Szybki start z Agent Bricks

Important

Ta funkcja jest dostępna w wersji beta. Nie jest wymagane żadne ustawienie w przestrzeni roboczej, aby to umożliwić. Zainstaluj CLI Agent Bricks, aby zacząć.

Ten szybki start prowadzi Cię od pustego katalogu do wdrożonego niestandardowego agenta za pomocą Agent Bricks CLI (databricks-agentbricks), narzędzia wiersza poleceń Azure Databricks do tworzenia i wdrażania agentów. Agent Bricks CLI zarządza za Ciebie dostępem do modelu, pamięcią, sesjami, narzędziami i śledzeniem, dzięki czemu możesz skupić się na logice swojego agenta.

Jak działa CLI Agent Bricks

CLI Agent Bricks generuje lokalny projekt na podstawie szablonu frameworka, z już skonfigurowanymi środowiskiem uruchomieniowym, testami i opcjonalnym interfejsem czatu. Piszesz logikę aplikacji (model, narzędzia i prompty), a CLI uruchamia ją lokalnie i wdraża. Plik deklaratywny agent.toml jest źródłem prawdy dla zasobów zarządzanych przez Azure Databricks, na których polega Twój agent, takich jak narzędzia, pamięć, sesje i śledzenie. agentbricks deploy odczytuje to w celu skonfigurowania i podłączenia wszystkiego.

Trzy polecenia przenoszą agenta z pustego katalogu do produkcji:

  • agentbricks init tworzy szkielet projektu i zapisuje agent.toml.
  • agentbricks dev uruchamia agenta lokalnie, używając tego samego środowiska i runtime, co Azure Databricks.
  • agentbricks deploy udostępnia zadeklarowane zasoby i wdraża wdrożenie.

Cykl życia CLI Agent Bricks: fazy init, dev oraz wdrażania wraz z ich kluczowymi działaniami

Wymagania wstępne

  • Databricks CLI, zainstalowany i dostępny w zmiennej PATH.

  • Python 3.10 lub nowszy, z pip.

  • Zainstaluj CLI Agent Bricks:

    pip install databricks-agentbricks

Krok 1. Uwierzytelnianie

Uwierzytelnij się do swojej przestrzeni roboczej za pomocą OAuth, zapisz nazwany profil i ustaw go jako domyślny CLI Agent Bricks:

databricks auth login --host https://<your-workspace-url> --profile <profile>
agentbricks login --profile <profile>

Krok 2: Utwórz szkielet projektu

Skonstruuj projekt nowego agenta, wybierając szablon frameworka z :--framework

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

Krok 3: Uruchom agenta lokalnie

Uruchom agenta na swoim komputerze, aby przetestować go przed wdrożeniem:

agentbricks dev

Uruchamia to lokalny serwer na porcie 8000, używając tego samego polecenia i środowiska co środowisko uruchomienia agenta Azure Databricks, połączonego z obsługą modeli Azure Databricks. Wyślij żądania do http://localhost:8000, aby wchodzić w interakcję z agentem.

Krok 4: Wdróż agenta

Wdróż agenta w środowisku uruchomieniowym agenta Azure Databricks:

agentbricks deploy my-agent

Interfejs wiersza polecenia Agent Bricks tworzy i konfiguruje wszelkie powiązane zasoby magazynu, przyznaje do nich dostęp nazwanej jednostce usługi agenta i wdraża je. Po zakończeniu CLI zwraca adres URL wdrożenia. Otwórz adres URL, aby połączyć się z konsultantem na żywo.

Następne kroki

  • Ostatnia aktualizacja o