan dari restart dan crash.
• Jalankan kode dengan aman: Agen menjalankan kode yang mereka tulis di Databricks Sandbox, sebuah lingkungan terisolasi yang direktori utamanya tetap bertahan di seluruh sesi.
• Perkaya konteks agen Anda: Memori agen dan sesi memungkinkan agen Anda mengingat apa yang dipelajari dalam percakapan sebelumnya, sehingga dapat mempersonalisasi respons dan mengurangi biaya token.
• Debug dan uji agen Anda: MLflow Tracing mencatat setiap langkah yang diambil agen Anda, dan Anda dapat menyimpan serta mengatur jejak dalam skala besar di Unity Catalog.

Agent Bricks CLI membuat kerangka kode agen yang terhubung ke layanan ini. Anda dapat melakukan iterasi secara lokal, termasuk dengan agen coding, lalu men-deploy agen Anda.

Get started

Pelajari apa yang disediakan Agent Bricks dan bangun agen pertama Anda.

Panduan	Description
Panduan cepat Agent Bricks	Bangun dan sebarkan agen pertama Anda dengan CLI Agent Bricks.
Apa itu Agent Bricks?	Pelajari komponen dari sebuah agen dan bagaimana Agent Bricks mendukung masing-masing.
Agent Bricks CLI	Buat, jalankan, dan deploy agen dari command line, atau gunakan agen yang sudah ada.

Sambungkan ke model

Panduan	Description
Sambungkan ke model	Panggil model frontier dan open melalui Unity Gateway dengan satu API, dan beralih model tanpa mengubah kode agen.

Tambahkan konteks agen

Perkaya konteks agen Anda dengan memori, alat, dan data organisasi Anda.

Panduan	Description
Memori agen dan sesi	Simpan status percakapan dan memori jangka panjang di penyimpanan terkelola yang didukung oleh Lakebase.
server MCP dan alat agent	Hubungkan agen ke server dan alat MCP yang dikelola Azure Databricks, khusus, dan eksternal.
server MCP Genie One	Perkaya agen dengan konteks bisnis gabungan organisasi Anda melalui pertanyaan bahasa alami atas data yang dikelola.
Pencarian AI	Ambil teks relevan dan data tidak terstruktur dari indeks Pencarian AI yang dikelola.

Memasang agen Anda

Jalankan agen Anda dengan server agen di komputasi terkelola.

Panduan	Description
Deploy agent di Azure Databricks	Pelajari stack komputasi agen: framework atau harness, server agen, dan runtime agen.
Agent Server	Jalankan agen Anda dengan DurableAgentServer: run sinkron, streaming, dan latar belakang, dengan pemulihan crash.
Runtime Agen	Terapkan dan kelola agen pada sumber daya komputasi yang dihosting di Azure Databricks.
Databricks Sandbox	Berikan agen lingkungan terisolasi untuk menjalankan kode yang mereka tulis, dengan akses terbatas ke data terkelola.

Tanyakan kepada agen Anda

Panduan	Description
Agen kueri yang diterapkan di Azure Databricks	Kirim permintaan ke agen yang telah dideploy melalui API pemanggilan, API Respons, atau SQL.

Observabilitas agen dan kualitas

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

Panduan	Description
Observabilitas agen dan kualitas	Pelajari bagaimana MLflow melacak, mengevaluasi, dan memantau agen.
Pelacakan MLflow	Catat setiap langkah yang diambil agen untuk debug dan memperbaikinya.
Mengevaluasi dan meningkatkan	Ukur kualitas agen dengan juri LLM, penilai khusus, dan umpan balik ahli.

Kelola agen Anda

Panduan	Description
Unity Gateway	Kelola akses ke model, server MCP, dan skill, dengan pengaman, pembatasan laju, dan pelacakan penggunaan.

Transformasikan data tidak terstruktur

Panduan	Description
Fungsi AI	Terapkan model AI pada data Anda di SQL untuk mengklasifikasikan, mengekstrak, merangkum, dan mengurai dokumen.