Creare agenti di intelligenza artificiale in Azure Databricks

Azure Databricks supporta la creazione, la valutazione e la distribuzione di agenti di intelligenza artificiale, dalle semplici chiamate LLM agli agenti chiamanti degli strumenti e ai sistemi multi-agente. Queste guide illustrano i concetti, i flussi di lavoro di sviluppo e gli strumenti usati per distribuire un agente.

Stai cercando machine learning classico o Deep Learning? Vedi Machine learning on Azure Databricks.

Get started

Prova una guida rapida o scopri i concetti fondamentali.

Guida	Description
AI Playground	Crea prototipi e testa agenti e LLM con prompt engineering senza codice e regolazione dei parametri.
Introduzione agli agenti di intelligenza artificiale	Crea e distribuisci il tuo primo agente IA end-to-end.
Concetti: Intelligenza Artificiale Generativa su Azure Databricks	Informazioni su modelli, agenti, strumenti e app.
Ciclo di vita di sviluppo dell'agente	Comprendere il ciclo di vita completo della creazione di un agente di intelligenza artificiale.

Crea e distribuisci

Sviluppare e distribuire agenti.

Feature	Description
Assistente conoscenze	Crea e ottimizza agenti chatbot di domande e risposte specifici per dominio.
Agente supervisore	Crea un agente supervisore che coordina Genie Spaces, gli endpoint degli agenti, le funzioni di Unity Catalog, i server MCP e gli agenti personalizzati.
Agenti personalizzati	Creare e distribuire agenti, tra cui applicazioni RAG e sistemi multi-agente, con Python.
Databricks App	Creare e distribuire interfacce utente interattive per gli agenti, ad esempio app di chat e moduli di immissione dati.
Server MCP	Connettere gli agenti a strumenti, dati e flussi di lavoro tramite server MCP standardizzati.
Ricerca vettoriale	Eseguire una query su un indice vettoriale gestito per recuperare il testo pertinente e i dati non strutturati.

Valutare e monitorare

Tracciare, valutare e monitorare gli agenti in fase di sviluppo e produzione.

Feature	Description
Valutazione e monitoraggio	Valutare la qualità dell'agente e monitorare le distribuzioni di produzione.
Tracciamento MLflow	Registrare e analizzare il comportamento dell'agente per eseguire il debug e migliorare le prestazioni.

Eseguire query e gestire

Interrogare gli LLM e distribuire agenti e modelli tramite endpoint scalabili.

Feature	Description
Interroga LLM e agenti su Azure Databricks	Interroga LLM e agenti tramite notebook, SQL e applicazioni.
Modelli di base	Fornisci LLM tramite API scalabili con governance e monitoraggio integrati.
Gateway di intelligenza artificiale Unity	Gestire e monitorare l'accesso a LLMs e agenti con il rilevamento dell'utilizzo, la registrazione del payload e i controlli di sicurezza.
Funzioni di intelligenza artificiale	Chiama gli LLM direttamente da SQL per arricchire i dati e creare workflow di IA.