Creare un agente di intelligenza artificiale

Questo articolo presenta il processo di creazione di agenti di intelligenza artificiale in Azure Databricks e descrive i metodi disponibili per la creazione di agenti.

Per altre informazioni sugli agenti, vedere Modelli di progettazione del sistema agent.

Creare automaticamente un agente con Agent Bricks

Agent Brick offre un approccio semplice per creare e ottimizzare sistemi di agenti di intelligenza artificiale di alta qualità specifici del dominio per casi d'uso comuni di intelligenza artificiale. Specificare il caso d'uso e i dati e Agent Brick creerà automaticamente diversi sistemi di agenti di intelligenza artificiale che è possibile perfezionare ulteriormente. Vedi Agent Bricks.

Creare un agente nel codice

Mosaic AI Agent Framework e MLflow forniscono strumenti che consentono di creare agenti pronti per l'organizzazione in Python.

Azure Databricks supporta la creazione di agenti usando librerie di creazione di agenti di terze parti, ad esempio LangGraph/LangChain, OpenAI, LlamaIndex o implementazioni Python personalizzate.

Per iniziare rapidamente, vedere Introduzione agli agenti di intelligenza artificiale. Per altre informazioni sulla creazione di agenti con framework diversi e funzionalità avanzate, vedere Creare un agente di intelligenza artificiale e distribuirlo in Databricks Apps.

Creare prototipi di agenti con AI Playground

L'AI Playground è il modo più semplice per creare un agente su Azure Databricks. AI Playground consente di selezionare da vari LLM e di aggiungere rapidamente strumenti all'LLM usando un'interfaccia utente con poco codice. È quindi possibile chattare con l'agente per testare le risposte e quindi esportare l'agente nel codice per la distribuzione o un ulteriore sviluppo.

Vedere Introduzione: Eseguire query con LLMs e creare prototipi di agenti di intelligenza artificiale senza codice.

Comprendere le firme del modello per garantire la compatibilità con le funzionalità di Azure Databricks

Azure Databricks usa le firme del modello MLflow per definire lo schema di input e output degli agenti. Le funzionalità del prodotto come l'AI Playground presuppongono che l'agente abbia una delle signature del modello supportate.

Se si segue l'approccio consigliato per la creazione di agenti usando l'interfaccia ResponsesAgent, MLflow dedurrà automaticamente una firma per l'agente compatibile con le funzionalità del prodotto Azure Databricks.

In caso contrario, è necessario assicurarsi che l'agente sia conforme a una delle altre firme nel Legacy input and output agent schema (Model Serving), al fine di garantire la compatibilità con le funzionalità di Azure Databricks.