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 Introduzione alle app di intelligenza artificiale generative in Databricks.

Creare automaticamente un agente con Agent Bricks

Agent Brick offre un approccio semplice e senza codice 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.

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

Per informazioni su come creare agenti di intelligenza artificiale in Databricks, vedere Creare agenti di intelligenza artificiale nel codice.

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.

Vedi gli agenti prototipo che chiamano strumenti nel Parco giochi dell'IA.

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

Databricks usa MLflow Model Signatures 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, MLflow dedurrà automaticamente una firma per l'agente compatibile con le funzionalità del prodotto Databricks, senza ulteriori operazioni necessarie da parte dell'utente.

In caso contrario, è necessario assicurarsi che l'agente sia conforme a una delle altre firme nello schema dell'agente di input e output legacy (,) per garantire la compatibilità con le funzionalità di Databricks.