Menggunakan Agen Supervisor untuk membuat sistem multi-agen terkoordinasi

Halaman ini menjelaskan cara menggunakan Agen Supervisor untuk membuat sistem supervisor multi-agen yang mengatur agen dan alat untuk bekerja sama pada tugas yang kompleks. Anda dapat meningkatkan koordinasi mereka berdasarkan umpan balik bahasa alami dari pakar materi pelajaran Anda.

Apa itu Agen Supervisor?

Gunakan Agen Supervisor untuk membuat sistem supervisor yang mengoordinasikan Agen Genie, titik akhir agen, fungsi Katalog Unity, server MCP, dan agen kustom untuk bekerja sama menyelesaikan tugas kompleks di berbagai domain khusus. Agen Supervisor menggunakan pola orkestrasi AI tingkat lanjut untuk mengelola interaksi agen, delegasi tugas, dan sintesis hasil untuk memberikan solusi yang komprehensif. Ini mendukung beberapa bahasa.

Supervisor Agent membangun sistem untuk Anda dan memungkinkan Anda meningkatkannya dari waktu ke waktu dengan umpan balik manusia. Ini sangat ideal untuk mendukung kasus penggunaan berikut:

Berikan analisis dan wawasan pasar dengan mencari di seluruh laporan penelitian dan data penggunaan.
Menjawab pertanyaan tentang proses internal dan mengotomatisasi penanganan backlog tiket terkait.
Percepat layanan pelanggan dengan menjawab kebijakan, FAQ, akun, dan pertanyaan lainnya.

Supervisor Agent memungkinkan Anda meningkatkan kualitas koordinasi supervisor dan menyesuaikan perilaku agen berdasarkan umpan balik bahasa alami dari pakar subjek Anda. Berikan contoh dan panduan untuk mengoptimalkan performa sistem.

Agen Supervisor membuat titik akhir komprehensif yang dapat Anda gunakan di hilir untuk aplikasi Anda. Misalnya, Anda dapat berinteraksi dengan titik akhir dengan mengirimkan perintah di Playground atau membangun aplikasi obrolan menggunakan Aplikasi Databricks. Supervisor memiliki kontrol akses bawaan, sehingga pengguna akhir hanya mengakses subagen dan data yang diizinkan untuk mereka akses.

Agen Supervisor menggunakan penyimpanan default untuk menyimpan transformasi data sementara, titik pemeriksaan model, dan metadata internal yang mendukung setiap agen. Pada penghapusan agen, semua data yang terkait dengan agen dihapus dari penyimpanan default.

Persyaratan

Ruang kerja yang menyertakan yang berikut ini:
- Komputasi tanpa server tersedia (diaktifkan secara default di ruang kerja dengan Katalog Unity di wilayah yang didukung).
- Katalog Unity diaktifkan. Lihat Mengaktifkan ruang kerja untuk Unity Catalog.
- Akses ke Model Serving.
- Akses ke kebijakan penggunaan tanpa server dengan anggaran bukan nol.
Ruang kerja di salah satu wilayah yang didukung.
Anda harus memiliki agen atau alat yang siap digunakan. Anda harus menyediakan setidaknya satu subagen.
Pengguna akhir agen supervisor memerlukan akses eksplisit untuk berinteraksi dengan setiap subagen. Lihat Subagen dan alat yang didukung untuk izin yang diperlukan.

Subagen dan alat yang didukung

Warning

Menjalankan kode arbitrer dalam alat agen dapat mengekspos informasi sensitif atau privat yang dapat diakses agen. Pelanggan bertanggung jawab untuk menjalankan hanya kode tepercaya, dan menerapkan pagar pembatas dan izin yang tepat untuk mencegah akses yang tidak diinginkan ke data.

Saat membuat supervisor, Anda harus menyediakan subagen untuk mengoordinasikan dan memberikan pengguna akhir akses eksplisit ke masing-masing. Tabel berikut ini mencantumkan jenis subagen yang didukung, cara membuat masing-masing, dan izin pengguna akhir yang diperlukan. Supervisor memiliki kontrol akses bawaan, sehingga pengguna akhir hanya mengakses subagen dan data yang diizinkan untuk mereka akses. Tanpa akses eksplisit, supervisor tidak dapat mengembalikan respons bermanfaat dari subagen.

Jenis subagen	Cara membuat	Izin pengguna akhir yang diperlukan
Agen Genie	Membuat dan mengelola Agen Genie	Akses ke Agen Genie dan objek Unity Catalog yang mendasarinya. Lihat Berbagi Agen Genie.
Dasbor yang dipublikasikan	Buat dasbor, lalu Terbitkan dasbor	`CAN VIEW` di dasbor yang diterbitkan. Lihat Mengelola izin untuk dasbor.
Titik akhir agen Asisten Pengetahuan	Menggunakan Asisten Pengetahuan untuk membuat chatbot berkualitas tinggi di atas dokumen Anda	`CAN QUERY` pada titik akhir agen. Lihat Mengelola izin.
Titik akhir pengoperasian model	Membuat model kustom yang melayani titik akhir	`CAN QUERY` pada titik akhir penyajian. Lihat Mengelola izin pada model yang melayani titik akhir.
Fungsi Katalog Unity	Membuat alat agen menggunakan fungsi Unity Catalog	`EXECUTE` pada fungsi Unity Catalog. Lihat JALANKAN.
Tabel pada Katalog Unity	Azure Databricks tabel	`SELECT` pada tabel, plus `USE CATALOG` dan `USE SCHEMA` pada katalog dan skema induknya. Lihat Referensi hak istimewa Katalog Unity.
Katalog Volume Unity	Apa yang dimaksud dengan volume pada Katalog Unity?	`READ VOLUME` pada volume, ditambah `USE CATALOG` dan `USE SCHEMA` pada katalog dan skema induknya. Lihat Referensi hak istimewa Katalog Unity.
Indeks Pencarian AI	Membuat titik akhir dan indeks Pencarian AI	`USE CATALOG` pada katalog induk, `USE SCHEMA` pada skema induk, dan `SELECT` pada indeks Pencarian AI. Lihat Referensi hak istimewa Katalog Unity.
Agen Supervisor	Menggunakan Agen Supervisor untuk membuat sistem multi-agen terkoordinasi	`CAN QUERY` pada Agen Supervisor. Lihat Langkah 4: Mengelola izin.
Server MCP eksternal	Hubungkan agen ke alat pihak ketiga dengan Layanan MCP, atau instal dari Databricks Marketplace.	`USE CONNECTION` pada koneksi Unity Catalog. Lihat MENGGUNAKAN KONEKSI.
Server MCP khusus	Menghosting server MCP Anda sendiri	`CAN_USE` di aplikasi Databricks. Lihat Autentikasi untuk agen.
Agen kustom	Menulis agen dan menyebarkannya di Aplikasi Databricks	`CAN_USE` di aplikasi Databricks. Lihat Autentikasi untuk agen.

Eksekusi kode

Setiap supervisor secara default memiliki alat eksekusi kode. Ketika permintaan membutuhkan komputasi, supervisor menjalankan kode yang dihasilkan model dalam sesi komputasi serverless sandbox untuk menganalisis data, mengubah file, atau menjalankan perhitungan. Ini mendukung perintah Python (default), SQL, dan shell. Supervisor menulis dan menjalankan kode itu sendiri saat dibutuhkan, jadi Anda tidak mengaktifkan, mengonfigurasi, atau menambahkan alat ini di bawah Alat dan sub-agen.

Eksekusi kode berjalan di kotak pasir terkunci dengan:

Tidak ada akses internet. Ini memblokir semua lalu lintas jaringan keluar terlepas dari kebijakan jaringan ruang kerja Anda, sehingga kode yang berjalan di sandbox tidak dapat mengakses endpoint eksternal.
Akses ke Azure Databricks terbatas saja. Ini tidak memiliki akses data sendiri. Aplikasi ini memiliki akses hanya-baca ke tabel dan volume Unity Catalog yang Anda tambahkan sebagai alat ke supervisor, dengan syarat izin pengguna akhir. Aplikasi ini tidak bisa mengakses file workspace.

Membuat sistem supervisor multi-agen

Buka ikon Agen. Agen di panel navigasi kiri ruang kerja Anda. Klik Buat Agen, dan pilih Agen Supervisor.

Langkah 1: Mengonfigurasi supervisor Anda

Konfigurasikan supervisor Anda dan tambahkan agen yang akan dikoordinasikan.

Halaman konfigurasi agen supervisor memperlihatkan panel Alat dan sub-agen di sebelah kiri.

Di bawah Alat dan sub-agen di panel sisi kiri, tambahkan alat dan subagen Anda. Klik jenis alat/agen yang ingin Anda tambahkan, lalu pilih dari menu dropdown yang muncul. Atau, gunakan bilah pencarian untuk memilih alat/agen. Anda dapat memilih hingga 50 agen dan alat yang berbeda.
Untuk hasil yang lebih baik, berikan deskripsi untuk setiap alat/sub-agen. Klik alat/subagen untuk menyesuaikan deskripsi. Supervisor menggunakan informasi dalam deskripsi untuk membantunya mengoordinasikan agen. Berikan detail sebanyak mungkin untuk membantu meningkatkan pendelegasian tugas.
Untuk mengelola izin untuk setiap alat/agen, arahkan mouse ke atas petak alat/agen dan klik . Ini membuka alat/agen tersebut di Azure Databricks, dan Anda dapat mengonfigurasi izin dari sana. Lihat Subagen dan alat yang didukung untuk izin pengguna akhir yang diperlukan.

Note

Jika pengguna akhir tidak memiliki akses ke subagen apa pun, supervisor akan mengakhiri percakapan. Jika pengguna akhir memiliki akses ke beberapa tetapi tidak semua subagen, supervisor akan mengalihkan percakapan dari subagen yang tidak dapat diakses pengguna.
(Opsional) Di bidang Instruksi , tentukan panduan tentang bagaimana pengawas harus merespons.
(Opsional) Di bidang Deskripsi , berikan ringkasan tentang apa yang dilakukan supervisor ini. Deskripsi ini ditampilkan kepada pengguna dan digunakan untuk pencarian.

Langkah 2: Uji agen supervisor Anda

Setelah supervisor Anda selesai menginisialisasi, uji untuk melihat seberapa baik supervisor mengoordinasikan beberapa agen untuk menangani tugas yang kompleks. Di panel sisi kanan, mengobrol dengan agen untuk mengevaluasi responsnya.

(Opsional) Anda juga dapat menguji agen di AI Playground. Klik Buka di Playground. Ini membuka AI Playground dengan endpoint supervisor Anda yang tersambung. Jika Anda mengaktifkan fitur bantuan AI, Anda dapat mengaktifkan AI Judge dan Pembuatan Tugas Sintetis untuk membantu Anda mengevaluasi supervisor Anda.
Masukkan pertanyaan atau tugas kompleks untuk supervisor Anda.
Evaluasi responsnya. Pastikan bahwa supervisor berhasil mendelegasikan tugas ke agen yang tepat.
Saat berinteraksi dengan supervisor, Anda mungkin diminta untuk Menambahkan panduan untuk membantu meningkatkan responsnya. Berikan panduan respons dan buat ulang respons.
Berdasarkan respons agen Anda, sesuaikan bidang Deskripsi dan Instruksi di panel sisi kiri untuk meningkatkan konfigurasinya.

Jika Anda puas dengan performa supervisor Anda, lanjutkan menggunakan supervisor as-is.

Langkah 3: Tingkatkan penyelia

Agen Supervisor dapat menyesuaikan perilaku supervisor berdasarkan umpan balik bahasa alami. Kumpulkan umpan balik dari para ahli melalui halaman konfigurasi untuk meningkatkan kualitas koordinasi supervisor Anda. Mengumpulkan data berlabel untuk supervisor Anda dapat meningkatkan performanya. Agen Pengawas akan melatih ulang dan mengoptimalkan supervisor dengan data baru.

Di tab Contoh , tambahkan pertanyaan dan skenario tugas untuk supervisor.

Tambahkan pertanyaan ke label:
1. Klik + Tambahkan untuk menambahkan pertanyaan.
2. Di modal Tambahkan pertanyaan , masukkan pertanyaan Anda.
3. Klik Tambahkan. Pertanyaan akan muncul di UI.
4. Ulangi hingga Anda menambahkan semua pertanyaan yang ingin Anda evaluasi.
5. Untuk menghapus pertanyaan, klik menu kebab , lalu Hapus.
Setelah selesai menambahkan pertanyaan, Anda dapat berbagi agen dengan orang lain untuk ditinjau guna membantu Anda membangun himpunan data berlabel berkualitas tinggi. Bagikan tautan ke halaman konfigurasi Agen Supervisor Anda untuk mengumpulkan umpan balik dari para ahli.
Pastikan para ahli memiliki akses ke agen supervisor dan subagen yang sesuai:
1. Di sudut kanan atas, klik untuk mengelola izin. Berikan para ahli izin CAN_MANAGE sehingga mereka dapat mengakses agen dan memberikan umpan balik.
2. Pastikan UKM memiliki akses ke setiap subagen. Lihat Subagen dan alat yang didukung untuk izin yang diperlukan per jenis subagen.
Jika UKM tidak memiliki akses ke subagen apa pun, supervisor akan mengakhiri percakapan. Jika pengguna akhir memiliki akses ke beberapa tetapi tidak semua subagen, supervisor akan mengalihkan percakapan dari subagen yang tidak dapat diakses pengguna.
Untuk memberi label data, klik pertanyaan dan tambahkan Panduan di panel yang muncul. Panduan berlaku segera setelah disimpan.
Uji agen lagi di halaman konfigurasi atau AI Playground untuk melihat peningkatan performanya. Jika diperlukan, tambahkan lebih banyak pertanyaan dan panduan untuk terus meningkatkan perilaku.

Langkah 4: Mengelola izin

Secara default, hanya penulis agen dan admin ruang kerja yang memiliki izin ke agen. Untuk mengizinkan pengguna lain mengedit atau mengkueri agen Anda, Anda perlu secara eksplisit memberi mereka izin.

Untuk mengelola izin pada agen Anda:

Buka agen Anda di halaman Agen .
Di bagian atas, klik menu kebab.
Klik Kelola izin.
Di jendela Pengaturan Izin , pilih pengguna, grup, atau perwakilan layanan.
Pilih izin yang akan diberikan:
- Dapat Mengelola: Memungkinkan pengelolaan agen, termasuk mengatur izin, mengedit konfigurasi agen, dan meningkatkan kualitasnya.
- Dapat Mengkueri: Memungkinkan kueri titik akhir agen di AI Playground dan melalui API. Pengguna dengan hanya izin ini tidak dapat melihat atau mengedit agen di halaman Agen.
Klik Tambahkan.
Kliklah Simpan.

Note

Untuk titik akhir agen yang dibuat sebelum 16 September 2025, Anda bisa memberikan izin Dapat Meminta Query ke titik akhir dari halaman Titik akhir pelayanan.

Langkah 5: Mengkueri titik akhir agen

Pada halaman agen, klik Titik akhir untuk membuka titik akhir agen dan melihat detailnya.

Ada beberapa cara untuk melakukan kueri pada titik akhir supervisor yang telah dibuat. Gunakan contoh kode yang disediakan di AI Playground sebagai titik awal.

Klik Buka di ruang uji coba.
Dari Playground, klik Dapatkan kode.
Pilih bagaimana Anda ingin menggunakan titik akhir:
- Pilih Curl API untuk contoh kode untuk mengkueri titik akhir menggunakan curl.
- Pilih Python API untuk contoh kode untuk berinteraksi dengan titik akhir menggunakan Python.

Mengelola agen supervisor menggunakan Databricks SDK

Important

Fitur ini ada di Beta. Admin akun dapat mengontrol akses ke fitur ini dari halaman Pratinjau . Lihat Kelola Pratinjau Azure Databricks.

Anda dapat menggunakan SDK Databricks untuk Python untuk membuat dan mengelola agen supervisor secara terprogram dan alatnya. Untuk daftar lengkap operasi yang tersedia, lihat referensi SDK Agen Supervisor.

Membuat agen supervisor

Contoh berikut membuat agen supervisor baru dengan nama tampilan, deskripsi, dan instruksi.

from databricks.sdk import WorkspaceClient
from databricks.sdk.service.supervisoragents import SupervisorAgent

w = WorkspaceClient()

supervisor_agent = SupervisorAgent(
    display_name="<display-name>",
    description="<description>",
    instructions="<instructions>",
)
created = w.supervisor_agents.create_supervisor_agent(supervisor_agent=supervisor_agent)
print(created)

Ganti <display-name>, <description>, dan <instructions> dengan nilai untuk agen supervisor Anda.

Mengelola alat (subagen)

Anda dapat menambahkan, memperbarui, dan menghapus alat (subagen) pada agen supervisor yang ada menggunakan SDK. Alat merepresentasikan subagen seperti asisten pengetahuan, Agen Genie, fungsi Unity Catalog, dan endpoint agen lainnya.

Tambahkan alat (subagen)

Contoh berikut menambahkan asisten pengetahuan sebagai alat pada agen supervisor yang ada.

from databricks.sdk import WorkspaceClient
from databricks.sdk.service.supervisoragents import Tool, KnowledgeAssistant

w = WorkspaceClient()

tool = Tool(
    tool_type="knowledge_assistant",
    description="<tool-description>",
    knowledge_assistant=KnowledgeAssistant(
        knowledge_assistant_id="<knowledge-assistant-id>",
    ),
)

created_tool = w.supervisor_agents.create_tool(
    parent="supervisor-agents/<supervisor-agent-id>",
    tool=tool,
    tool_id="<tool-id>",
)
print(created_tool)

Ganti <supervisor-agent-id> dengan ID agen supervisor Anda, <knowledge-assistant-id> dengan ID asisten pengetahuan untuk ditambahkan sebagai alat, dan <tool-id> dengan pengidentifikasi unik untuk alat tersebut.

Memperbarui alat (subagen)

Contoh berikut memperbarui deskripsi alat yang ada.

from databricks.sdk import WorkspaceClient
from databricks.sdk.service.supervisoragents import Tool
from databricks.sdk.common.types.fieldmask import FieldMask

w = WorkspaceClient()

updated_tool = w.supervisor_agents.update_tool(
    name="supervisor-agents/<supervisor-agent-id>/tools/<tool-id>",
    tool=Tool(
        tool_type="knowledge_assistant",
        description="<new-description>",
    ),
    update_mask=FieldMask(["description"]),
)
print(updated_tool)

Bidang yang diizinkan di update_mask: description.

Menghapus perangkat (subagen)

Contoh berikut ini menghapus sebuah alat dari agen pengawas.

from databricks.sdk import WorkspaceClient

w = WorkspaceClient()

w.supervisor_agents.delete_tool(
    name="supervisor-agents/<supervisor-agent-id>/tools/<tool-id>",
)

Limitations

Anda tidak dapat menggunakan lebih dari 50 agen dalam satu sistem supervisor.
Subagen indeks Pencarian AI hanya mendukung indeks Sinkronisasi Delta. Lihat Membuat titik akhir dan indeks Pencarian AI.

Pencarian web asli tidak didukung. Namun, Anda dapat menambahkan server MCP pencarian web, seperti You.com dari Azure Databricks Marketplace, sebagai alat MCP eksternal.

Langkah berikutnya

Tugas jangka panjang Penyelia Agen

Saran dan Komentar

Apakah halaman ini membantu?

Last updated on 2026-08-03