이 문서에서는 Azure Databricks에서 AI 에이전트를 만드는 프로세스를 소개하고 에이전트를 만드는 데 사용할 수 있는 방법을 간략하게 설명합니다.
에이전트에 대한 자세한 내용은 에이전트 시스템 디자인 패턴을 참조하세요.
AI Playground를 사용하는 프로토타입 에이전트
AI 플레이그라운드는 Azure Databricks에서 에이전트를 만드는 가장 쉬운 방법입니다. AI Playground를 사용하면 다양한 LLM 중에서 선택하고 낮은 코드 UI를 사용하여 LLM에 도구를 빠르게 추가할 수 있습니다. 그런 다음 에이전트와 채팅하여 응답을 테스트한 다음 배포 또는 추가 개발을 위해 에이전트를 코드로 내보낼 수 있습니다.
코드 없이 LLM을 쿼리 수행하고 AI 에이전트를 프로토타입하는 방법 시작하기를 참조하세요.
Knowledge Assistant를 사용하여 에이전트 자동 빌드
지식 도우미는 문서보다 도메인별 질문 및 답변 챗봇을 빌드 및 최적화하고 주제 전문가의 자연어 피드백에 따라 품질을 개선하는 간소화된 접근 방식을 제공합니다.
Knowledge Assistant에는 더 많은 맞춤형 에이전트로 전환하기 전에 시작하기에 좋은 완전히 관리되는 접근 방식이 있습니다.
사용자 지정 에이전트 코딩
에이전트 프레임워크 및 MLflow에는 Python에서 엔터프라이즈급 에이전트를 작성하는 데 도움이 되는 도구가 있습니다.
Azure Databricks는 LangGraph/LangChain, OpenAI, LlamaIndex 또는 사용자 지정 Python 구현과 같은 타사 에이전트 작성 라이브러리를 사용하여 에이전트 작성을 지원합니다.
빠르게 시작하려면 AI 에이전트 시작을 참조하세요. 다양한 프레임워크 및 고급 기능을 사용하여 에이전트를 작성하는 방법에 대한 자세한 내용은 AI 에이전트 작성 및 Databricks 앱에 배포를 참조하세요.
모델 서명을 이해하여 Azure Databricks 기능과의 호환성 보장
Azure Databricks는 MLflow 모델 서명을 사용하여 에이전트의 입력 및 출력 스키마를 정의합니다. AI Playground와 같은 제품 기능은 에이전트에 지원되는 모델 서명 집합 중 하나가 있다고 가정합니다.
ResponsesAgent 인터페이스 를 사용하여 에이전트를 작성하는 권장 방법을 따르는 경우 MLflow는 Azure Databricks 제품 기능과 호환되는 에이전트에 대한 서명을 자동으로 유추합니다.