このページでは、Azure Databricksで AI エージェントを構築、デプロイ、管理するためのツールの概要を示します。 エージェントの詳細については、 エージェント システムの設計パターンに関するページを参照してください。
| 特徴 | Description |
|---|---|
| 作業の開始: コードなしの GenAI | UI ベースのテストとプロトタイプ作成のために AI Playground を試す。 |
| はじめに: GenAI 用 MLflow 3 | GenAI トレース、評価、および人間のフィードバックのために MLflow を試してください。 |
Gen AI 大規模言語モデル (LLM) の提供とクエリ
OpenAI や Anthropic などの LLM プロバイダーから厳選された一連の Gen AI モデルを提供し、セキュリティで保護されたスケーラブルな API を通じて利用できるようにします。
| 特徴 | Description |
|---|---|
| 基盤モデル | Meta Llama、Anthropic Claude、OpenAI GPT などのオープン ソースモデルやサードパーティモデルを含む、Gen AI モデルを提供します。 |
エンタープライズ レベルの AI エージェントを構築してデプロイする
ツール呼び出しエージェント、取得拡張世代アプリ、マルチエージェント システムなど、独自のエージェントを構築してデプロイします。 コードなしの開始点として、AI Playground を使用して LLM を選択し、ツールを追加し、エージェントとチャットして、コードにエクスポートする前に応答をテストします。
| 特徴 | Description |
|---|---|
| AI プレイグラウンド (コードなし) | コードなしの環境での AI エージェントのプロトタイプ作成とテスト。 デプロイ用のコードを生成する前に、エージェントの動作とツールの統合をすばやく試してください。 |
| Knowledge Assistant | 直感的なインターフェイスを使用して、ドメイン固有の AI チャットボットを構築して最適化します。 |
| カスタム エージェントをビルドする | Python を使用してエージェントを作成、デプロイ、評価します。 LangGraph、LangChain、OpenAI、LlamaIndex など、任意のオーサリング ライブラリで記述されたエージェントをサポートします。 MLflow トレースと統合されています。 Databricks Apps を使用してすばやく反復処理します。 すぐに始めるには、「 AI エージェントの概要」を参照してください。 |
| AI エージェント ツール | 構造化データと非構造化データのクエリ、コードの実行、または外部サービス API への接続を行うエージェント ツールを作成します。 |
| MCP (モデル コンテキスト プロトコル) | セキュリティで保護された一貫性のあるインターフェイスを使用して、エージェントがデータやツールに接続する方法を標準化します。 |
エージェントの評価、デバッグ、最適化
評価ツールとトレース ツールを使用して、エージェントのパフォーマンスを追跡し、フィードバックを収集し、品質の向上を推進します。
| 特徴 | Description |
|---|---|
| MLflow トラッキング | エンド ツー エンドの可観測性を実現するには、MLflow トレースを使用します。 開発および運用環境でのエージェントの動作をデバッグ、監視、監査するためにエージェントが実行するすべてのステップをログに記録します。 |
| エージェントの評価 | エージェントの評価と MLflow を使用して、品質、コスト、待機時間を測定します。 組み込みのレビュー アプリを通じて利害関係者や主題の専門家からのフィードバックを収集し、LLM のジャッジを使用して品質の問題を特定して解決します。 |
| エージェントを監視する | オフライン評価とオンライン監視では、同じ評価構成 (LLM ジャッジとカスタム メトリック) を使用します。 |