Aan de slag met AI-agents

Bouw en implementeer uw eerste AI-agent met behulp van Databricks Apps-sjablonen. In deze tutorial doet u het volgende:

• Bouw en implementeer agent via de Databricks Apps UI.
• Chat met de agent met behulp van een vooraf gebouwde chatinterface.

Vereiste voorwaarden

Databricks-apps inschakelen in uw werkruimte. Zie Uw Databricks Apps-werkruimte en -ontwikkelomgeving instellen.

De agentsjabloon implementeren

Ga aan de slag met behulp van een vooraf samengestelde agentsjabloon vanuit de databricks-app-sjablonenopslagplaats.

In deze zelfstudie wordt gebruikgemaakt van de agent-openai-agents-sdk sjabloon, waaronder:

• Een agent die is gemaakt met de OpenAI Agent SDK
• Starterscode voor een agenttoepassing met een conversationele REST API en een interactieve chatinterface
• Code voor het evalueren van de agent met behulp van MLflow

Installeer de app-sjabloon met behulp van de gebruikersinterface van de werkruimte. Hiermee wordt de app geïnstalleerd en geïmplementeerd in een rekenresource in uw werkruimte.

1. Klik in uw Databricks-werkruimte op + Nieuwe>app.

2. Klik op Agents>Agent - OpenAI Agents SDK.

3. Maak een nieuw MLflow-experiment met de naam openai-agents-template en voltooi de rest van de set om de sjabloon te installeren.

4. Nadat u de app hebt gemaakt, klikt u op de APP-URL om de chatgebruikersinterface te openen.

Inzicht in de agenttoepassing

De agentsjabloon demonstreert een architectuur die gereed is voor productie met de volgende belangrijke onderdelen:

MLflow AgentServer: een asynchrone FastAPI-server die agentaanvragen verwerkt met ingebouwde tracering en waarneembaarheid. De AgentServer biedt het eindpunt voor het /invocations uitvoeren van query's op uw agent en beheert automatisch aanvraagroutering, logboekregistratie en foutafhandeling.

OpenAI Agents SDK: de sjabloon maakt gebruik van de OpenAI Agents SDK als agentframework voor gespreksbeheer en indeling van hulpprogramma's. U kunt agents ontwerpen met elk framework. De sleutel is het verpakken van uw agent met de MLflow-interface ResponsesAgent .

ResponsesAgent interface: Deze interface zorgt ervoor dat uw agent werkt in verschillende frameworks en kan worden geïntegreerd met Databricks-hulpprogramma's. Bouw uw agent met OpenAI SDK, LangGraph, LangChain of puur Python en wikkel deze vervolgens met ResponsesAgent om automatische compatibiliteit met AI Playground, Agent Evaluation en Databricks apps-deployment te verkrijgen.

MCP-servers (Model Context Protocol): de sjabloon maakt verbinding met Databricks MCP-servers voor toegang tot agents tot hulpprogramma's en gegevensbronnen. Zie McP (Model Context Protocol) op Databricks.

Volgende stappen

Meer informatie over het ontwerpen van een aangepaste agent: Een AI-agent ontwerpen en implementeren in Databricks Apps