Guida rapida di Agent Bricks

Importante

Questa funzionalità è in versione beta. Non è richiesta alcuna impostazione dello spazio di lavoro per attivarlo. Installa la CLI di Agent Bricks per iniziare.

Questo quickstart ti porta da una directory vuota a un agente personalizzato distribuito usando la CLI Agent Bricks (databricks-agentbricks), lo strumento a riga di comando di Azure Databricks per costruire e distribuire agenti. La CLI di Agent Bricks gestisce l'accesso ai modelli, la memoria, le sessioni, gli strumenti e il tracciamento per te, così puoi concentrarti sulla logica del tuo agente.

Come funziona la CLI di Agent Bricks

La CLI di Agent Bricks genera la struttura di un progetto locale a partire da un template di framework, con runtime, test e un'interfaccia di chat opzionale già collegati. Scrivi la logica applicativa (modello, strumenti e prompt) e la CLI la esegue localmente e ne esegue il deployment. Il file dichiarativo agent.toml è la fonte di verità per le risorse gestite da Azure Databricks da cui dipende il tuo agente, come strumenti, memoria, sessioni e tracciamento. agentbricks deploy Lo legge per provisionare e cablare tutto.

Tre comandi portano un agent da una directory vuota alla produzione:

• agentbricks init crea la struttura di base del progetto e scrive agent.toml.
• agentbricks devL'agente viene eseguito localmente, utilizzando lo stesso runtime e ambiente che Azure Databricks utilizza.
• agentbricks deploy effettua il provisioning delle risorse dichiarate e avvia la distribuzione.

Prerequisiti

• La CLI Databricks, installata e presente nel tuo PATH.

• Python 3.10 o superiore, con pip.

• Installa la CLI di Agent Bricks:

  pip install databricks-agentbricks
  

Passaggio 1: Eseguire l'autenticazione

Autentica il tuo workspace con OAuth, salva un profilo con nome e impostalo come predefinito della CLI di Agent Bricks:

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

Passo 2: Crea la struttura del progetto

Crea un nuovo progetto agente, scegliendo un template di framework con --framework:

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

Passo 3: Esegui l'agente localmente

Esegui l'agente sulla tua macchina per testarlo prima di distribuire:

agentbricks dev

Questo avvia un server locale sulla porta 8000 utilizzando lo stesso comando e ambiente del runtime dell'agente Azure Databricks, collegato al serving dei modelli di Azure Databricks. Invia richieste a http://localhost:8000 per interagire con l'agente.

Passo 4: Distribuisci l'agente

Distribuire l'agente nel runtime dell'agente Azure Databricks:

agentbricks deploy my-agent

La CLI di Agent Bricks predispone qualsiasi store vincolato, concede al service principal dell'agente l'accesso a essi e distribuisce il deployment. Quando termina, la CLI restituisce l'URL del deployment. Apri l'URL per interagire con il tuo agente in tempo reale.

Passaggi successivi

• Panoramica completa dei comandi e funzionalità della CLI di Agent Bricks: CLI di Agent Bricks.
• Associare memoria e sessioni gestite: memoria gestita per agenti.
• Aggiungi strumenti e servizi MCP: MCP.
• Visualizza tracce degli agenti con MLflow: panoramica del tracciamento.