Tworzenie agenta sztucznej inteligencji

W tym artykule przedstawiono proces tworzenia agentów sztucznej inteligencji w usłudze Azure Databricks i przedstawiono dostępne metody tworzenia agentów.

Aby dowiedzieć się więcej na temat agentów, zobacz Wzorce projektowe systemu agenta.

Prototypy agentów z placem zabaw dla sztucznej inteligencji

Plac zabaw dla sztucznej inteligencji to najprostszy sposób tworzenia agenta w usłudze Azure Databricks. AI Playground pozwala na wybór spośród różnych modeli LLM i szybkie dodawanie narzędzi do modelu LLM przy użyciu interfejsu low-code. Następnie możesz porozmawiać z agentem, aby przetestować odpowiedzi, a następnie wyeksportować agenta do kodu na potrzeby wdrożenia lub dalszego programowania.

Zobacz Wprowadzenie: Wykonywanie zapytań w usłudze LLM i prototypowych agentów sztucznej inteligencji bez kodu.

Automatyczne tworzenie agenta za pomocą Asystenta wiedzy

Asystent Wiedzy zapewnia usprawnione podejście do tworzenia i optymalizowania czatbotów do pytań i odpowiedzi specyficznych dla domeny, działających na dokumentach oraz poprawy jakości w oparciu o informacje zwrotne w języku naturalnym od ekspertów merytorycznych.

Asystent Wiedzy ma w pełni zarządzane rozwiązanie, które jest dobrym punktem startowym, zanim zanurzysz się w bardziej dostosowanych agentach.

Zakoduj agenta niestandardowego

Struktura agentów i platforma MLflow udostępniają narzędzia ułatwiające tworzenie agentów gotowych do użycia w przedsiębiorstwie w języku Python.

Usługa Azure Databricks obsługuje tworzenie agentów przy użyciu bibliotek tworzenia agentów innych firm, takich jak LangGraph/LangChain, OpenAI, LlamaIndex lub niestandardowe implementacje języka Python.

Aby szybko rozpocząć pracę, zobacz Wprowadzenie do agentów sztucznej inteligencji. Aby uzyskać więcej informacji na temat tworzenia agentów z różnymi strukturami i funkcjami zaawansowanymi, zobacz Tworzenie agenta sztucznej inteligencji i wdrażanie go w usłudze Databricks Apps.

Omówienie sygnatur modelu w celu zapewnienia zgodności z funkcjami usługi Azure Databricks

Usługa Azure Databricks używa sygnatur modelu MLflow do definiowania schematu danych wejściowych i wyjściowych agentów. Funkcje produktu, takie jak AI Playground, zakładają, że agent ma jeden z obsługiwanych podpisów modelu.

Jeśli zastosujesz zalecane podejście do tworzenia agentów przy użyciu interfejsu ResponsesAgent, narzędzie MLflow automatycznie wywnioskuje podpis agenta zgodnego z funkcjami produktu Azure Databricks.