Panduan cepat Agent Bricks

Important

Fitur ini ada di Beta. Tidak diperlukan pengaturan ruang kerja untuk mengaktifkannya. Instal CLI Agent Bricks untuk memulai.

Quickstart ini membawa Anda dari direktori kosong ke agen kustom yang telah dideploy menggunakan Agent Bricks CLI (databricks-agentbricks), alat baris perintah Azure Databricks untuk membangun dan menerapkan agen. CLI Agent Bricks mengelola akses model, memori, sesi, alat, dan pelacakan untuk Anda, sehingga Anda dapat fokus pada logika agen Anda.

Cara kerja CLI Agent Bricks

CLI Agent Bricks menyiapkan struktur proyek lokal dari template framework, dengan runtime, pengujian, dan antarmuka chat opsional yang sudah dikonfigurasi. Anda menulis logika aplikasi (model, alat, dan prompt), lalu CLI menjalankannya secara lokal dan menyebarkannya. File deklaratif agent.toml adalah sumber kebenaran untuk sumber daya yang dikelola Azure Databricks yang menjadi dependensi agen Anda, seperti alat, memori, sesi, dan pelacakan. agentbricks deploy membacanya untuk memprovisikan dan menyiapkan semua koneksi.

Tiga perintah membawa agen dari direktori kosong ke produksi:

• agentbricks init membuat kerangka proyek dan menulis agent.toml.
• agentbricks devmenjalankan agen secara lokal, menggunakan runtime dan lingkungan yang sama seperti yang digunakan Azure Databricks.
• agentbricks deploy memprovisikan sumber daya yang dideklarasikan dan meluncurkan deployment.

Prerequisites

• Databricks CLI sudah terpasang dan tersedia di PATH Anda.

• Python 3.10 atau lebih tinggi, dengan pip.

• Instal Agent Bricks CLI:

  pip install databricks-agentbricks
  

Langkah 1: Mengautentikasi

Autentikasi ke workspace Anda dengan OAuth, simpan profil bernama, dan atur sebagai default Agent Bricks CLI:

databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>

Langkah 2: Buat kerangka proyek

Scaffold proyek agen baru, memilih template kerangka kerja dengan --framework:

agentbricks init --framework langgraph my-agent
cd my-agent

Langkah 3: Jalankan agen secara lokal

Jalankan agen di mesin Anda untuk mengujinya sebelum Anda menerapkannya:

agentbricks dev

Ini memulai server lokal pada port 8000 menggunakan perintah dan lingkungan yang sama dengan runtime agen Azure Databricks, terhubung ke layanan model Azure Databricks. Kirim permintaan ke http://localhost:8000 untuk berinteraksi dengan agen.

Langkah 4: Deploy agen

Sebarkan agen ke runtime agen Azure Databricks:

agentbricks deploy my-agent

CLI Agent Bricks memprovisikan semua store yang terikat, memberikan akses kepada service principal agen, dan menjalankan penyebaran. Setelah selesai, CLI mengembalikan URL penyebaran. Buka URL untuk berinteraksi dengan agen dukungan langsung Anda.

Langkah berikutnya

• Panduan lengkap perintah dan kemampuan CLI Agent Bricks: Agent Bricks CLI.
• Ikatkan memori dan sesi yang dikelola: Memori agen.
• Tambahkan alat dan layanan MCP: MCP.
• Lihat jejak agen dengan MLflow: Ikhtisar pelacakan.