Mulai menggunakan agen AI

Buat dan sebarkan agen AI pertama Anda menggunakan templat Aplikasi Databricks. Di tutorial ini, Anda akan:

• Membangun dan menyebarkan agen dari antarmuka aplikasi Databricks.
• Mengobrol dengan agen menggunakan antarmuka obrolan bawaan.

Prasyarat

Aktifkan Aplikasi Databricks di ruang kerja Anda. Lihat Menyiapkan ruang kerja dan lingkungan pengembangan Databricks Apps Anda.

Terapkan templat agen

Mulai menggunakan templat agen bawaan dari repositori templat aplikasi Databricks.

Tutorial ini menggunakan agent-openai-agents-sdk templat, yang mencakup:

• Agen yang dibuat menggunakan OpenAI Agent SDK
• Kode awal untuk aplikasi agen dengan API REST percakapan dan antarmuka pengguna chat yang interaktif
• Kode untuk mengevaluasi agen menggunakan MLflow

Instal templat aplikasi menggunakan UI Ruang Kerja. Ini menginstal aplikasi dan menyebarkannya ke sumber daya komputasi di ruang kerja Anda.

1. Di ruang kerja Databricks Anda, klik +Aplikasi>.

2. Klik Agents>Agent - OpenAI Agents SDK.

3. Buat eksperimen MLflow baru dengan nama openai-agents-template dan selesaikan sisa pengaturan untuk menginstal templat.

4. Setelah Anda membuat aplikasi, klik URL aplikasi untuk membuka UI obrolan.

Memahami aplikasi agen

Templat agen menunjukkan arsitektur siap produksi dengan komponen utama ini:

MLflow AgentServer: Server FastAPI asinkron yang menangani permintaan agen dengan pelacakan dan pengamatan bawaan. AgentServer menyediakan /invocations titik akhir untuk mengkueri agen Anda dan secara otomatis mengelola perutean permintaan, pengelogan, dan penanganan kesalahan.

OpenAI Agents SDK: Templat menggunakan OpenAI Agents SDK sebagai kerangka kerja agen untuk manajemen percakapan dan orkestrasi alat. Anda dapat membuat agen menggunakan kerangka kerja apa pun. Kuncinya adalah membungkus agen Anda dengan antarmuka MLflow ResponsesAgent .

ResponsesAgent antarmuka: Antarmuka ini memastikan agen Anda bekerja di berbagai kerangka kerja dan terintegrasi dengan alat Databricks. Bangun agen Anda menggunakan OpenAI SDK, LangGraph, LangChain, atau Python murni, lalu bungkus dengan ResponsesAgent untuk mendapatkan kompatibilitas otomatis dengan penyebaran AI Playground, Agent Evaluation, dan Databricks Apps.

Server MCP (Model Context Protocol): Templat terhubung ke server MCP Databricks untuk mengakses agen ke alat dan sumber data. Lihat Model Context Protocol (MCP) di Databricks.

Langkah selanjutnya

Pelajari cara menulis agen kustom:Menulis agen AI dan menyebarkannya di Aplikasi Databricks