Oferty starszych agentów

Starsze oferty agentów to wcześniejsze produkty agentów Azure Databricks, które nie są już najlepszą praktyką przy budowaniu agentów. Pozostają udokumentowane, aby można było utrzymywać i migrować istniejących agentów. Nie używaj ich w przypadku nowych agentów. Aby dowiedzieć się, jak Azure Databricks definiuje cykle życia wsparcia, zobacz Cykle życia wsparcia Databricks.

Dla nowych agentów napisanych w kodzie Databricks zaleca CLI Agent Bricks, który udostępnia Twojego agenta za pomocą DurableAgentServer i wdraża go w Agent Runtime. Zobacz Wdrażanie agentów w usłudze Azure Databricks. Dla nowych agentów stworzonych bez kodu użyj Genie Agents.

Starsze oferty i ich zamienniki

Starsza oferta	Użyj zamiast tego
Asystent wiedzy	Genie Agents dla agentów low-code opartych na dokumentach i danych.
Agent nadzorczy	Genie Agents dla agentów low-code. Aby koordynować wielu agentów w kodzie, użyj CLI Agent Bricks.
Supervisor API (przestarzałe)	Napisz własną pętlę agenta i wdroż ją z CLI Agent Bricks. Zobacz Wdrażanie agentów w usłudze Azure Databricks.
Zbuduj niestandardowy system wieloagentowy	Agent Bricks CLI. Aby dać swojemu agentowi Genie Agents jako narzędzia, uruchom agentbricks tools add genie-agent.
Uruchamiaj agentów w aplikacjach Databricks z wykorzystaniem starszego serwera agentów	Agent Bricks CLI, z DurableAgentServer w środowisku Agent Runtime.
Stwórz front-end agenta czatu	Projekty, które tworzysz za pomocą CLI Agent Bricks, zawierają interfejs czatu.
Agent na zamówienie do serwowania modeli	Agent Bricks CLI. Aby przenieść istniejącego agenta, zobacz Migracja agenta z Model Serving do aplikacji Databricks.
Stwórz niestandardowego agenta LLM	Funkcje AI, takie jak ai_query.
Magazyny pamięci zarządzanej (starsze)	Pamięć agenta.
Plac zabaw dla sztucznej inteligencji	Aby wyszukiwać modele, zobacz Modele podstawowe i modele osadzające — zapytania. Aby budować i testować agentów, użyj CLI Agent Bricks i uruchom agenta lokalnie za pomocą agentbricks dev. Aby wysłać zapytanie do wdrożonego agenta, zobacz Wysyłanie zapytań do agentów wdrożonych na platformie Azure Databricks.

Strona Self-managed agent memory (Lakebase) również jest przestarzała. Zamiast tego używaj pamięci agenta i sesji agenta .