Wdróż agentów w Azure Databricks

Aby uruchomić agenta w środowisku produkcyjnym, wdrażasz jego kod na zarządzane zasoby obliczeniowe, które obsługują żądania od użytkowników i aplikacji. Wdrożony agent składa się z trzech warstw: twojego frameworka lub harnessa, serwera agenta oraz środowiska uruchomieniowego agenta. Agent Bricks oferuje opcje na każdej warstwie, od DurableAgentServer do Agent Runtime na platformie Databricks Apps.

Stos obliczeniowy agenta

Wdrożony agent ma trzy warstwy. Każda warstwa otacza warstwę nad nią.

Warstwa	Do czego służy	Opcje w Azure Databricks
Rama lub wiązka	Wykonuje pętlę agenta: wywołuje modele i narzędzia oraz decyduje, co zrobić dalej.	Dowolny framework lub narzędzie, takie jak LangGraph czy OpenAI Agents SDK, albo meta-harness, jak Omnigent.
Serwer agenta	Uruchamia pętlę agenta jako serwer HTTP. Serwer agenta udostępnia API wywołań, zarządza połączeniami klientów i obsługuje mechanizmy trwałości.	DurableAgentServer (zalecane), serwery starszych agentów lub własny serwer.
Środowisko uruchomieniowe agenta	Uruchamia serwer agenta na zarządzanych zasobach obliczeniowych i obsługuje hosting, identyfikację oraz skalowanie.	Środowisko uruchomieniowe agentów w aplikacjach Databricks.

Poniższe terminy opisują, jak warstwy ze sobą współdziałają:

Termin	Co to znaczy
API wywołania	API HTTP, które klienci wywołują, aby uruchomić agenta. Zobacz Agenty zapytań wdrożone na platformie Azure Databricks.
Serve	Środowisko wykonawcze agenta uruchamia serwer agenta, który obsługuje twojego agenta przez API wywołań.
Deploy	Umieść kod agenta w środowisku uruchomieniowym agenta.

Note

Databricks Sandbox nie jest warstwą stosu obliczeniowego. To narzędzie, które Twój agent wywołuje, aby uruchomić kod w izolowanym środowisku, oddzielnym od środowiska uruchomienia agenta, z ograniczonym dostępem do zarządzanych danych. Używaj piaskownicy, gdy twój agent pisze i uruchamia kod, na przykład skrypty analizy danych. Aby dodać do projektu CLI narzędzie sandbox, uruchom agentbricks tools add sandbox.

Rama lub szkielet

Framework lub harness to kod twojego agenta. Uruchamia pętlę, która wnioskuje z użyciem modelu, wywołuje narzędzia i decyduje, kiedy odpowiedzieć. Agent Bricks nie wymaga konkretnego frameworka.

Rama lub wiązka	Kiedy stosować
Szablony	Uruchamianie nowego agenta. CLI Agent Bricks tworzy szkielety projektów dla LangGraph oraz OpenAI Agents SDK. Szablony oddzielają kod frameworka od kodu, który łączy go z serwerem agenta.
Obecni agenci	Importowanie agenta, którego już stworzyłeś za pomocą LangGraph lub OpenAI Agents SDK. Uruchom agentbricks init --existing w katalogu, w którym się znajduje. Zobacz Dodaj istniejącego agenta.
Meta-harness	Łączenie wielu frameworków, takich jak agenty kodujące, w jednego agenta za pomocą Omnigent.

Serwer agenta

Serwer agenta to biblioteka, która opakowuje pętlę agenta i zamienia ją w usługę. Definiuje API, które klienci wywołują, śledzi każde uruchomienie i określa, co się dzieje, gdy uruchomienie zostanie przerwane.

Serwer agenta	Kiedy stosować
DurableAgentServer (zalecane)	Nowi agenci utworzeni przy użyciu Agent Bricks CLI.
Serwery starszych agentów	Utrzymanie agentów zbudowanych na podstawie szablonów aplikacji. Aby porównać DurableAgentServer z serwerami starszych agentów, zobacz Porównanie serwerów agentów w usłudze Azure Databricks.
Twój własny serwer	Agenty, które potrzebują niestandardowych punktów końcowych, formatów żądań lub protokołów. Uruchom agentbricks init --server custom, lub zachowaj swój istniejący serwer.

Środowisko uruchomieniowe agenta

Środowisko uruchomieniowe agenta to zarządzane zasoby obliczeniowe, które uruchamiają serwer agenta. Wdrażasz tam kod, zamiast samodzielnie konfigurować serwery.

Środowisko uruchomieniowe agenta	Kiedy stosować
Środowisko uruchomieniowe agenta	Nowi agenci. Uruchamia twojego agenta w Databricks Apps. agentbricks deploy zapewnia zasoby potrzebne agentowi, przyznaje agentowi do nich dostęp i wdraża go na stabilnym, uwierzytelnionym punkcie końcowym.
Serwowanie modeli (starsza wersja)	Poprzedni agenci zostali wdrożeni do punktów końcowych Model Serving. Zobacz Wdrażanie agenta dla aplikacji sztucznej inteligencji (obsługa modelu). Aby przenieść je do aplikacji Databricks, zobacz Migrowanie agenta z Model Serving do Databricks Apps.

Wdróż za pomocą Agent Bricks CLI

CLI Agent Bricks łączy te trzy warstwy. Generuje szkielet kodu frameworka, uruchamia go lokalnie na DurableAgentServer i wdraża do Agent Runtime:

agentbricks init my-agent --framework langgraph
cd my-agent
agentbricks dev
agentbricks deploy my-agent

Aby zbudować i wdrożyć swojego pierwszego agenta, zobacz quickstart Agent Bricks.

Uprawnienia do wdrażania agenta

Użytkownik lub jednostka usługi, która uruchamia agentbricks deploy, potrzebuje uprawnień do wykonywania następujących czynności:

• Twórz aplikacje Databricks lub zarządzaj istniejącą aplikacją do ponownego wdrożenia. Zobacz Konfigurowanie uprawnień dla aplikacji usługi Databricks.
• Utwórz magazyny pamięci i sesji zadeklarowane w agent.toml lub zarządzaj istniejącymi magazynami, aby Agent Bricks mógł przyznać do nich dostęp jednostce usługi aplikacji.
• Utwórz eksperyment MLflow używany przez projekt do śledzenia lub edytuj go, jeśli już istnieje.
• Udziel jednostce usługi aplikacji dostępu do zasobów, które narzędzia deklarują za pomocą --auth app, na przykład EXECUTE w funkcji Unity Catalog, CAN RUN w Genie Agent lub SELECT w tabeli w zakresie sandbox.

Agent Bricks udziela dostępu tylko do zasobów, które agent.toml deklaruje bezpośrednio. Jeśli narzędzie korzysta z innych zasobów, takich jak tabele stojące za Agentem Genie lub obiekty wywoływane przez funkcję Unity Catalog, samodzielnie przyznaj do nich dostęp podmiotowi usługi aplikacji. Jeśli Deploy nie może zastosować wymaganego uprawnienia, zatrzymuje się przed przesłaniem kodu i pozostawia bieżące wdrożenie włączone.

Dodatkowe zasoby

• Agent Server
• Środowisko uruchomieniowe agenta
• Agenty zapytań wdrożone na platformie Azure Databricks