Protótipo de agentes de chamada de ferramentas no Playground de IA

Este artigo mostra como criar um protótipo de chamada de ferramentas de agente de IA com o Playground de IA.

Use o AI Playground para criar rapidamente um agente de chamada de ferramentas e conversar com ele ao vivo para ver como ele se comporta. Em seguida, exporte o agente para implantação ou desenvolvimento adicional no código python.

Para criar agentes usando uma abordagem baseada em código, confira Criar agentes de IA em código.

Requisitos

Seu workspace deve ter os seguintes recursos habilitados para protótipos de agentes usando o AI Playground:

• Catálogo do Unity
• Estrutura de Agentes do Mosaic AI

• Modelos de base. Confira Modelo que atende disponibilidade regional

Agentes de chamada de ferramenta de protótipo no Playground de IA

Para criar um protótipo de um agente de chamada de ferramentas

1. No Playground, selecione um modelo com o rótulo Ferramentas habilitadas.

   

2. Clique em Ferramentas > + Adicionar ferramenta e selecione ferramentas para fornecer ao agente. Você pode escolher até 20 ferramentas. As opções de ferramenta incluem:

   • Função hospedada: selecione uma função de Catálogo do Unity para seu agente usar.
   • Definição de função: Defina uma função personalizada para o agente chamar.
   • Pesquisa de Vetor: especifique um índice de pesquisa de vetor para que seu agente use como uma ferramenta para ajudar a responder às consultas. Se o agente usar um índice de pesquisa de vetor, sua resposta citará as fontes usadas.

   Para este guia, selecione a função interna do Catálogo do Unity, system.ai.python_exec. Essa função oferece ao agente a capacidade de executar código Python arbitrário. Para saber como criar ferramentas de agentes, confira Ferramentas de agente de IA.

   

   Você também pode selecionar um índice de pesquisa de vetor, que permite que seu agente consulte o índice para ajudar a responder às consultas.

   

3. Converse para testar a combinação atual do LLM, das ferramentas e dos prompts do sistema e experimentar variações. O LLM seleciona a ferramenta apropriada a ser usada para gerar uma resposta.

   Prototipe o LLM com a ferramenta de funções hospedadas

   Ao fazer uma pergunta relacionada a informações no índice de pesquisa de vetor, o LLM consulta as informações necessárias e cita todos os documentos de origem usados em sua resposta.

   

Exportar e implantar agentes do AI Playground

Depois de prototipar o agente de IA no AI Playground, exporte-o para notebooks Python para implantá-lo em um endpoint de servição de modelo.

1. Clique em Exportar para gerar o notebook que define e implanta o agente de IA.

   Depois de exportar o código do agente, uma pasta com um notebook de driver é salva em seu workspace. Esse driver define um ChatAgent do LangGraph que chama ferramentas, testa o agente localmente, usa o registro em log baseado em código, registra e implanta o agente de IA usando o Mosaic AI Agent Framework.

2. Endereçar todos os TODOno bloco de anotações.

Nota

O código exportado pode se comportar de forma diferente da sessão do AI Playground. O Databricks recomenda executar os notebooks exportados para iterar e depurar ainda mais, avaliar a qualidade do agente e, em seguida, implantar o agente para compartilhar com outros.

Desenvolver agentes por meio de código

Use os notebooks exportados para testar e iterar programaticamente. Use o notebook para fazer coisas como adicionar ferramentas ou ajustar os parâmetros do agente.

Ao desenvolver programaticamente, os agentes devem atender a requisitos específicos para serem compatíveis com outros recursos do agente do Databricks. Para saber como criar agentes usando uma abordagem voltada para o código, consulte criar agentes de IA em código

Próximas etapas

• Crie suas próprias ferramentas de agente.
• Registrar um agente de IA.
• Adicionar traços a um agente de IA.
• Implantar um agente de IA.