Creare agenti in Azure Databricks

Questa pagina offre una panoramica degli strumenti per la creazione, la distribuzione e la gestione degli agenti di intelligenza artificiale in Azure Databricks. Per altre informazioni sugli agenti, vedere Modelli di progettazione del sistema agent.

Feature	Descrzione
Introduzione: GenAI senza codice	Provare AI Playground per test e prototipi basati sull'interfaccia utente.
Introduzione: MLflow 3 per GenAI	Provare MLflow per la tracciabilità, la valutazione e il feedback umano su GenAI.

Distribuire e interrogare modelli linguistici di grandi dimensioni (LLM) per l'IA generativa

Offrire un set curato di modelli di intelligenza artificiale di generazione da provider LLM come OpenAI e Anthropic e renderli disponibili tramite API sicure e scalabili.

Feature	Descrzione
Modelli di base	Gestire modelli di intelligenza artificiale di generazione, inclusi modelli open source e di terze parti, ad esempio Meta Llama, Anthropic Claude, OpenAI GPT e altro ancora.

Creare e distribuire agenti di intelligenza artificiale di livello aziendale

Sviluppa e distribuisci i tuoi agenti personalizzati, inclusi gli agenti che utilizzano strumenti, le app di generazione con recupero aumentato e i sistemi multi-agenti. Per un punto di partenza senza codice, usare AI Playground per selezionare un LLM, aggiungere strumenti e chattare con l'agente per testare le risposte prima dell'esportazione nel codice.

Feature	Descrzione
AI Playground (nessun codice)	Creare prototipi e testare agenti di intelligenza artificiale in un ambiente senza codice. Sperimentare rapidamente i comportamenti degli agenti e le integrazioni degli strumenti prima di generare codice per la distribuzione.
Assistente conoscenze	Creare e ottimizzare chatbot di intelligenza artificiale specifici del dominio usando un'interfaccia intuitiva.
Creare agenti personalizzati	Creare, distribuire e valutare gli agenti con Python. Supporta gli agenti scritti con qualsiasi libreria di creazione, tra cui LangGraph, LangChain, OpenAI e LlamaIndex. Integrato con MLflow Tracing. Iterare rapidamente utilizzando le app di Databricks. Per iniziare rapidamente, vedere Introduzione agli agenti di intelligenza artificiale.
Strumenti dell'agente di intelligenza artificiale	Creare strumenti agente per eseguire query su dati strutturati e non strutturati, eseguire codice o connettersi alle API del servizio esterno.
MCP (Model Context Protocol)	Standardizzare la modalità di connessione degli agenti ai dati e agli strumenti con un'interfaccia sicura e coerente.

Valutare, eseguire il debug e ottimizzare gli agenti

Tenere traccia delle prestazioni dell'agente, raccogliere commenti e suggerimenti e migliorare la qualità con gli strumenti di valutazione e traccia.

Feature	Descrzione
Tracciamento MLflow	Utilizzare MLflow Tracking per un'osservabilità completa. Registrare ogni passaggio eseguito dall'agente per eseguire il debug, il monitoraggio e il controllo del comportamento dell'agente in fase di sviluppo e produzione.
Valutazione dell'Agente	Usare Valutazione agente e MLflow per misurare qualità, costi e latenza. Raccogliere feedback da stakeholder ed esperti in materia tramite app di revisione predefinite e usare i giudici LLM per identificare e risolvere i problemi di qualità.
Monitorare gli agenti	Usare la stessa configurazione di valutazione (giudici LLM e metriche personalizzate) nella valutazione offline e nel monitoraggio online.