Ontwikkel agents op Azure Databricks

Agent Bricks is het Azure Databricks-agentontwikkelplatform. Gebruik het om de agents te bouwen en uit te rollen die je AI-agentproducten en workflows aandrijven.

Agent Bricks ondersteunt de kernworkflows voor het bouwen van een productieagent:

• Deploy je agent: Agent Runtime host agents die gebouwd zijn met elk framework of harness, stateful of stateless. DurableAgentServer, onderdeel van de AgentKit-bibliotheek, voegt duurzame uitvoering toe zodat runs herstarts en crashes overleven.
• Code veilig uitvoeren: Agenten voeren de code uit die ze schrijven in Databricks Sandbox, een geïsoleerde omgeving waarvan de thuismap over sessies heen blijft bestaan.
• Geef je agent context: Managed agent-geheugen laat je agent herinneren wat hij in eerdere gesprekken heeft geleerd, zodat hij zijn antwoorden kan personaliseren.
• Debug en test je agent: MLflow Tracing registreert elke stap die je agent neemt, en je kunt traces op schaal opslaan en beheren in Unity Catalog.

Op zoek naar klassieke ML of deep learning? Zie Machine learning op Azure Databricks.

Get started

Leer wat Agent Bricks biedt en bouw je eerste agent.

Guide	Description
Agent Bricks quickstart	Bouw en deploy je eerste agent met de Agent Bricks CLI.
Wat is Agent Bricks?	Leer de componenten van een agent kennen en hoe Agent Bricks elk van deze ondersteunt.
Agent Bricks CLI	Maak agenten aan, voer uit en deploy ze vanuit de commandoregel, of gebruik een bestaande agent.

Verbinden met modellen

Guide	Description
Verbinden met modellen	Gebruik frontier- en open modellen via Unity Gateway met één API, en wissel modellen zonder agentcode te wijzigen.

Voeg context van de agent toe

Geef je agent geheugen, tools en toegang tot je data.

Guide	Description
Agentgeheugen en sessies	Sla de gespreksstatus en het langetermijngeheugen op in beheerde opslagplaatsen die worden ondersteund door Lakebase.
MCP-servers en agenttools	Verbind agenten met Azure Databricks beheerde, aangepaste en externe MCP-servers en -tools.
Genie One MCP-server	Geef agenten de gecombineerde zakelijke context van je organisatie via vragen in natuurlijke taal over data onder governance.
AI-zoekopdracht	Haal relevante tekst en ongestructureerde data op uit een beheerde AI-zoekindex.

Uw agent implementeren

Voer je agent uit met een agent server op beheerde rekenkracht.

Guide	Description
Implementeer agents op Azure Databricks	Leer de agent compute stack: framework of harness, agent server en agent runtime.
Agent Server	Bedien je agent met DurableAgentServer: synchrone, streaming en achtergrondruns, met crashherstel.
Agent Runtime	Deploy en beheer agenten op Azure Databricks-gehoste compute.
Databricks Sandbox	Geef agenten een geïsoleerde omgeving om de code die ze schrijven uit te voeren, met beperkte toegang tot beheerde data.

Vraag je agent

Guide	Description
Queryagenten die zijn geïmplementeerd op Azure Databricks	Stuur verzoeken naar geïmplementeerde agenten via de aanroep-API, de Responses API, of SQL.

Agentobservabiliteit en kwaliteit

Agents traceren, evalueren en bewaken in ontwikkeling en productie.

Guide	Description
Observability van agents en kwaliteit	Leer hoe MLflow agenten traceert, evalueert en monitort.
MLflow-volgsysteem	Noteer elke stap die een agent neemt om het te debuggen en te verbeteren.
Evalueer en verbeter	Meet de kwaliteit van een agent met LLM-beoordelaars, aangepaste beoordelaars en deskundige feedback.

Beheer je agents

Guide	Description
Unity Gateway	Reguleer de toegang tot modellen, MCP-servers en vaardigheden, met beveiligingsmaatregelen, aanvraaglimieten en gebruikstracking.

Transformeer ongestructureerde data

Guide	Description
AI-functies	Pas AI-modellen toe op je data uit SQL om documenten te classificeren, te extraheren, samen te vatten en te parsen.